一种基于强化学习的医疗诊断结果确定方法和装置与流程

本技术涉及辅助医疗诊断，尤其是涉及一种基于强化学习的医疗诊断结果确定方法和装置。

背景技术：

1、随着医疗技术的不断发展，临床医学的诊断和治疗也在不断地进步。然而，由于患者信息的复杂性和疾病的多样性，医生在进行诊断时仍然面临着很大的挑战。因此，开发一种利用现代技术来辅助医生进行诊断的方法，已经成为医学界的研究热点。

2、现有的诊断模型基本都以传统的transformer模型作为主体，需要提供大量较为完整的患者信息，模型一般通过字符级别的切词来生成词向量并进行内部计算，最终做出预测诊断结果。这样的操作方式，一方面不能让模型提出下一步建议来进行辅助医生诊断的功能，另一方面这种直接按字符切词的方式不能突出利用患者信息中的关键信息，准确性也较差。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种基于强化学习的医疗诊断结果确定方法和装置，通过对用户的当前问诊信息进行关键实体和关键实体关系的识别与提取，构成用户的特征数据，并使用辅助诊断模型对特征数据进行诊断结果的确定，快速为医生提供更加准确的诊断结果，提高医疗效率和诊断准确率。

2、第一方面，本技术实施例提供了一种基于强化学习的医疗诊断结果确定方法，所述医疗诊断结果确定方法包括：

3、获取用户的当前问诊信息，并将所述当前问诊信息输入到预先构建好的命名实体识别模型中，确定出所述当前问诊信息中存在的多个关键实体；

4、将多个所述关键实体输入到预先训练好的实体关系抽取模型中，从多个所述关键实体中确定出存在实体关系的至少一个关键实体对；

5、基于多个所述关键实体以及至少一个所述关键实体对从预先构建好的症状与检查项目之间的映射关系表中确定出所述当前问诊信息对应的至少一个检查项目名称，并利用多个所述关键实体、至少一个所述关键实体对以及至少一个所述检查项目名称构建所述当前问诊信息对应的至少一个特征数据；

6、将至少一个所述特征数据输入到辅助诊断模型中，确定出用户当前的诊断结果；其中，所述辅助诊断模型是基于强化学习预先训练得到的模型。

7、进一步的，所述将至少一个所述特征数据输入到辅助诊断模型中，确定出用户当前的诊断结果，包括：

8、针对于每个特征数据，将该特征数据输入到所述辅助诊断模型的第一编码器中，对该特征数据中的每个关键实体进行向量转换，得到该特征数据中的每个关键实体对应的向量；

9、将该特征数据中的每个关键实体对应的向量输入到所述辅助诊断模型的第二编码器中，确定出该特征数据中的每个关键实体对应的注意力；

10、将该特征数据中的每个关键实体对应的注意力输入到所述辅助诊断模型中的第一解码器中，确定出该特征数据对应的目标检查项目名称，并将所述目标检查项目名称作为所述诊断结果。

11、进一步的，在确定出每个特征数据对应的目标检查项目名称之后，所述医疗诊断结果确定方法还包括：

12、将至少一个所述特征数据进行拼接，得到拼接特征数据，并将所述拼接特征数据输入到所述辅助诊断模型中，得到所述拼接特征数据对应的目标检查项目名称；

13、当所述拼接特征数据对应的目标检查项目名称为预设项目名称时，将所述拼接特征数据中的检查项目名称剔除，并将剔除检查项目名称后的拼接特征数据与所述预设项目名称进行拼接，得到目标特征数据；

14、将所述目标特征数据输入所述第一编码器中得到所述目标特征数据中的每个关键实体对应的向量，将所述目标特征数据中的每个关键实体对应的向量输入到所述第二编码器中，确定出所述目标特征数据中的每个关键实体对应的注意力，将所述目标特征数据中的每个关键实体对应的注意力输入到所述辅助诊断模型中的第二解码器中，确定出所述目标特征数据对应的疾病名称，并将所述疾病名称作为所述诊断结果。

15、进一步的，通过下述步骤训练所述辅助诊断模型：

16、获取患者样本信息，并将所述患者样本信息输入到所述命名实体识别模型中，确定出所述患者样本信息中存在的多个样本实体；

17、将多个所述样本实体输入到所述实体关系抽取模型中，从多个样本实体中确定出存在实体关系的多个样本实体对；

18、基于多个所述样本实体以及多个所述样本实体对从所述映射关系表中确定出多个样本诊断结果；

19、针对于每个样本诊断结果，基于多个所述样本实体中与该样本诊断结果相对应的样本实体，以及多个所述样本实体对中与该样本诊断结果相对应的样本实体对构建该样本诊断结果对应的样本特征数据；

20、从多个所述样本实体中确定出样本疾病名称，并将多个样本特征数据与预设项目名称进行拼接，得到所述样本疾病名称对应的样本特征数据，并将所述样本疾病名称作为所述样本诊断结果；

21、将每个样本特征数据以及每个样本特征数据对应的样本诊断结果输入到辅助诊断原始模型中，对所述辅助诊断原始模型进行强化学习训练，以得到所述辅助诊断模型。

22、进一步的，所述将每个样本特征数据以及每个样本特征数据对应的样本诊断结果输入到辅助诊断原始模型中，对所述辅助诊断原始模型进行强化学习训练，以得到所述辅助诊断模型，包括：

23、将每个样本特征数据输入到所述辅助诊断原始模型中，得到每个样本特征数据对应的预测诊断结果；

24、将每个样本特征数据的样本诊断结果与预测诊断结果进行对比，计算当前状态下所述辅助诊断原始模型的损失值；

25、基于所述辅助诊断原始模型的损失值对所述辅助诊断原始模型进行迭代训练，直至所述辅助诊断原始模型达到收敛状态，得到所述辅助诊断模型。

26、第二方面，本技术实施例还提供了一种基于强化学习的医疗诊断结果确定装置，所述医疗诊断结果确定装置包括：

27、关键实体提取模块，用于获取用户的当前问诊信息，并将所述当前问诊信息输入到预先构建好的命名实体识别模型中，确定出所述当前问诊信息中存在的多个关键实体；

28、关键实体对确定模块，用于将多个所述关键实体输入到预先训练好的实体关系抽取模型中，从多个所述关键实体中确定出存在实体关系的至少一个关键实体对；

29、特征数据生成模块，用于基于多个所述关键实体以及至少一个所述关键实体对从预先构建好的症状与检查项目之间的映射关系表中确定出所述当前问诊信息对应的至少一个检查项目名称，并利用多个所述关键实体、至少一个所述关键实体对以及至少一个所述检查项目名称构建所述当前问诊信息对应的至少一个特征数据；

30、诊断结果确定模块，用于将至少一个所述特征数据输入到辅助诊断模型中，确定出用户当前的诊断结果；其中，所述辅助诊断模型是基于强化学习预先训练得到的模型。

31、进一步的，所述诊断结果确定模块在用于将至少一个所述特征数据输入到辅助诊断模型中，确定出用户当前的诊断结果时，所述诊断结果确定模块还用于：

32、针对于每个特征数据，将该特征数据输入到所述辅助诊断模型的第一编码器中，对该特征数据中的每个关键实体进行向量转换，得到该特征数据中的每个关键实体对应的向量；

33、将该特征数据中的每个关键实体对应的向量输入到所述辅助诊断模型的第二编码器中，确定出该特征数据中的每个关键实体对应的注意力；

34、将该特征数据中的每个关键实体对应的注意力输入到所述辅助诊断模型中的第一解码器中，确定出该特征数据对应的目标检查项目名称，并将所述目标检查项目名称作为所述诊断结果。

35、进一步的，在确定出每个特征数据对应的目标检查项目名称之后，所述诊断结果确定模块还用于：

36、将至少一个所述特征数据进行拼接，得到拼接特征数据，并将所述拼接特征数据输入到所述辅助诊断模型中，得到所述拼接特征数据对应的目标检查项目名称；

37、当所述拼接特征数据对应的目标检查项目名称为预设项目名称时，将所述拼接特征数据中的检查项目名称剔除，并将剔除检查项目名称后的拼接特征数据与所述预设项目名称进行拼接，得到目标特征数据；

38、将所述目标特征数据输入所述第一编码器中得到所述目标特征数据中的每个关键实体对应的向量，将所述目标特征数据中的每个关键实体对应的向量输入到所述第二编码器中，确定出所述目标特征数据中的每个关键实体对应的注意力，将所述目标特征数据中的每个关键实体对应的注意力输入到所述辅助诊断模型中的第二解码器中，确定出所述目标特征数据对应的疾病名称，并将所述疾病名称作为所述诊断结果。

39、第三方面，本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的基于强化学习的医疗诊断结果确定方法的步骤。

40、第四方面，本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的基于强化学习的医疗诊断结果确定方法的步骤。

41、本技术实施例提供的一种基于强化学习的医疗诊断结果确定方法和装置，首先，获取用户的当前问诊信息，并将所述当前问诊信息输入到预先构建好的命名实体识别模型中，确定出所述当前问诊信息中存在的多个关键实体；然后，将多个所述关键实体输入到预先训练好的实体关系抽取模型中，从多个所述关键实体中确定出存在实体关系的至少一个关键实体对；基于多个所述关键实体以及至少一个所述关键实体对从预先构建好的症状与检查项目之间的映射关系表中确定出所述当前问诊信息对应的至少一个检查项目名称，并利用多个所述关键实体、至少一个所述关键实体对以及至少一个所述检查项目名称构建所述当前问诊信息对应的至少一个特征数据；最后，将至少一个所述特征数据输入到辅助诊断模型中，确定出用户当前的诊断结果；其中，所述辅助诊断模型是基于强化学习预先训练得到的模型。

42、本技术通过对用户的当前问诊信息进行关键实体和关键实体关系的识别与提取，构成用户的特征数据，并使用辅助诊断模型对特征数据进行诊断结果的确定，快速为医生提供更加准确的诊断结果，提高医疗效率和诊断准确率。

43、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。