【技術實現步驟摘要】
本專利技術涉及醫療信息處理方法，更具體地說是指感染性疾病數據智能編碼方法、裝置、計算機設備及存儲介質。
技術介紹
1、在現代醫院管理中，感染性疾病的精確編碼對疾病監測、治療分析以及醫療保險結算至關重要。隨著電子病歷系統的普及，大量非結構化的醫療數據涌現，包括病歷記錄、實驗室結果和臨床診斷信息。然而，手動進行這些信息的編碼不僅耗時，還易出錯，因此對自動化編碼的需求變得愈發迫切。
2、傳統的icd（國際疾病分類，international?classification?of?diseases）編碼方法依賴于人工判斷，受到醫生經驗和信息錄入質量的影響，可能導致編碼不準確或遺漏，盡管現有的自動編碼技術已有所進展，但在特征提取和上下文理解上仍面臨挑戰，編碼關系建模也常常不夠精確。當前的一些技術，如多尺度卷積神經網絡和圖卷積網絡，雖然能夠處理文本特征和編碼關系，但在處理長文本方面能力有限，并且計算資源消耗較大。
3、因此，有必要設計一種新的方法，實現提升感染性疾病數據的特征提取和編碼預測過程，以增強編碼的準確性和效率。
技術實現思路
1、本專利技術的目的在于克服現有技術的缺陷，提供感染性疾病數據智能編碼方法、裝置、計算機設備及存儲介質。
2、為實現上述目的，本專利技術采用以下技術方案：感染性疾病數據智能編碼方法，包括：
3、獲取與感染性疾病相關的醫療文本數據；
4、對所述醫療文本數據提取局部特征；
5、構建臨床醫學知識圖譜
6、對所述局部特征與建模結果進行融合，以得到特征融合結果；
7、將所述特征融合結果輸入至編碼決策模型中進行編碼，以得到icd編碼結果；
8、輸出所述icd編碼結果。
9、其進一步技術方案為：所述對所述醫療文本數據提取局部特征，包括：
10、對所述醫療文本數據進行文本分解和嵌入，以得到嵌入矩陣；
11、對所述嵌入矩陣進行卷積操作，以得到卷積結果；
12、對所述卷積結果進行最大池化層處理，以得到池化結果；
13、對所述池化結果進行特征圖拼接以及全連接處理，以得到局部特征。
14、其進一步技術方案為：所述構建臨床醫學知識圖譜，對編碼關系進行建模，以得到建模結果，包括：
15、構建臨床醫學知識圖譜，采用圖神經網絡對編碼關系進行建模，以得到建模結果。
16、其進一步技術方案為：所述構建臨床醫學知識圖譜，采用圖神經網絡對編碼關系進行建模，以得到建模結果，包括：
17、構建臨床醫學知識圖譜；
18、對所述臨床醫學知識圖譜進行多層圖卷積處理，以得到節點嵌入表示；
19、對所述節點嵌入表示使用池化操作提取全局特征；
20、根據所述全局特征表示計算節點之間的相似度，以確定節點間的依賴關系；
21、組合所述節點嵌入表示以及節點間的依賴關系，以得到建模結果。
22、其進一步技術方案為：所述對所述臨床醫學知識圖譜進行多層圖卷積處理，以得到節點嵌入表示，包括：
23、對所述臨床醫學知識圖譜中鄰居節點的信息聚合，計算每個節點的特征加權和；
24、應用圖卷積層的權重矩陣和偏置項，并使用relu激活函數進行非線性變換，以得到節點嵌入表示。
25、其進一步技術方案為：所述對所述局部特征與建模結果進行融合，以得到特征融合結果，包括：
26、將所述局部特征與所述建模結果進行拼接，以得到高維特征向量；
27、對所述高維特征向量進行降維處理，以得到降維結果；
28、將所述降維結果輸入至集成學習模型中進行特征融合，以得到特征融合結果。
29、其進一步技術方案為：所述將所述特征融合結果輸入至編碼決策模型中進行編碼，以得到icd編碼結果，包括：
30、將所述特征融合結果輸入至編碼決策模型中進行編碼，并采用模糊邏輯確定icd編碼結果；
31、其中，所述編碼決策模型是利用強化學習框架構建的多層次神經網絡模型。
32、本專利技術還提供了感染性疾病數據智能編碼裝置，包括：
33、數據獲取單元，用于獲取與感染性疾病相關的醫療文本數據；
34、局部特征提取單元，用于對所述醫療文本數據提取局部特征；
35、建模單元，用于構建臨床醫學知識圖譜，對編碼關系進行建模，以得到建模結果；
36、融合單元，用于對所述局部特征與建模結果進行融合，以得到特征融合結果；
37、編碼單元，用于將所述特征融合結果輸入至編碼決策模型中進行編碼，以得到icd編碼結果；
38、輸出單元，用于輸出所述icd編碼結果。
39、本專利技術還提供了一種計算機設備，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執行所述計算機程序時實現上述的方法。
40、本專利技術還提供了一種存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述的方法。
41、本專利技術與現有技術相比的有益效果是：本專利技術通過獲取與感染性疾病相關的醫療文本數據并提取局部特征，構建臨床醫學知識圖譜，對編碼關系進行建模，并融合局部特征與建模結果，將融合結果輸入編碼決策模型，生成并輸出icd編碼結果，實現提升感染性疾病數據的特征提取和編碼預測過程，以增強編碼的準確性和效率。
42、下面結合附圖和具體實施例對本專利技術作進一步描述。
本文檔來自技高網...【技術保護點】
1.感染性疾病數據智能編碼方法，其特征在于，包括：
2.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述對所述醫療文本數據提取局部特征，包括：
3.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述構建臨床醫學知識圖譜，對編碼關系進行建模，以得到建模結果，包括：
4.根據權利要求3所述的感染性疾病數據智能編碼方法，其特征在于，所述構建臨床醫學知識圖譜，采用圖神經網絡對編碼關系進行建模，以得到建模結果，包括：
5.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述對所述臨床醫學知識圖譜進行多層圖卷積處理，以得到節點嵌入表示，包括：
6.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述對所述局部特征與建模結果進行融合，以得到特征融合結果，包括：
7.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述將所述特征融合結果輸入至編碼決策模型中進行編碼，以得到ICD編碼結果，包括：
8.感染性疾病數據智能編碼裝置，其特征在于，包括：p>
9.一種計算機設備，其特征在于，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7中任一項所述的方法。
10.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述的方法。
...【技術特征摘要】
1.感染性疾病數據智能編碼方法，其特征在于，包括：
2.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述對所述醫療文本數據提取局部特征，包括：
3.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述構建臨床醫學知識圖譜，對編碼關系進行建模，以得到建模結果，包括：
4.根據權利要求3所述的感染性疾病數據智能編碼方法，其特征在于，所述構建臨床醫學知識圖譜，采用圖神經網絡對編碼關系進行建模，以得到建模結果，包括：
5.根據權利要求1所述的感染性疾病數據智能編碼方法，其特征在于，所述對所述臨床醫學知識圖譜進行多層圖卷積處理，以得到節點嵌入表示，包括：
6.根據權利要求1...
【專利技術屬性】
技術研發人員：劉運喜，林建，姚宏武，霍瑞，杜明梅，陳春平，劉夢林，劉伯偉，白艷玲，李歡，
申請(專利權)人：杭州杏林信息科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。