(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 202211287887.8 (22)申请日 2022.10.20 (71)申请人 之江实验室 地址 310023 浙江省杭州市余杭区文一西 路1818号人工智能小镇10号楼 (72)发明人 李劲松　徐铭鸿　池胜强　田雨　 周天舒　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 刘静 (51)Int.Cl. G16H 10/60(2018.01) G16H 50/20(2018.01) G16H 50/70(2018.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于层次图神经网络的疾病诊疗过程 异常识别系统 (57)摘要 本发明公开了一种基于层次图神经网络的 疾病诊疗过程异常识别系统， 包括数据采集模 块、 数据预处理模块、 层次图神经网络构建模块、 诊疗过程异常评分计算模块和诊疗过程异常识 别应用模块。 本发明提出层次图神经网络模型构 建和训练方法， 对复杂的纵向电子病历数据进行 建模分析， 实现对时序信息和共现信息的融合利 用； 本发明将 疾病诊疗 过程异常分为诊疗事件异 常、 就诊异常和患者异常三个层次， 由低层次、 细 粒度的诊疗事件层次到高层次、 粗粒度的患者层 次， 设计诊疗 过程异常的分层量化和综合评价方 法， 并给出诊疗过程异常的分类方法， 精确定位 异常具体发生在哪次就诊哪个诊 疗步骤。 权利要求书2页 说明书9页 附图4页 CN 115359870 A 2022.11.18 CN 115359870 A 1.一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其特 征在于， 包括： (1)数据采集模块： 用于采集患者的基本信息和患者诊疗数据； (2)数据预处理模块： 对数据采集模块采集的数据进行预处理， 构建诊疗事件集合、 就 诊集合和患者 集合； (3)层次图神经网络构建模块， 包括以下子模块： 诊疗过程层次网络构建子模块： 用于构建包含诊疗事件、 就诊、 患者三个层次的诊疗过 程层次网络； 节点初始向量表示获取子模块： 采用分层表示学习方法获取诊疗事件节点、 就诊节点 和患者节点的初始向量表示； 模型构建与训练子模块： 基于各层次节点初始向量表示构建层次图神经网络模型， 利 用图注意力机制进行多个层次的综合训练； (4)诊疗过程异常评分计算模块： 根据层次图神经网络训练结果分层次计算异常值， 逐 层识别诊疗过程异常； (5)诊疗过程异常识别应用模块： 将患者结构化数据进行预处理后分为诊疗事件节点、 就诊节点和患者节点， 计算不同节点的初始向量表示， 利用层次图神经网络模型得到训练 后的节点向量表示， 并结合节点初始向量表示计算各层次节点异常值， 从而找出异常节点。 2.根据权利要求1所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述诊疗过程层次网络构建子模块中， 将诊疗事件集合、 就诊集合与患者集合构 成节点集合； 每一次就诊与当次就诊中发生的所有诊疗事件相连构成诊疗事件就诊边集 合， 每一个患者与该患者的所有就诊相连构成就诊患者边集合， 将诊疗事件就诊边集合与 就诊患者 边集合构成边 集合； 所述节点 集合和所述 边集合共同构成诊疗过程层次网络 。 3.根据权利要求1所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述节 点初始向量表示 获取子模块中， 将 每次就诊中的诊疗事件按时间排列， 利 用词袋模型进行训练， 获得诊疗事件节点初始向量表示； 依 次用诊疗事件长短期记忆自编 码器模型和 就诊长短期记忆自编码器模型获得就诊节点初始向量表示和患者节点初始向 量表示。 4.根据权利要求3所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述诊疗事件节点初始向量表示， 通过对诊疗事件节点进 行独热编码， 利用词袋 模型对诊疗 事件节点的独热编码结果进行训练获得， 具体为： 获得诊疗事件节点的独热编码； 以就诊为单位按时间顺序排列诊疗事件节点生成诊疗 事件序列； 观察窗口长度为 L， 按顺序每一个诊疗事件节 点的前、 后各 L个诊疗事件节点作为 词袋模型 的输入节点， 每个输入节点都乘以输入权重矩阵并加和得到隐层向量； 隐层向量 乘以输出权 重矩阵， 再用softmax激活 处理后得到诊疗 事件节点的预测值； 用诊疗事件节点的重构损失进行训练， 得到词袋模型的输入权重矩阵； 训练结束后， 将 诊疗事件节点的独热编码和输入权 重矩阵相乘得到诊疗 事件节点初始向量表示。 5.根据权利要求3所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述就诊节点初始向量表示的获取具体为： 以就诊为单位按时间顺序排列诊疗 事件节点生成诊疗事件序列， 构建诊疗事件长 短期记忆自编码器模型， 输入诊疗事件序列， 用诊疗事件节点的重构损失进行训练， 训练完成后， 用诊疗事件长短期记忆自编码器模型权　利　要　求　书 1/2 页 2 CN 115359870 A 2的编码器将诊疗 事件序列编码成固定 长度的向量， 得到就诊节点初始向量表示。 6.根据权利要求3所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述患者节点初始向量表示的获取具体为： 以患者为单位按时间顺序排列就诊 节点生成就诊序列， 构建就诊长 短期记忆自编 码器模型， 输入就诊序列， 用就诊节点的重构 损失进行训练， 训练完成后， 用就诊长短期记忆自编码器模型的编码器将就诊序列编码成 固定长度的向量， 得到患者节点初始向量表示。 7.根据权利要求1所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述模型构建与训练子模块中， 利用L2范数计算经过层次图神经网络后的节点 向量表示与初始向量表示的图节点重构损失； 利用交叉熵计算图关系重构损失； 利用图节 点重构损失和图关系重构损失对层次图神经网络模型进行训练。 8.根据权利要求7所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述层次图神经网络模型 的训练过程中， 将节点初始向量表示和节点邻接矩阵 输入层次图神经网络， 所述层次图神经网络具有若干层图注 意力层； 对于某节 点， 每一层图 注意力层逐个计算其邻居节点和其自身之 间的相似系数， 通过相似系数计算该层的注意力 系数， 利用该层的注意力系 数对该节点在该层的节点向量表示进行更新， 该节点经过所有 层图注意力训练后， 得到该节点对应的节点向量表示。 9.根据权利要求1所述的一种基于层次图神经网络的疾病诊疗过程异常识别系统， 其 特征在于， 所述诊疗过程异常评 分计算模块中， 对于某次就诊， 计算诊疗事件集合中每个诊 疗事件与该次就诊的内积， 激活后得到每 个诊疗事件出现概 率， 即为诊疗 事件异常值； 定义下限阈值和上限阈值， 并且定义两种诊疗事件异常判断方式： 如果诊疗事件异常 值小于下限阈值， 并且该诊疗事件在该次就诊中出现了， 则为意外事件； 如果诊疗事件异常 值大于上限阈值， 并且该诊疗 事件在该次就诊中没有出现， 则为消失事 件。 10.根据权利要求1所述的一种基于层次图神经网络的疾病 诊疗过程异常识别系统， 其 特征在于， 所述诊疗过程异常评分计算模块中， 从根据层次图神经网络重构后的节点邻接 矩阵中提取重构的诊疗事件与就诊的连接关系， 构建重构诊疗事件就诊邻接矩阵； 同时提 取重构的就诊与患者的连接关系， 构建重构就诊患者邻接矩阵； 根据原始及重构诊疗事件 就诊邻接矩阵、 原始及重构就诊患者邻接矩阵、 节点初始向量表示以及训练后的节点向量 表示， 计算就诊节 点异常值和 患者节点异常值， 并分别与各自异常值阈值相比较， 从而判断 是否为异常节点。权　利　要　求　书 2/2 页 3 CN 115359870 A 3