本發(fā)明涉及人工智能領(lǐng)域，具體而言，涉及一種基于自然語言處理和集成訓(xùn)練的慢性病數(shù)據(jù)分析方法及系統(tǒng)。

背景技術(shù)：

1、隨著醫(yī)療信息化發(fā)展，大量非結(jié)構(gòu)化醫(yī)療文本數(shù)據(jù)蘊(yùn)含著豐富慢性病信息，但難以直接利用。傳統(tǒng)慢性病數(shù)據(jù)分析方法在處理此類復(fù)雜數(shù)據(jù)時(shí)存在局限，如無法充分挖掘文本中的潛在信息，模型準(zhǔn)確性和泛化能力不足。同時(shí)，單一模型難以全面分析慢性病數(shù)據(jù)的多樣性和復(fù)雜性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于自然語言處理和集成訓(xùn)練的慢性病數(shù)據(jù)分析方法及系統(tǒng)。

2、第一方面，本發(fā)明實(shí)施例提供一種基于自然語言處理和集成訓(xùn)練的慢性病數(shù)據(jù)分析方法，包括：

3、通過自然語言處理技術(shù)對(duì)非結(jié)構(gòu)化醫(yī)療文本進(jìn)行實(shí)體識(shí)別和關(guān)系抽取，生成未標(biāo)注慢性病目標(biāo)值的第一慢性病實(shí)例；

4、獲取經(jīng)過先期訓(xùn)練的初始分析模型，所述經(jīng)過先期訓(xùn)練的初始分析模型是基于所述第一慢性病實(shí)例通過集成訓(xùn)練框架進(jìn)行對(duì)比學(xué)習(xí)獲得的，所述集成訓(xùn)練框架整合多個(gè)異構(gòu)模型輸出的特征表示；

5、獲取疾病分析指標(biāo)對(duì)應(yīng)的第二慢性病實(shí)例，所述第二慢性病實(shí)例為已標(biāo)注慢性病目標(biāo)值的慢性病實(shí)例；

6、基于所述第二慢性病實(shí)例對(duì)所述經(jīng)過先期訓(xùn)練的初始分析模型進(jìn)行多模型集成優(yōu)化，獲得所述疾病分析指標(biāo)對(duì)應(yīng)的完成訓(xùn)練的慢性病識(shí)別模型；

7、獲取待分析慢性病癥狀，并基于所述完成訓(xùn)練的慢性病識(shí)別模型對(duì)待分析慢性病癥狀進(jìn)行識(shí)別處理，獲得所述待分析慢性病癥狀的慢性病數(shù)據(jù)分析結(jié)果。

8、在一種可能的實(shí)施方式中，所述方法還包括：

9、獲取第一慢性病實(shí)例，所述第一慢性病實(shí)例包括多個(gè)第一慢性病癥狀實(shí)例；

10、根據(jù)每個(gè)第一慢性病癥狀實(shí)例的病癥描述信息確定所述每個(gè)第一慢性病癥狀實(shí)例的第一慢性病癥狀實(shí)例拓?fù)?，并根?jù)所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)浯_定所述每個(gè)第一慢性病癥狀實(shí)例的對(duì)比學(xué)習(xí)特征編碼；

11、基于預(yù)置基礎(chǔ)模型對(duì)每個(gè)第一慢性病癥狀實(shí)例拓?fù)溥M(jìn)行識(shí)別處理，獲得所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的第一特征向量實(shí)例；

12、基于完成訓(xùn)練的特征識(shí)別組件對(duì)每個(gè)第一特征向量實(shí)例進(jìn)行識(shí)別，獲得所述每個(gè)第一慢性病癥狀實(shí)例對(duì)應(yīng)的第一癥狀推斷結(jié)果；

13、根據(jù)所述每個(gè)第一慢性病癥狀實(shí)例的對(duì)比學(xué)習(xí)特征編碼和所述第一癥狀推斷結(jié)果對(duì)所述預(yù)置基礎(chǔ)模型進(jìn)行集成優(yōu)化訓(xùn)練，獲得完成訓(xùn)練的初始分析模型。

14、在一種可能的實(shí)施方式中，所述根據(jù)所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)浯_定所述每個(gè)第一慢性病癥狀實(shí)例的對(duì)比學(xué)習(xí)特征編碼，包括：

15、獲取預(yù)先設(shè)置的多個(gè)癥狀拓?fù)淠Ｊ?，其中，每個(gè)癥狀拓?fù)淠Ｊ綄?duì)應(yīng)一個(gè)具有臨床診斷意義的癥狀組合結(jié)構(gòu)；

16、將每個(gè)第一慢性病癥狀實(shí)例拓?fù)渑c所述多個(gè)癥狀拓?fù)淠Ｊ竭M(jìn)行關(guān)聯(lián)，獲得所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)涞年P(guān)聯(lián)系數(shù)參數(shù)；

17、根據(jù)所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的關(guān)聯(lián)系數(shù)參數(shù)，確定所述每個(gè)第一慢性病癥狀實(shí)例的對(duì)比學(xué)習(xí)特征編碼。

18、在一種可能的實(shí)施方式中，所述將每個(gè)第一慢性病癥狀實(shí)例拓?fù)渑c所述多個(gè)癥狀拓?fù)淠Ｊ竭M(jìn)行關(guān)聯(lián)，獲得所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)涞年P(guān)聯(lián)系數(shù)參數(shù)，包括：

19、將目標(biāo)第一慢性病癥狀實(shí)例拓?fù)渑c每個(gè)癥狀拓?fù)淠Ｊ竭M(jìn)行關(guān)聯(lián)，獲得所述每個(gè)癥狀拓?fù)淠Ｊ綄?duì)應(yīng)的關(guān)聯(lián)系數(shù)；

20、將關(guān)聯(lián)系數(shù)超過關(guān)聯(lián)系數(shù)閾值的癥狀拓?fù)淠Ｊ阶鳛樗瞿繕?biāo)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的目標(biāo)癥狀拓?fù)淠Ｊ剑?/p>

21、將所述目標(biāo)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的目標(biāo)癥狀拓?fù)淠Ｊ阶鳛樗瞿繕?biāo)第一慢性病癥狀實(shí)例拓?fù)涞年P(guān)聯(lián)系數(shù)參數(shù)。

22、在一種可能的實(shí)施方式中，所述根據(jù)所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的關(guān)聯(lián)系數(shù)參數(shù)，確定所述每個(gè)第一慢性病癥狀實(shí)例的對(duì)比學(xué)習(xí)特征編碼，包括：

23、獲取所述目標(biāo)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的目標(biāo)癥狀拓?fù)淠Ｊ降暮诵奶卣骶幋a；

24、根據(jù)所述核心特征編碼確定所述多個(gè)癥狀拓?fù)淠Ｊ街信c目標(biāo)慢性病癥狀實(shí)例拓?fù)洳魂P(guān)聯(lián)的對(duì)照特征編碼；

25、對(duì)所述核心特征編碼和所述對(duì)照特征編碼進(jìn)行特征耦合處理，獲得所述目標(biāo)第一慢性病癥狀實(shí)例拓?fù)涞膶?duì)比學(xué)習(xí)特征編碼。

26、在一種可能的實(shí)施方式中，所述預(yù)置基礎(chǔ)模型包括多個(gè)體征交互網(wǎng)絡(luò)和至少一個(gè)體征融合網(wǎng)絡(luò)，所述基于預(yù)置基礎(chǔ)模型對(duì)每個(gè)第一慢性病癥狀實(shí)例拓?fù)溥M(jìn)行識(shí)別處理，獲得所述每個(gè)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的第一特征向量實(shí)例，包括：

27、根據(jù)目標(biāo)慢性病癥狀實(shí)例的病癥描述信息，獲取目標(biāo)第一慢性病癥狀實(shí)例拓?fù)渲忻總€(gè)癥狀實(shí)體的體征特征向量、所述每個(gè)癥狀實(shí)體的關(guān)聯(lián)體征實(shí)體和所述每個(gè)癥狀實(shí)體與關(guān)聯(lián)體征實(shí)體之間病理關(guān)聯(lián)關(guān)系的關(guān)聯(lián)強(qiáng)度向量；

28、對(duì)所述每個(gè)癥狀實(shí)體的體征特征向量進(jìn)行特征轉(zhuǎn)換操作，獲得所述每個(gè)癥狀實(shí)體的基礎(chǔ)體征向量；

29、將所述關(guān)聯(lián)體征實(shí)體的基礎(chǔ)體征向量和所述關(guān)聯(lián)強(qiáng)度向量進(jìn)行特征融合，獲得融合向量；

30、獲取用于交互聚合處理的第一特征聚合模塊的第一權(quán)重張量，將所述第一權(quán)重張量和所述融合向量進(jìn)行線性變換操作，獲得第一變換系數(shù)張量；

31、基于預(yù)先設(shè)置的第一非線性映射函數(shù)對(duì)所述第一變換系數(shù)張量進(jìn)行處理，獲得癥狀實(shí)體的首階交互聚合向量；

32、對(duì)所述每個(gè)癥狀實(shí)體的輸入體征向量和所述首階交互聚合向量進(jìn)行體征聚合處理，獲得所述每個(gè)癥狀實(shí)體的首階體征向量；

33、基于目標(biāo)體征交互網(wǎng)絡(luò)對(duì)所述關(guān)聯(lián)體征實(shí)體的前序階體征向量和所述關(guān)聯(lián)強(qiáng)度向量進(jìn)行交互聚合處理，獲得所述每個(gè)癥狀實(shí)體的目標(biāo)階交互聚合向量；

34、對(duì)所述每個(gè)癥狀實(shí)體的前序階體征向量和所述目標(biāo)階交互聚合向量進(jìn)行體征聚合處理，獲得所述每個(gè)癥狀實(shí)體的目標(biāo)階體征向量；

35、將所述每個(gè)癥狀實(shí)體的目標(biāo)階體征向量作為所述每個(gè)癥狀實(shí)體的特征向量；

36、基于所述體征融合網(wǎng)絡(luò)對(duì)所述每個(gè)癥狀實(shí)體的特征向量進(jìn)行處理，獲得所述目標(biāo)第一慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的第一特征向量實(shí)例。

37、在一種可能的實(shí)施方式中，所述對(duì)所述每個(gè)癥狀實(shí)體的輸入體征向量和所述首階交互聚合向量進(jìn)行體征聚合處理，獲得所述每個(gè)癥狀實(shí)體的首階體征向量，包括：

38、獲取用于進(jìn)行體征聚合處理的第二特征聚合模塊的第二權(quán)重張量；

39、將所述第二權(quán)重張量和所述首階交互聚合向量進(jìn)行線性變換操作，獲得第二變換系數(shù)張量；

40、基于預(yù)先設(shè)置的第二非線性映射函數(shù)對(duì)所述每個(gè)癥狀實(shí)體的輸入體征向量和所述第二變換系數(shù)張量進(jìn)行處理，獲得所述每個(gè)癥狀實(shí)體的首階體征向量。

41、在一種可能的實(shí)施方式中，所述根據(jù)目標(biāo)慢性病癥狀實(shí)例的病癥描述信息，獲取目標(biāo)第一慢性病癥狀實(shí)例拓?fù)渲忻總€(gè)癥狀實(shí)體的體征特征向量、所述每個(gè)癥狀實(shí)體的關(guān)聯(lián)體征實(shí)體和所述每個(gè)癥狀實(shí)體與關(guān)聯(lián)體征實(shí)體之間病理關(guān)聯(lián)關(guān)系的關(guān)聯(lián)強(qiáng)度向量，包括：

42、根據(jù)所述目標(biāo)第一慢性病癥狀實(shí)例的病癥描述信息，獲取所述目標(biāo)第一慢性病癥狀實(shí)例中每個(gè)子癥狀實(shí)例的臨床指標(biāo)數(shù)據(jù)；

43、對(duì)所述每個(gè)子癥狀實(shí)例的臨床指標(biāo)數(shù)據(jù)進(jìn)行特征耦合處理，獲得所述目標(biāo)第一慢性病癥狀實(shí)例拓?fù)渲忻總€(gè)癥狀實(shí)體的體征特征向量；

44、將與所述每個(gè)子癥狀實(shí)例之間具有臨床關(guān)聯(lián)路徑的對(duì)照子癥狀作為所述每個(gè)子癥狀實(shí)例的關(guān)聯(lián)子癥狀；

45、獲取所述每個(gè)子癥狀實(shí)例與所述關(guān)聯(lián)子癥狀之間臨床關(guān)聯(lián)路徑的臨床指標(biāo)數(shù)據(jù)；

46、對(duì)所述臨床關(guān)聯(lián)路徑的臨床指標(biāo)數(shù)據(jù)進(jìn)行特征耦合處理，獲得所述每個(gè)癥狀實(shí)體與關(guān)聯(lián)體征實(shí)體之間病理關(guān)聯(lián)關(guān)系的關(guān)聯(lián)強(qiáng)度向量。

47、在一種可能的實(shí)施方式中，所述基于所述第二慢性病實(shí)例對(duì)所述經(jīng)過先期訓(xùn)練的初始分析模型進(jìn)行模型優(yōu)化，獲得所述疾病分析指標(biāo)對(duì)應(yīng)的完成訓(xùn)練的慢性病識(shí)別模型，包括：

48、獲取所述第二慢性病實(shí)例中每個(gè)第二慢性病癥狀實(shí)例的第二慢性病癥狀實(shí)例拓?fù)洌?/p>

49、基于所述經(jīng)過先期訓(xùn)練的初始分析模型對(duì)每個(gè)第二慢性病癥狀實(shí)例拓?fù)溥M(jìn)行識(shí)別處理，獲得所述每個(gè)第二慢性病癥狀實(shí)例拓?fù)鋵?duì)應(yīng)的第二特征向量實(shí)例；

50、基于完成訓(xùn)練的特征識(shí)別組件對(duì)每個(gè)第二特征向量實(shí)例進(jìn)行識(shí)別，獲得所述每個(gè)第二慢性病癥狀實(shí)例對(duì)應(yīng)的第二癥狀推斷結(jié)果；

51、根據(jù)所述每個(gè)第二慢性病癥狀實(shí)例的慢性病目標(biāo)值和所述第二癥狀推斷結(jié)果對(duì)所述經(jīng)過先期訓(xùn)練的初始分析模型進(jìn)行集成優(yōu)化訓(xùn)練，獲得所述疾病分析指標(biāo)對(duì)應(yīng)的完成訓(xùn)練的慢性病識(shí)別模型。

52、第二方面，本發(fā)明實(shí)施例提供一種服務(wù)器系統(tǒng)，包括服務(wù)器，所述服務(wù)器用于執(zhí)行第一方面所述的方法。

53、相比現(xiàn)有技術(shù)，本發(fā)明提供的有益效果包括：采用本發(fā)明公開的一種基于自然語言處理和集成訓(xùn)練的慢性病數(shù)據(jù)分析方法及系統(tǒng)，通過利用自然語言處理技術(shù)從非結(jié)構(gòu)化醫(yī)療文本生成未標(biāo)注慢性病目標(biāo)值的第一慢性病實(shí)例，基于此經(jīng)集成訓(xùn)練框架對(duì)比學(xué)習(xí)獲得先期訓(xùn)練的初始分析模型。再獲取已標(biāo)注慢性病目標(biāo)值的第二慢性病實(shí)例，對(duì)初始分析模型多模型集成優(yōu)化，得到完成訓(xùn)練的慢性病識(shí)別模型。最后用該模型識(shí)別待分析慢性病癥狀，獲取慢性病數(shù)據(jù)分析結(jié)果，實(shí)現(xiàn)對(duì)慢性病數(shù)據(jù)的有效分析。