基于神经网络的处方推荐方法、系统、设备及存储介质技术方案

本发明专利技术涉及人工智能领域，提出一种基于神经网络的处方推荐方法、系统、设备及存储介质，该方法包括：获取目标患者的主诉文本、检查结果信息和基础统计信息；将目标患者的主诉文本、检查结果信息和基础统计信息输入到处方推荐模型中，获取目标推荐药品处方；根据目标患者的主诉文本和每一初始备选患者的主诉文本之间的相似度，获取最相似的若干最终备选患者；根据目标推荐药品处方、每一最终备选患者的药品处方信息、目标患者的过敏信息、目标患者的既往医疗信息，开出实际最终处方。本发明专利技术实施例利用AI技术对复杂的目标患者信息进行处理，能为医生推荐出合理的药品处方，能最终得出的处方具有更高的准确性和说服力。得出的处方具有更高的准确性和说服力。得出的处方具有更高的准确性和说服力。

【技术实现步骤摘要】
基于神经网络的处方推荐方法、系统、设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于神经网络的处方推荐方法、系统、设备及存储介质。

技术介绍

[0002]医疗服务过程中，医生对患者病情进行诊断，然后开具相应的处方，在开具处方时需要综合考虑多方面的因素，如年龄、性别、体质特征等，即时同一种疾病，不同的患者个体需要的处方药品和剂量也不相同，而随着就诊患者增多，门诊医师的接诊压力随之增大，医师犯错的可能性也在增加，尤其是年轻经验较少的医师，在缺少强有力医疗辅助决策手段的情况下，更容易出现反复修改的情况。

技术实现思路

[0003]本专利技术提供一种基于神经网络的处方推荐方法、系统、设备及存储介质，其主要目的在于利用人工智能技术对目标患者进行处方推荐，以辅助医生进行处方开具，有效提高医院看病效率。
[0004]第一方面，本专利技术实施例提供一种基于神经网络的处方推荐方法，包括：
[0005]获取目标患者的主诉文本、检查结果信息和基础统计信息；
[0006]将所述目标患者的主诉文本、检查结果信息和基础统计信息输入到处方推荐模型中，获取目标推荐药品处方，其中，所述处方推荐模型通过以历史患者的主诉文本、检查结果信息和基础统计信息为样本，以所述历史患者的药品处方为标签进行训练得到；
[0007]根据所述目标患者的主诉文本和每一初始备选患者的主诉文本之间的相似度，获取至少一个最终备选患者，其中，所述初始备选患者根据所述目标患者的年龄和性别在预设数据库中进行筛选得到，所述预设数据库包括历史患者的主诉文本、检查结果信息、基础统计信息和所述历史患者的药品处方，所述最终备选患者的相似度大于预设相似阈值；
[0008]根据所述目标推荐药品处方、每一最终备选患者的药品处方信息、所述目标患者的过敏信息、所述目标患者的既往医疗信息，开出实际最终处方。
[0009]优选地，所述处方推荐模型包括预处理模块、特征提取模块、融合模块和输出模块，所述将所述目标患者的主诉文本、检查结果信息和基础统计信息输入到处方推荐模型中，获取目标推荐药品处方，包括：
[0010]将所述主诉文本、所述检查结果信息和所述基础统计信息输入到所述预处理模块中，获取处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息；
[0011]将预处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息输入到所述特征提取模块，获取主诉特征、检查特征和基础特征；
[0012]将所述主诉特征、所述检查特征和所述基础特征输入到所述融合模块中，获取最终融合特征；
[0013]将所述最终融合特征输入到所述输出模块中，获取所述目标推荐药品处方。
[0014]优选地，所述预处理模块包括第一预处理层、第二预处理层和第三预处理层，所述将所述主诉文本、所述检查结果信息和所述基础统计信息输入到所述预处理模块中，获取处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息，包括：
[0015]将所述主诉文本输入到所述第一预处理层中，对所述主诉文本进行预处理，去除所述主诉文本中的停用词和预设稀有词，获取预处理后的主诉文本；
[0016]将所述检查结果信息输入到所述第二预处理层中，对所述检查结果信息进行标准化预处理，统一指标维度，获取预处理后的检查结果信息；
[0017]将所述基础统计信息输入到所述第三预处理层中，对所述基础统计信息进行标准化和独热编码预处理，获取预处理后的基础统计信息。
[0018]优选地，所述特征提取模块包括第一特征提取层、第二特征提取层和第三特征提取层，所述将预处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息输入到所述特征提取模块，获取主诉特征、检查特征和基础特征，包括：
[0019]将预处理后的主诉文本输入到所述第一特征提取层，获取所述主诉特征；
[0020]将预处理后的检查结果信息输入到所述第二特征提取层，获取所述检查特征；
[0021]将预处理后的基础统计信息输入到所述第三特征提取层，获取所述基础特征。
[0022]优选地，所述融合模块包括第一融合层和第二融合层，所述将所述主诉特征、所述检查特征和所述基础特征输入到所述融合模块中，获取最终融合特征，包括：
[0023]将所述主诉特征和所述检查特征输入到所述第一融合层，获取第一融合特征；
[0024]将所述第一融合特征和所述基础特征输入到所述第二融合层，获取所述最终融合特征。
[0025]优选地，所述根据所述目标患者的主诉文本和每一初始备选患者的主诉文本之间的相似度，获取最相似的若干最终备选患者，包括：
[0026]根据所述目标患者的年龄和性别，在所述预设数据库中筛选出所述初始备选患者，所述初始备选患者的年龄与所述目标患者的年龄所处的阶段相同，所述初始备选患者的性别与所述目标患者的性别相同；
[0027]根据所述目标患者的主诉文本，获取所述目标患者对应的目标主诉向量；
[0028]根据每一初始备选患者的主诉文本，获取每一初始备选患者对应的备选主诉向量；
[0029]根据所述目标主诉向量和每一初始备选主诉向量之间的相似度，获取最相似的若干最终备选患者。
[0030]优选地，所述目标患者的主诉文本包括所述目标患者的疾病描述信息，所述检查结果信息包括所述目标患者所做的各种检查结果，所述基础统计信息包括所述目标患者的年龄和所述目标患者的性别。
[0031]第二方面，本专利技术实施例提供一种基于神经网络的处方推荐系统，包括：
[0032]获取模块，用于获取目标患者的主诉文本、检查结果信息和基础统计信息；
[0033]推荐模块，用于将所述目标患者的主诉文本、检查结果信息和基础统计信息输入到处方推荐模型中，获取目标推荐药品处方，其中，所述处方推荐模型通过以历史患者的主诉文本、检查结果信息和基础统计信息为样本，以所述历史患者的药品处方为标签进行训练得到；
[0034]相似模块，用于根据所述目标患者的主诉文本和每一初始备选患者的主诉文本之间的相似度，获取至少一个最终备选患者，其中，所述初始备选患者根据所述目标患者的年龄和性别在预设数据库中进行筛选得到，所述预设数据库包括历史患者的主诉文本、检查结果信息、基础统计信息和所述历史患者的药品处方，所述最终备选患者的相似度大于预设相似阈值；
[0035]处方模块，用于根据所述目标推荐药品处方、每一最终备选患者的药品处方信息、所述目标患者的过敏信息、所述目标患者的既往医疗信息，开出实际最终处方。
[0036]第三方面，本专利技术实施例提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于神经网络的处方推荐方法的步骤。
[0037]第四方面，本专利技术实施例提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的处方推荐方法，其特征在于，包括：获取目标患者的主诉文本、检查结果信息和基础统计信息；将所述目标患者的主诉文本、检查结果信息和基础统计信息输入到处方推荐模型中，获取目标推荐药品处方，其中，所述处方推荐模型通过以历史患者的主诉文本、检查结果信息和基础统计信息为样本，以所述历史患者的药品处方为标签进行训练得到；根据所述目标患者的主诉文本和每一初始备选患者的主诉文本之间的相似度，获取至少一个最终备选患者，其中，所述初始备选患者根据所述目标患者的年龄和性别在预设数据库中进行筛选得到，所述预设数据库包括历史患者的主诉文本、检查结果信息、基础统计信息和所述历史患者的药品处方，所述最终备选患者的相似度大于预设相似阈值；根据所述目标推荐药品处方、每一最终备选患者的药品处方信息、所述目标患者的过敏信息、所述目标患者的既往医疗信息，开出实际最终处方。2.根据权利要求1所述的基于神经网络的处方推荐方法，其特征在于，所述处方推荐模型包括预处理模块、特征提取模块、融合模块和输出模块，所述将所述目标患者的主诉文本、检查结果信息和基础统计信息输入到处方推荐模型中，获取目标推荐药品处方，包括：将所述主诉文本、所述检查结果信息和所述基础统计信息输入到所述预处理模块中，获取处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息；将预处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息输入到所述特征提取模块，获取主诉特征、检查特征和基础特征；将所述主诉特征、所述检查特征和所述基础特征输入到所述融合模块中，获取最终融合特征；将所述最终融合特征输入到所述输出模块中，获取所述目标推荐药品处方。3.根据权利要求2所述的基于神经网络的处方推荐方法，其特征在于，所述预处理模块包括第一预处理层、第二预处理层和第三预处理层，所述将所述主诉文本、所述检查结果信息和所述基础统计信息输入到所述预处理模块中，获取处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息，包括：将所述主诉文本输入到所述第一预处理层中，对所述主诉文本进行预处理，去除所述主诉文本中的停用词和预设稀有词，获取预处理后的主诉文本；将所述检查结果信息输入到所述第二预处理层中，对所述检查结果信息进行标准化预处理，统一指标维度，获取预处理后的检查结果信息；将所述基础统计信息输入到所述第三预处理层中，对所述基础统计信息进行标准化和独热编码预处理，获取预处理后的基础统计信息。4.根据权利要求2所述的基于神经网络的处方推荐方法，其特征在于，所述特征提取模块包括第一特征提取层、第二特征提取层和第三特征提取层，所述将预处理后的主诉文本、预处理后的检查结果信息和预处理后的基础统计信息输入到所述特征提取模块，获取主诉特征、检查特征和基础特征，包括：将预处理后的主诉文本输入到所述第一特征提取层，获取所述主诉特征；将预处理后的检查结果信息输入到所述第二特征提取层，获取...

【专利技术属性】
技术研发人员：赵越，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：