本申请属于人工智能，涉及一种诊疗能力评估方法，特别是涉及一种基于预训练语言模型与深度度量学习的医生诊疗能力评估方法、系统、存储介质及电子设备。
背景技术：
1、在当前医疗实践中，评估医生的诊疗能力是保证医疗质量和患者安全的关键环节。一些系统采用预定义的规则和标准来评估医生的诊疗行为，但这种方法存在一些挑战。一方面，这些系统需要领域专家手动定义评估标准，其中存在较大的主观性。其次，由于医疗实践涉及到诸多细节和变量，预定义的规则和标准可能无法全面覆盖诊疗过程，从而影响评估的准确性和全面性。因此，寻求新的评估方法和技术以提高医生诊疗能力的评估效果至关重要。
技术实现思路
1、本申请的目的在于提供一种医生诊疗能力评估方法、系统、存储介质及电子设备，用于全面、客观地评估医生的诊疗能力。
2、第一方面，本申请实施例提供一种基于预训练语言模型和深度度量学习的医生诊疗能力评估方法，所述医生诊疗能力评估方法包括：获取医生的诊疗记录和诊疗模板；使用预训练语言模型提取所述诊疗记录和所述诊疗模板的特征向量；使用深度度量学习模型将所述诊疗记录和所述诊疗模板的特征向量映射到嵌入空间，以得到所述诊疗记录和所述诊疗模板的嵌入向量；根据所述诊疗记录和所述诊疗模板的嵌入向量之间的相似度评估医生的诊疗能力。
3、在第一方面的一种实现方式中，使用预训练语言模型提取所述诊疗记录的特征向量包括：对所述诊疗记录中的文本进行预处理以得到词元序列；将所述词元序列转换为词元索引序列；根据所述词元索引序列构建输入表示；利用所述预训练语言模型对所述输入表示进行处理以得到所述诊疗记录的特征向量。
4、在第一方面的一种实现方式中，对所述诊疗记录中的文本进行预处理以得到词元序列包括：利用分词器将所述诊疗记录中的文本分解成词元序列；在所述词元序列的开头添加第一标记，在所述词元序列的结尾添加第二标记，所述第一标记用于分类任务，所述第二标记用于分隔句子。
5、在第一方面的一种实现方式中，根据所述词元索引序列构建输入表示包括：根据所述词元索引序列获取词嵌入、位置嵌入和句子嵌入；根据所述词嵌入、所述位置嵌入和所述句子嵌入获取所述输入表示。
6、在第一方面的一种实现方式中，在所述嵌入空间中，所述诊疗记录和所述诊疗模板的嵌入向量之间的距离与相似度成反比。
7、在第一方面的一种实现方式中，所述医生诊疗能力评估方法还包括：获取所述诊疗记录和所述诊疗模板的嵌入向量之间的相似度，所述相似度的计算式为：similarity＝-‖embeddingd-embeddingt‖2，其中embeddingd为所述诊疗记录的嵌入向量，embeddingt为所述诊疗模板的嵌入向量，‖.‖2表示欧式距离。
8、在第一方面的一种实现方式中，所述预训练语言模型为bert模型，所述深度度量学习模型为三元组网络。
9、第二方面，本申请实施例提供一种基于预训练语言模型和深度度量学习的医生诊疗能力评估系统，所述医生诊疗能力评估系统包括：数据获取模块，用于获取医生的诊疗记录和诊疗模板；特征向量提取模块，用于使用预训练语言模型提取所述诊疗记录和所述诊疗模板的特征向量；嵌入向量获取模块，用于使用深度度量学习模型将所述诊疗记录和所述诊疗模板的特征向量映射到嵌入空间，以得到所述诊疗记录和所述诊疗模板的嵌入向量；诊疗能力评估模块，用于根据所述诊疗记录和所述诊疗模板的嵌入向量之间的相似度评估医生的诊疗能力。
10、第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例第一方面中任一项所述的方法。
11、第四方面，本申请实施例提供一种电子设备，所述电子设备包括：存储器，存储有一计算机程序；处理器，与所述存储器通信相连，调用所述计算机程序时执行本申请实施例第一方面中任一项所述的方法。
12、本申请实施例提出了一个端到端的评估框架，将特征提取、嵌入映射、相似度计算等多个步骤整合在一个统一的系统中。于本申请实施例提供的医生诊疗能力评估方法中，通过预训练语言模型对于诊疗记录和诊疗模板进行特征提取，能够深入理解和分析诊疗记录中的语义和上下文信息。此外，该方法利用深度度量学习模型直接在嵌入空间中优化相似性度量，以实现医生诊疗记录与标准诊疗模板之间的相似度评估。通过此种方式能够客观地评价医生的诊疗能力，避免了传统评估方法中的人为误差和主观判断。
1.一种基于预训练语言模型和深度度量学习的医生诊疗能力评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，使用预训练语言模型提取所述诊疗记录的特征向量包括：
3.根据权利要求2所述的方法，其特征在于，对所述诊疗记录中的文本进行预处理以得到词元序列包括：
4.根据权利要求2所述的方法，其特征在于，根据所述词元索引序列构建输入表示包括：
5.根据权利要求1所述的方法，其特征在于，在所述嵌入空间中，所述诊疗记录和所述诊疗模板的嵌入向量之间的距离与相似度成反比。
6.根据权利要求1所述的方法，其特征在于，还包括：获取所述诊疗记录和所述诊疗模板的嵌入向量之间的相似度，所述相似度的计算式为：similarity＝-‖embeddingd-embeddingt‖2，其中embeddingd为所述诊疗记录的嵌入向量，embeddingt为所述诊疗模板的嵌入向量，‖.‖2表示欧式距离。
7.根据权利要求1所述的方法，其特征在于，所述预训练语言模型为bert模型，所述深度度量学习模型为三元组网络。
8.一种基于预训练语言模型和深度度量学习的医生诊疗能力评估系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
10.一种电子设备，其特征在于，所述电子设备包括：
