申请/专利权人：望海康信(北京)科技股份公司

申请日：2020-08-26

公开（公告）日：2024-06-14

公开（公告）号：CN112183104B

主分类号：G06F16/33

分类号：G06F16/33;G06F40/30;G06F40/216;G06F16/35;G06F18/2415;G16H70/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本申请公开了编码推荐方法、系统及相应设备和存储介质，其中所述方法包括：获取病案首页诊断文本作为经训练的第一亚目推断模型的输入，其中诊断文本至少包括主诊诊断文本，其中第一亚目推断模型包括深度学习语言模型和与深度学习语言模型的输出链接的亚目投影层，深度学习语言模型用于基于输入的诊断文本至少输出主诊语义向量；响应于诊断文本不包括次诊诊断文本，亚目投影层用于基于主诊语义向量确定相应主诊诊断文本针对每一国际疾病分类ICD亚目的分类概率；及将针对主诊诊断文本的分类概率最高的m个亚目作为主诊诊断文本的推荐主诊ICD亚目。本发明使能基于文本智能自动推荐相应的ICD编码，准确率和效率高。

主权项：1.一种编码推荐方法，其特征在于，所述方法包括：获取病案首页诊断文本作为经训练的第一亚目推断模型的输入，其中诊断文本包括主诊诊断文本，其中第一亚目推断模型包括深度学习语言模型和与所述深度学习语言模型的输出链接的亚目投影层，所述深度学习语言模型用于基于输入的诊断文本输出主诊语义向量；响应于诊断文本不包括次诊诊断文本，所述亚目投影层用于基于主诊语义向量确定相应主诊诊断文本针对每一国际疾病分类ICD亚目的分类概率；及将针对主诊诊断文本的分类概率最高的m个亚目作为主诊诊断文本的推荐主诊ICD亚目，m≥1；其中所述深度学习语言模型的训练包括：利用病案首页库中的主诊诊断文本、次诊诊断文本和对应的ICD编码数据对所述深度学习语言模型进行训练；响应于诊断文本包括次诊诊断文本，所述深度学习语言模型还输出次诊语义向量，及亚目投影层还用于基于次诊语义向量确定相应次诊诊断文本针对每一国际疾病分类ICD亚目的分类概率；及将针对次诊诊断文本的分类概率最高的n个亚目作为次诊诊断文本的推荐次诊ICD亚目，n≥1；根据次诊诊断文本从映射表查找对应的次诊ICD亚目；将推荐的次诊ICD亚目与从映射表查找的次诊ICD亚目一起形成次诊ICD亚目组，将次诊ICD亚目组中的每一亚目的one-hot向量表达合并为次诊multi-hots向量；将主诊语义向量和次诊multi-hots向量一起作为经训练的第二亚目推断模型的输入，第二亚目推断模型输出相应主诊诊断文本的分类概率最高的k个主诊ICD亚目，k≥1。

全文数据：

权利要求：

百度查询： 望海康信(北京)科技股份公司 编码推荐方法、系统及相应设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD