疾病分类方法、疾病分类装置、电子设备及存储介质与流程

本申请涉及人工智能技术及数字医疗领域，尤其涉及一种疾病分类方法、疾病分类装置、电子设备及存储介质。

背景技术：

1、目前，在疾病分类过程中往往采用人工分类的方式来对病历中的疾病进行分类，这一方式往往需要工作人员具备丰富的医学知识经验，且存在着较大的人为主观性，影响疾病分类的准确性，因此，如何提高疾病分类的准确性，成为了亟待解决的技术问题。

技术实现思路

1、本申请实施例的主要目的在于提出一种疾病分类方法、疾病分类装置、电子设备及存储介质，旨在提高疾病分类的准确性。

2、为实现上述目的，本申请实施例的第一方面提出了一种疾病分类方法，所述方法包括：

3、获取目标病历数据；

4、对所述目标病历数据进行内容提取，得到初步疾病数据；

5、基于预设的疾病知识图谱对所述初步疾病数据进行数据更新，得到目标疾病数据；

6、基于预设的疾病分类模型和候选疾病类别对所述目标疾病数据进行疾病评分，得到所述目标疾病数据属于每个所述候选疾病类别的目标置信度；

7、比对所述目标置信度和预设的置信度阈值；

8、若存在所述目标置信度高于所述置信度阈值，则选取数值最大的目标置信度对应的候选疾病类别作为所述目标病历数据的目标疾病类别；

9、若不存在所述目标置信度高于所述置信度阈值，则获取所述目标病历数据的日志信息，并基于所述日志信息得到所述目标病历数据的目标疾病类别。

10、在一些实施例，所述基于预设的疾病分类模型和候选疾病类别对所述目标疾病数据进行疾病评分，得到所述目标疾病数据属于每个所述候选疾病类别的目标置信度，包括：

11、将所述目标疾病数据输入至预设的疾病分类模型中，所述疾病分类模型包括特征提取网络、第一评分网络、第二评分网络；

12、基于所述特征提取网络对所述目标疾病数据进行语义提取，得到疾病语义特征；

13、基于所述第一评分网络和所述候选疾病类别对所述疾病语义特征进行召回评分，得到第一置信度；

14、基于所述第二评分网络的业务逻辑规则对所述疾病语义特征进行逻辑评分，得到第二置信度；

15、基于所述第一置信度和所述第二置信度，得到所述目标置信度。

16、在一些实施例，所述若不存在所述目标置信度高于所述置信度阈值，则获取所述目标病历数据的日志信息，并基于所述日志信息得到所述目标病历数据的目标疾病类别，包括：

17、若不存在所述目标置信度高于所述置信度阈值，则获取目标疾病数据的日志信息；

18、基于所述日志信息计算所述目标疾病数据的调用量；

19、根据所述调用量对所述目标疾病数据进行排序，得到目标疾病序列；

20、将所述目标疾病序列发送至疾病审核端；

21、接收所述疾病审核端根据所述目标疾病序列反馈的疾病标注数据；

22、基于所述疾病标注数据，得到所述目标病历数据的所述目标疾病类别。

23、在一些实施例，所述对所述目标病历数据进行内容提取，得到初步疾病数据，包括：

24、对所述目标病历数据进行扫描处理，得到病历文本信息；

25、对所述病历文本信息进行字符识别，得到多个疾病描述字符；

26、对所述疾病描述字符进行整合，得到所述初步疾病数据。

27、在一些实施例，所述获取目标病历数据，包括：

28、获取原始病历数据；

29、对所述原始病历数据进行数据清洗，得到所述目标病历数据。

30、在一些实施例，在得到所述目标病历数据的所述目标疾病类别之后，所述方法还包括：

31、将所述目标病历数据和所述目标疾病类别发送至理赔审核端；

32、接收所述理赔审核端根据所述目标病历数据和所述目标疾病类别反馈的审核结果，其中，所述审核结果用于表示所述目标病历数据对应的理赔案件为正常赔付或者表示所述目标病历数据对应的理赔案件为非正常赔付。

33、在一些实施例，在所述若不存在所述目标置信度高于所述置信度阈值，则获取所述目标病历数据的日志信息，并基于所述日志信息得到所述目标病历数据的目标疾病类别之后，所述方法包括：

34、基于所述目标病历数据和所述目标疾病类别对所述疾病知识图谱进行图谱内容更新；

35、和/或；

36、基于所述目标病历数据和所述目标疾病类别对所述疾病分类模型进行模型更新。

37、为实现上述目的，本申请实施例的第二方面提出了一种疾病分类装置，所述装置包括：

38、数据获取模块，用于获取目标病历数据；

39、内容提取模块，用于对所述目标病历数据进行内容提取，得到初步疾病数据；

40、数据更新模块，用于基于预设的疾病知识图谱对所述初步疾病数据进行数据更新，得到目标疾病数据；

41、疾病评分模块，用于基于预设的疾病分类模型和候选疾病类别对所述目标疾病数据进行疾病评分，得到所述目标疾病数据属于每个所述候选疾病类别的目标置信度；

42、比对模块，用于比对所述目标置信度和预设的置信度阈值；

43、筛选模块，用于若存在所述目标置信度高于所述置信度阈值，则选取数值最大的目标置信度对应的候选疾病类别作为所述目标病历数据的目标疾病类别；

44、类别确定模块，用于若不存在所述目标置信度高于所述置信度阈值，则获取所述目标病历数据的日志信息，并基于所述日志信息得到所述目标病历数据的目标疾病类别。

45、为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

46、为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

47、本申请提出的疾病分类方法、疾病分类装置、电子设备及存储介质，其通过获取目标病历数据；对目标病历数据进行内容提取，得到初步疾病数据；基于预设的疾病知识图谱对初步疾病数据进行数据更新，得到目标疾病数据，能够提高数据质量和数据规范性。进一步地，基于预设的疾病分类模型和候选疾病类别对目标疾病数据进行疾病评分，得到目标疾病数据属于每个候选疾病类别的目标置信度；比对目标置信度和预设的置信度阈值；若存在目标置信度高于置信度阈值，则选取数值最大的目标置信度对应的候选疾病类别作为目标病历数据的目标疾病类别；若不存在目标置信度高于置信度阈值，则获取目标病历数据的日志信息，并基于日志信息得到目标病历数据的目标疾病类别，能够结合疾病分类模型和日志信息来对目标病历数据进行疾病分类，能够适用于多种具体应用场景，同时基于目标置信度来判断以何种方式确定目标疾病类别，能够有针对性进行疾病分类，能够提高疾病分类的准确性。

技术特征：

1.一种疾病分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的疾病分类方法，其特征在于，所述基于预设的疾病分类模型和候选疾病类别对所述目标疾病数据进行疾病评分，得到所述目标疾病数据属于每个所述候选疾病类别的目标置信度，包括：

3.根据权利要求1所述的疾病分类方法，其特征在于，所述若不存在所述目标置信度高于所述置信度阈值，则获取所述目标病历数据的日志信息，并基于所述日志信息得到所述目标病历数据的目标疾病类别，包括：

4.根据权利要求1所述的疾病分类方法，其特征在于，所述对所述目标病历数据进行内容提取，得到初步疾病数据，包括：

5.根据权利要求1所述的疾病分类方法，其特征在于，所述获取目标病历数据，包括：

6.根据权利要求1所述的疾病分类方法，其特征在于，在得到所述目标病历数据的所述目标疾病类别之后，所述方法还包括：

7.根据权利要求1至6任一项所述的疾病分类方法，其特征在于，在所述若不存在所述目标置信度高于所述置信度阈值，则获取所述目标病历数据的日志信息，并基于所述日志信息得到所述目标病历数据的目标疾病类别之后，所述方法包括：

8.一种疾病分类装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的疾病分类方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的疾病分类方法。

技术总结
本申请提供了一种疾病分类方法、疾病分类装置、电子设备及存储介质，属于人工智能技术及数字医疗领域。方法包括：获取目标病历数据；对目标病历数据进行内容提取，得到初步疾病数据；基于疾病知识图谱对初步疾病数据进行数据更新，得到目标疾病数据；基于疾病分类模型对目标疾病数据进行疾病评分，得到目标疾病数据属于每个候选疾病类别的目标置信度；比对目标置信度和置信度阈值；若存在目标置信度高于置信度阈值，则选取数值最大的目标置信度对应的候选疾病类别作为目标病历数据的目标疾病类别；若不存在目标置信度高于置信度阈值，则获取目标病历数据的日志信息，并基于日志信息得到目标病历数据的目标疾病类别，能够提高疾病分类的准确性。

技术研发人员：陈若菲
受保护的技术使用者：中国平安人寿保险股份有限公司
技术研发日：
技术公布日：2024/1/15