信息处理方法、装置和系统制造方法及图纸

本发明专利技术公开一种信息处理方法、系统及系统，根据用户提供的材料提取信息，整理成结构化数据列表，根据历史用户数据集和信息数据库通过贝叶斯结构学习得到每种疾病共同出现的关联关系，构造贝叶斯网络结构，把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果。本发明专利技术基于贝叶斯结构学习对用户病历等材料进行信息提取后并进行结构化处理，结合历史数据集和信息数据库得到每种疾病的关联关系，结合专家经验知识图谱形成对应的参考策略方案，能够成为医生辅助判断的重要参考信息，节约处理时间。节约处理时间。节约处理时间。

【技术实现步骤摘要】
信息处理方法、装置和系统
[0001]本申请是申请日为2021年7月14日，申请号为CN20210792815.8，专利技术名称为“基于贝叶斯结构学习的信息归类方法、装置和系统”的中国专利技术专利申请的分案申请。


[0002]本专利技术涉及人工智能
，尤其涉及一种信息处理方法、装置和系统。

技术介绍

[0003]对疾病的归类分析在很多场景中都是必备步骤，目前的疾病归类主要是依赖人工判断，专业人员的专业能力参差不齐导致归类会出现混乱，举例来说对某种疾病的归类可能因为医学专业不够深，如癌症的病因很多，医生在出具诊断证明时可能对甲状腺癌症有不同的表述，比如甲状腺肿物、甲状腺恶性肿瘤、甲状腺乳头状恶性肿瘤等，这些表述方式都对应甲状腺癌症的某些具体时期或具体类型，但如果专业素养不够容易造成归类错误，这种归类难度在心理疾病中更加明显，因此需要通过数据驱动的方式辅助进行合理的疾病归类以提高辅助参考可靠性。

技术实现思路

[0004]针对上述缺陷，本专利技术要解决的技术问题是如何运用科技手段解决睡眠障碍的数据分析归类问题。
[0005]针对上述缺陷，本专利技术的目的在于提供一种信息处理方法、系统及电子设备、计算机存储介质和程序产品。
[0006]根据本说明书的实施例的一方面，提供一种基于贝叶斯结构学习的信息处理方法，根据用户提供的材料提取信息，整理成结构化数据列表，根据历史用户数据集和信息数据库通过贝叶斯结构学习得到每种疾病共同出现的关联关系，构造贝叶斯网络结构，把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果。
[0007]在一些实施例中，贝叶斯网络结构具有多个节点，节点对应于随机变量，边对应于随机变量的依赖或相关关系。
[0008]在一些实施例中，边包括有向边和无向边。
[0009]在一些实施例中，节点包括引起睡眠障碍的随机因素或者诱因。
[0010]在一些实施例中，有向边表示单向的依赖，无向边表示相关依赖关系。
[0011]在一些实施例中，结构学习给定一个网络和每个节点的静态切片样本，寻找出最优的网络结构，从而用贝叶斯网络的条件独立性来解释节点间的因果关系。
[0012]根据本说明书的实施例的一方面，提供一种基于贝叶斯结构学习的信息处理方法，应用于互联网医疗平台，包括：
[0013]接收到用户请求，根据用户提供的材料进行结构化处理并提取信息，形成结构化数据列表，根据历史数据库和用户的信息通过贝叶斯结构学习得到用户疾病共同出现的关
联关系，构造贝叶斯网络结构，把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果。
[0014]在一些实施例中，互联网医疗平台依据已收集的历史数据进行贝叶斯结构学习，学习疾病清单中疾病组合一同出现的概率，构造贝叶斯网络结构，寻找出最优网络结构，用贝叶斯网络的条件独立性来解释节点间的因果关系。
[0015]在一些实施例中，采用greedy search寻找最优解，避免陷入局部最优。
[0016]在一些实施例中，寻找最优解的具体流程包括：
[0017]S1、选取一个初始结构；
[0018]S2、当未达到局部最优或未达到最大步数时对所有可能的结构进行更改；
[0019]S3、更新对应节点的得分，若得分增加，则将相邻结构作为下一步的备选结构；
[0020]S4、若备选结构为空，在所有备选结构中，选取得分增加最多的结构作为当前结构，否则判断为已达到局部最优，返回当前结构；
[0021]S5、执行S1～S4，直到遍历所有结构。
[0022]根据本说明书的实施例的另一方面，提供一种基于贝叶斯结构学习的病由信息处理方法，包括：
[0023]用户提供症状、病史和检查信息的材料，第三方互联网医疗平台将材料进行结构化处理并提取信息整理成结构化病理数据列表，根据用户历史数据和第三方互联网医疗平台建立的相关疾病数据库，通过贝叶斯结构学习得到一个或多个疾病共同出现的关联关系，构造贝叶斯网络结构，把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果。
[0024]在一些实施例中，第三方互联网医疗平台通过OCR和/或图像识别和/或语义分析对材料进行结构化处理，获得标准格式的数据。
[0025]在一些实施例中，贝叶斯网络结构具有多个节点，节点对应于随机变量。
[0026]根据本说明书的实施例的另一方面，提供一种基于贝叶斯结构学习的信息处理系统，包括：一用户端和一互联网医疗平台，其中，
[0027]所述用户端用于用户提供材料，包括但不限于提供图片、文档以及标准化检查报告；
[0028]所述互联网医疗平台将材料进行结构化处理并提取信息整理成结构化病理数据列表，根据用户历史数据和第三方互联网医疗平台建立的相关疾病数据库，通过贝叶斯结构学习得到一个或多个疾病共同出现的关联关系，构造贝叶斯网络结构；
[0029]所述互联网医疗平台把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案通过所述用户端向用户输出分析结果。
[0030]在一些实施例中，第三方互联网医疗平台通过后台的OCR、图像识别以及语义分析功能模块对材料进行结构化处理，获得标准格式的数据。
[0031]根据本说明书的实施例的另一方面，提供一种电子设备，包括：
[0032]处理器；以及
[0033]被设置成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
[0034]接收到用户请求，根据用户提供的材料进行结构化处理并提取信息，形成结构化数据列表，根据历史数据库和用户的信息通过贝叶斯结构学习得到用户疾病共同出现的关联关系，构造贝叶斯网络结构，把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果。
[0035]根据本说明书的实施例的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现以下步骤：根据用户提供的材料提取信息，整理成结构化数据列表，根据历史用户数据集和信息数据库通过贝叶斯结构学习得到每种疾病共同出现的关联关系，构造贝叶斯网络结构，把属于相同类型的前后序疾病在贝叶斯网络中聚合得到对应的疾病分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果。
[0036]根据本说明书的实施例的另一方面，提供一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现以下步骤：根据用户提供的材料提取信息，整理成结构化数据列表，根据历史用户数据集和信息数据库通过贝叶斯结构学习得到每种疾病共同出现的关联关系，构造贝叶斯网络结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，根据用户提供的材料提取信息，整理成结构化数据列表，根据历史用户数据集和信息数据库通过贝叶斯结构学习得到每种结果类型共同出现的关联关系，构造贝叶斯网络结构，把属于相同类型的前后序结果类型在贝叶斯网络中聚合得到对应的结果分类，根据专家经验知识图谱形成对应的策略方案向用户输出分析结果；选取一个初始结构，当未达到局部最优或未达到最大步数时对所有可能的结构进行更改，更新对应节点的得分，若得分增加，则将相邻结构作为下一步的备选结构，若备选结构为空，在所有备选结构中，选取得分增加最多的结构作为当前结构，否则判断为已达到局部最优，返回当前结构，不断循环迭代遍历所有结构进而寻找得到最优解，避免陷入局部最优。2.根据权利要求1所述的信息处理方法，所述结果类型为睡眠障碍或心理疾病。3.根据权利要求1或2所述的信息处理方法，所述贝叶斯网络结构具有多个节点，节点对应于随机变量，边对应于随机变量的依赖或相关关系。4.根据权利要求2或3所述的信息处理方法，所述边包括有向边和无向边。5.根据权利要求2所述的信息处理方法，所述节点包括引起睡眠障碍的随机因素或者诱因。6.根据权利要求3所述的信息处...

【专利技术属性】
技术研发人员：陈冠伟，
申请(专利权)人：北京好欣晴移动医疗科技有限公司，
类型：发明
国别省市：