(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 202211007679.8 (22)申请日 2022.08.22 (71)申请人 东软医疗系统股份有限公司 地址 110167 辽宁省沈阳市 浑南区创新路 177-1号 (72)发明人 赵娜　谈旭　杨紫峰　 (74)专利代理 机构 北京中强智尚知识产权代理 有限公司 1 1448 专利代理师 贾依娇 (51)Int.Cl. G16H 10/60(2018.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 诊疗信息预填充方法、 装置和可读存 储介质 (57)摘要 本申请涉及信息处理技术领域， 提供了一种 诊疗信息预填充方法、 装置和可读存储介质， 该 方法包括： 获取与患者的诊疗信息对应诊疗信息 图结构， 诊疗信息图结构 包括表示诊疗信息中基 本属性的边和与边相连的且表示基本属性对应 值的节点； 将诊疗信息图结构转化为边特征矩 阵、 节点特征矩阵以及诊疗信息图结构对应的邻 接矩阵； 将边特征矩阵、 节点特征矩阵以及邻接 矩阵输入至图卷积网络， 输出表达诊疗信息图结 构的第一语义特征； 基于第一语义特征， 在预存 的语义表达库中提取对应的目标诊疗信息， 对患 者的诊疗信息进行 预填充。 权利要求书2页 说明书11页 附图4页 CN 115458102 A 2022.12.09 CN 115458102 A 1.一种诊疗信息预填充方法， 其特 征在于， 包括： 获取与患者的诊疗信 息对应诊疗信 息图结构， 所述诊疗信 息图结构包括表示所述诊疗 信息中基本属性的边和与所述 边相连的且表示所述基本属性对应值的节点； 将所述诊疗信 息图结构转化为边特征矩阵、 节点特征矩阵以及所述诊疗信 息图结构对 应的邻接矩阵； 将所述边特征矩阵、 所述节点特征矩阵以及所述邻接矩阵输入至 图卷积网络， 输出表 达所述诊疗信息图结构的第一语义特 征； 基于所述第一语义特征， 在预存的语义表达库中提取对应的目标诊疗信息， 对所述患 者的诊疗信息进行 预填充。 2.根据权利要求1所述的方法， 其特 征在于， 所述诊疗信息图结构为非欧图结构。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述诊疗信 息图结构转化为边特征 矩阵、 节点特 征矩阵以及所述诊疗信息图结构对应的邻接矩阵， 包括： 将所述诊疗信息图结构中的所述边和所述节点分别进行one ‑hot编码， 构建所述边的 边特征矩阵、 所述节点的节点特征矩阵 以及所述诊疗信息图结构对应的邻接矩阵， 其中， 所 述边特征矩阵和所述节点特 征矩阵的o ne‑hot编码的长度相同或者 不同。 4.根据权利要求3所述的方法， 其特征在于， 将所述诊疗信 息图结构中的所述边和所述 节点分别进行o ne‑hot编码之前， 还 包括： 对所述诊疗信息进行归一化处理， 所述归一化处理为将所述诊疗信息的基本属性和/ 或基本属性对应的值进行 标准化表达。 5.根据权利要求1所述的方法， 其特 征在于， 所述图卷积网络， 用于： 根据所述边特征矩阵、 所述节点特征矩阵以及所述邻接矩阵， 获取所述诊疗信息 图结 构中所有边的分布式表示向量和所有节点的分布式表示向量； 将所述所有边的分布式表示向量进行求和， 得到边聚合表示向量， 以及将所述所有节 点的分布式表示向量进行求和， 得到节点聚合表示向量； 将所述边 聚合表示向量和所述节点 聚合表示向量进行拼接操作， 得到所述诊疗信 息的 原始分布式表示向量； 通过前馈神经网络将所述原始分布式表示向量转换为所述诊疗信息图结构对应的所 述第一语义特 征； 其中， 所述第一语义特 征为第一分布式表示向量， 所述第一分布式表示向量 为： γ＝ReLU(ReLU(ReLU(xW0)xW1)Wn) γ为所述第一分布式向量， x为所述原始分布式表示向量， ReLU为非线性激活函数， W为 所述前馈神经网络每层的可 学习参数， n 为所述前馈神经网络的层数。 6.根据权利要求5所述的方法， 其特征在于， 根据所述边特征矩阵、 所述节点特征矩阵 以及所述邻接矩阵， 获取所述诊疗信息图结构中所有边的分布式表示向量和所有节点的分 布式表示向量， 包括： 将节点对所对应的第 l层隐向量， 编码为第l+1层隐向量作为所述图卷积网络中参与计 算的消息 向量， 其中， 所述节点对为所述诊疗信息图结构的中心节点对应的多个节点对中 的任意一个， 所述节点对包括所述中心节点、 所述中心节点的邻接节点以及所述中心节点权　利　要　求　书 1/2 页 2 CN 115458102 A 2与所述邻接节点之间的边； 对得到的多个所述节点对的消息向量进行聚合， 得到聚合特 征； 将所述聚合特征更新到所述中心节点， 以获得所述中心节点在第l+1层的分布式向量 表示。 7.根据权利要求1至6 中任一项所述的方法， 其特征在于， 所述基于所述第 一语义特征， 在预存的语义表达库中提取对应的目标诊疗信息， 对所述患者的诊疗信息进行预填充， 包 括： 将所述语义表达库中的多个预存患者图结构对应的第二语义特征分别与所述第一语 义特征进行相似度评分计算， 得到多个相似度得分； 对多个所述相似度得分进行标准化计算， 并根据标准化计算后的多个所述相似度得 分， 生成目标评 分向量， 其中， 所述目标评 分向量中的分量为标准化计算后的所述相似度得 分， 所述第二语义特 征用于表达所述预存患者图结构； 根据预设阈值和所述目标评分向量， 确定目标诊疗信息， 并根据所述目标诊疗信息对 所述患者的诊疗信息进行 预填充。 8.根据权利要求7所述的方法， 其特征在于， 所述根据预设阈值和所述目标评分向量， 确定目标诊疗信息， 并根据所述目标诊疗信息对所述患者的诊疗信息进行 预填充， 包括： 在所述目标评分向量中确定大于或等于预设阈值的前N个相似度得分， 其中N为正整 数； 确定所述前N个相似度得分对应的预存患者索引账号； 查找与所述预存患 者索引账号对应的目标诊疗信 息， 并根据所述目标诊疗信 息对所述 患者的诊疗信息进行 预填充。 9.一种诊疗信息预填充装置， 其特 征在于， 包括： 图结构建模模块， 用于获取与患者的诊疗信息对应诊疗信息 图结构， 所述诊疗信息 图 结构包括表示所述诊疗信息中基本属 性的边和与所述边相连 的且表示所述基本属 性对应 值的节点； 图结构转化模块， 用于将所述诊疗信息 图结构转化为边特征矩阵、 节点特征矩阵以及 所述诊疗信息图结构对应的邻接矩阵； 语义特征学习模块， 用于将所述边特征矩阵、 所述节点特征矩阵以及所述邻接矩阵输 入至图卷积网络， 输出表达所述诊疗信息图结构的第一语义特 征； 预填充模块， 用于基于所述第一语义特征， 在预存的语义表达库中提取对应的目标诊 疗信息， 对所述患者的诊疗信息进行 预填充。 10.一种可读存储介质， 其上存储有程序或指令， 其特征在于， 所述程序或指令被处理 器执行时实现如权利要求1至8中任一项所述的诊疗信息预填充方法的步骤。权　利　要　求　书 2/2 页 3 CN 115458102 A 3