一种基于深度学习的单病种电子病历数据库构建方法

专利主权项内容

1.一种基于深度学习的单病种电子病历数据库构建方法，其特征在于，包括以下步骤：步骤1：根据疾病类型构建单病种数据库指标；步骤2：构建数据采集模块，使用数据采集模块得到高质量临床电子病历和疾病治疗指南，构建单病种结构化模型预训练数据集；步骤3：使用步骤2所述数据采集模块，得到小样本的单病种患者电子病历，基于步骤1所述数据库指标，对单病种患者电子病历进行标注，构建单病种结构化模型微调数据集；步骤4：使用步骤2得到的预训练数据集对ERNIE-Health模型进行专项预训练；步骤5：构建通用信息提取框架，所述通用信息提取框架是支持多任务统一的文本到结构的生成框架，通过结构化模式提示器，把目标抽取的Schema信息转换成“线索词”，将各类信息抽取任务统一成“Prompt+文本”的形式作为输入，用不同的Prompt代表不同任务，输出结构化抽取语言的形式，使得模型的输出结构针对不同任务都是一致的，公式如下：UIE表示通用信息提取框架模型，它由Transformer的Encoder和Decoder组成，s表示结构化模式提示器，x表示需要输入的原始句子，输出y就是采用结构化抽取语法描述的结构化数据，其中形式如下：具体来说，首先将输入至Encoder，得到每一个token的隐层表示，形式化表示如下：H＝Encoder(s, s, …s, x, x, …x)12|s|12|x|其中Encoder(·)是Transformer编码器，接下来使用隐层表示在Decoder端生成目标结构化信息，表示如下所示：其中Decoder(·)是Transformer解码器；使用所述通用信息提取框架加载步骤4预训练后的ERNIE-Health模型构建单病种结构化模型，通过步骤3标注的微调数据集对模型进行微调训练，将训练好的模型与东部中心单病种数据库进行封装，得到数据库指标提取模块；步骤6：将数据采集模块与数据库指标提取模块进行封装，形成统一的单病种电子病历结构化系统，实现单病种电子病历结构化数据库构建功能。