(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 202211080035.1 (22)申请日 2022.09.05 (71)申请人 西安启玥华辰软件咨询开发有限公 司 地址 710000 陕西省西安市碑林区南大街1 号负二层1号 申请人 西安医学院第一附属医院 (72)发明人 魏建华　邵小莉　王胜昱　闫红林　 袁广辰　 (74)专利代理 机构 北京和信华成知识产权代理 事务所(普通 合伙) 11390 专利代理师 胡剑辉 (51)Int.Cl. G16H 40/20(2018.01) G06Q 10/06(2012.01)G06F 16/35(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 基于大数据的医疗机构登记评审系统及其 方法 (57)摘要 本申请涉及登记评审技术领域， 其具体地公 开了一种基于大数据的医疗机构登记评审系统 及其方法， 其通过上下文编码器对待评审医疗机 构的各个科室的多项指标数据进行上下文语义 编码， 并使用多尺度邻域特征提取模块对科室特 征向量进行多尺度邻域特征提取， 然后， 分别对 对应于各个科室的多尺度科室特征向量进行基 于最大值的特征值校正， 最后， 将对应于各个科 室的校正后多尺度科室特征向量排列为二维特 征矩阵后通过作为特征提取器的卷积神经网络 模型以得到分类特征图， 并通过分类器以得到用 于表示待评审医疗机构的服务等级标签的分类 结果， 通过这样的方式， 从而 合理的、 精准的对医 疗机构的服 务等级进行评审。 权利要求书3页 说明书13页 附图5页 CN 115547466 A 2022.12.30 CN 115547466 A 1.一种基于大 数据的医疗机构登记评审系统， 其特 征在于， 包括： 指标数据采集模块， 用于获取待评审医疗机构的各个科室的多 项指标数据； 各科室指标数据编码模块， 用于将所述各个科室的多项指标数据通过包含嵌入层的上 下文编码器以得到多个指标语义特 征向量； 各科室指标数据多尺度 特征提取模块， 用于将所述多个指标语义特征向量级联为科室 特征向量后通过多尺度邻域特 征提取模块以得到对应于各个科室的多尺度科室特 征向量； 特征向量校正模块， 用于分别对所述对应于各个科室的多尺度 科室特征向量进行基于 最大值的特 征值校正以得到对应于各个科室的校正后多尺度科室特 征向量； 科室间关联编码模块， 用于将所述对应于各个科室的校正后多尺度科室特征向量排列 为二维特征矩阵后通过作为特 征提取器的卷积神经网络模型以得到分类特 征图； 以及 评审结果生成模块， 用于将所述分类特征图通过分类器以得到分类结果， 所述分类结 果用于表示待评审医疗机构的服 务等级标签。 2.根据权利要求1所述的基于大数据的医疗机构登记评审系统， 其特征在于， 所述各科 室指标数据编码模块， 包括： 嵌入向量化单元， 用于使用所述上下文编码器的嵌入层将所述各个科室的多项指标数 据转化为嵌入向量以得到嵌入向量的序列； 上下文编码单元， 用于使用所述上下文编码器的基于转换器的Bert模型对所述嵌入向 量的序列进行基于全局的上 下文语义编码以得到多个 语义理解特 征向量。 3.根据权利要求2所述的基于大数据的医疗机构登记评审系统， 其特征在于， 所述各科 室指标数据多尺度特 征提取模块， 包括： 级联单元， 用于将所述多个指标语义特 征向量进行级联以得到所述科室特 征向量； 第一邻域尺度编码单元， 用于将所述科室特征向量通过所述多尺度邻域特征提取模块 的第一一维卷积层以得到第一尺度科室特征向量， 其中， 所述第一一维卷积层使用具有第 一长度的一维卷积核对所述科室特 征向量进行一维卷积处 理； 第二邻域尺度编码单元， 用于将所述科室特征向量通过所述多尺度邻域特征提取模块 的第二一维卷积层以得到第二尺度科室特征向量， 其中， 所述第二一维卷积层使用具有第 二长度的一维卷积核对所述科室特 征向量进行一维卷积处 理； 以及 多尺度特征级联单元， 用于将所述第 一尺度科室特征向量和所述第 二尺度科室特征向 量进行级联以得到所述对应于各个科室的多尺度科室特 征向量。 4.根据权利要求3所述的基于大数据的医疗机构登记评审系统， 其特征在于， 所述特征 向量校正模块， 进一步用于： 以如下公式分别对所述对应于各个科室的多尺度科室特征向 量进行基于最大值的特 征值校正以得到对应于各个科室的校正后多尺度科室特 征向量； 其中， 所述公式为： 其中， V′是所述校正后多尺度科室特征向量， V是所述多尺度科室特征向量， vmax是所述 多尺度科室特 征向量V的最大 特征值。 5.根据权利要求4所述的基于大数据的医疗机构登记评审系统， 其特征在于， 所述科室 间关联编码模块， 进一步用于： 所述卷积神经网络的各层在层的正向传递中对输入数据分权　利　要　求　书 1/3 页 2 CN 115547466 A 2别进行： 使用所述卷积神经网络的各层的卷积单元对所述输入数据进行基于二维卷积核的卷 积处理以得到卷积特 征图； 使用所述卷积神经网络的各层的池化单元对所述卷积特征图进行基于局部特征矩阵 的均值池化以得到池化特 征图； 以及 使用所述卷积神经网络的各层的激活单元对所述池化特征图中各个位置的特征值进 行非线性激活以得到 激活特征图； 其中， 所述卷积神经网络的最后一层的输出为所述分类特 征图。 6.根据权利要求5所述的基于大数据的医疗机构登记评审系统， 其特征在于， 所述评审 结果生成模块， 进一步用于使用所述分类特征图以如下公式对所述分类特征向量进行 处理 以得到所述分类结果； 其中， 所述公式为： 其中， O为输出 结果矩阵， Wi和bi为第i个分类对应的权 重和偏置矩阵。 7.一种基于大 数据的医疗机构登记评审方法， 其特 征在于， 包括： 获取待评审医疗机构的各个科室的多 项指标数据； 将所述各个科室的多项指标数据通过包含嵌入层的上下文编码器以得到多个指标语 义特征向量； 将所述多个指标语义特征向量级联为科室特征向量后通过多尺度邻域特征提取模块 以得到对应于各个科室的多尺度科室特 征向量； 分别对所述对应于各个科室的多尺度科室特征向量进行基于最大值的特征值校正以 得到对应于各个科室的校正后多尺度科室特 征向量； 将所述对应于各个科室的校正后多尺度科室特征向量排列为二维特征矩阵后通过作 为特征提取器的卷积神经网络模型以得到分类特 征图； 以及 将所述分类特征图通过分类器以得到分类结果， 所述分类结果用于表示待评审医疗机 构的服务等级标签。 8.根据权利要求7所述的基于大数据的医疗机构登记评审方法， 其特征在于， 将所述各 个科室的多项指标数据通过包含嵌入层的上下文编 码器以得到多个指标语义特征向量， 包 括： 使用所述上下文编码器的嵌入层将所述各个科室的多项指标数据转化为嵌入向量以 得到嵌入向量的序列； 使用所述上下文编码器的基于转换器的Bert模型对所述嵌入向量的序列进行基于全 局的上下文语义编码以得到多个指标语义特 征向量。 9.根据权利要求8所述的基于大数据的医疗机构登记评审方法， 其特征在于， 将所述多权　利　要　求　书 2/3 页 3 CN 115547466 A 3