(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210303020.0 (22)申请日 2022.03.24 (71)申请人 天津科技大 学 地址 300457 天津市滨 海新区经济技 术开 发区第十三大街9号 (72)发明人 王嫄　胡鹏　于琦　王栋　李泽昆　 刘安岐　杨巨成　赵婷婷　陈亚瑞　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 李冉 (51)Int.Cl. G16H 50/20(2018.01) G16H 10/60(2018.01) G06F 40/30(2020.01)G06F 16/35(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于疾病关联学习和疾病语义抽象的 疾病预诊断方法 (57)摘要 本发明设计了一种基于疾病关联学习和疾 病语义抽象的疾病预诊断方法， 包括： 初始化病 历词汇和疾病词汇的向量表示编码； 利用病历词 汇的向量表 示编码构造初始病历表 示编码； 利用 疾病词汇的向量表示编码构造面向疾病语义的 病历表示编码； 动态融合初始病历表 示编码和面 向疾病语义的病历表示编码得到疾病语义抽象 的病历表 示编码； 建模疾病关联更新病历表示编 码得到融合疾病关联的病历表示编码； 计算疾病 分类参数与病历表示编码的空间角度， 获取最大 概率分布， 输出预诊断的疾病类型。 本发明在病 历表示编码过程中提取并抽象病历中与疾病诊 断密切相关的语义信息以降低原始数据噪音的 影响； 同时考虑疾病之间的相关关系， 提升了疾 病预问诊的准确率。 权利要求书2页 说明书5页 附图2页 CN 114974556 A 2022.08.30 CN 114974556 A 1.一种基于疾病关联 学习和疾病语义抽象的疾病预诊断方法， 其特 征在于以下步骤： 步骤1:分别初始化病历词汇和疾病词汇的向量表示编码； 步骤2： 基于步骤1中病历词汇的向量表示编码， 构造初始病历表示编码； 步骤3： 基于步骤1中疾病词汇的向量表示编码， 构造面向疾病语义的病历表示编码； 步骤4： 动态融合步骤2得到的初始病历表示编码和步骤3得到的面向疾病语义的病历 表示编码， 获取疾病化语义抽象的病历表示编码； 步骤5： 建立病历中多种疾病种类之间关联关系的疾病分类模型以更新步骤4获取的疾 病化语义抽象的病历表示编码， 获取融合疾病关联的病历表示编码； 步骤6： 计算疾病分类模型参数向量与融合疾病关联的病历表示编码的空间角度， 获取 疾病类型的概 率分布， 输出概 率分布最大的疾病类型即为预诊断疾病类型。 2.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其特征在于， 还包括： 计算预诊断疾病类型与真实的疾病之间的预测误差， 利用预测误差对 疾病分类模型参数进行 更新优化。 3.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其特征在于： 所述步骤1的具体实现方法为： 通过神经网络词向量技术将病历词汇和疾病词汇映射到低维向量空间， 实现病历词汇 和疾病词汇向量表示编码的初始化。 4.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其特征在于： 所述步骤2的具体实现方法为： 基于步骤1中的病历词汇的向量表示编码， 利用长短时记忆网络得到初始病历表示编 码。 5.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其特征在于： 所述步骤3的具体实现方法为： 基于步骤1中的疾病词汇的向量表示编码， 使用多头交互注意力机制构造面向疾病语 义的病历表示编码。 6.根据权利要求1所述的一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其特征在于： 所述步骤4的具体实现方法为： 通过动态门控机制融合初始病历表示编码和面向疾病语义的病历表示编码， 获取疾病 化语义抽象的病历表示编码， 具体的公式为： D＝ λ⊙B+(1‑λ )⊙C 其中， D表示疾病化语义抽象的病历表示编码， B表示初始病历表示编码， C表示面向疾 病语义的病历表示编码， λ表示融合系数， λ值介于[0,1]之间。 7.根据权利要求1所述一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其 特征在于： 所述步骤5的具体实现方法为：权　利　要　求　书 1/2 页 2 CN 114974556 A 2使用全局注意力机制和长短时记忆网络建立病历中存在的多种疾病种类之间的关联 关系以更新疾病化语义抽象的病历表示编码， 得到融合疾病关联的病历表示编码。 8.根据权利要求1所述一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其 特征在于： 所述步骤6的具体实现方法为： 使用全连接层计算疾病分类模型参数向量与融合疾病关联的病历表示编码的空间角 度， 并利用softmax函数获取疾病类型的概 率分布。 9.根据权利要求2所述一种基于疾病关联学习和疾病语义抽象的疾病预诊断方法， 其 特征在于： 计算预诊断的疾病类型与真实的疾病之间的预测误差， 利用预测误差对参数进行更新 优化具体实现方法为： 使用交叉熵损失比较函数计算出输出预诊断的疾病类型与真实的疾病类型的预测误 差， 通过不断迭代得到最优参数。权　利　要　求　书 2/2 页 3 CN 114974556 A 3