CN108133734A - 一种医疗费用大数据的分析方法、装置及设备 - Google Patents

Abstract

本发明公开了一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质，其中该方法包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。本申请公开的技术方案中，将多个分布式异构数据源集合得到一个统一的数据库，方便了对于数据的统一分析及管理；进而由海量的医疗费用数据中有效的获取对于用户来说有用的数据，在医疗费用大数据处理中具有很大优势。

Description

一种医疗费用大数据的分析方法、装置及设备

技术领域

本发明涉及大数据分析技术领域，更具体地说，涉及一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机技术在医疗卫生领域的迅猛发展以及就医人数的不断增多，医疗服务信息服务系统产生大量的医疗数据(包括医疗费用数据)。在现存的这些海量的医疗数据中，用户并不能有效的从中获取有用的信息，导致医疗数据被废弃。

综上所述，如何提供一种能够由海量医疗数据中有效获取有用的数据的技术方案，是目前本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质，能够有效由海量医疗数据中有效获取有用的数据。

为了实现上述目的，本发明提供如下技术方案：

一种医疗费用大数据的分析方法，包括：

接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；

利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；

将所述数据挖掘结果进行输出。

优选的，预先训练数据挖掘算法，包括：

获取初始的数据挖掘算法为当前挖掘算法；

利用当前挖掘算法对训练数据进行数据挖掘，得到对应的训练挖掘结果，所述训练数据为预先获取的用于训练数据挖掘算法的医疗费用数据；

判断所述训练挖掘结果与预设标准结果之间的相似度，如果该相似度大于预设相似度，则确定当前挖掘算法为训练完成的数据挖掘算法，否则，则调整当前挖掘算法的参数，并确定调整参数后的当前挖掘算法为当前挖掘算法，返回执行利用当前挖掘算法对训练数据进行数据挖掘的步骤。

优选的，获取初始的数据挖掘算法为当前挖掘算法，包括：

获取初始的数据挖掘k-means算法为当前挖掘算法。

优选的，由数据库中调取与所述数据请求对应的医疗费用数据之后，还包括：

对调取到的所述医疗费用数据进行预设的数据清理、数据变换及数据规约处理，并在处理完成后执行利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘的步骤。

优选的，将所述数据挖掘结果进行输出，包括：

将所述数据挖掘结果进行可视化显示。

优选的，将所述数据挖掘结果进行可视化显示，包括：

采用表格、柱状图及饼形图中的任一种或者任多种对所述数据挖掘结果进行可视化显示。

优选的，将所述数据挖掘结果进行输出，包括：

将所述数据挖掘结果发送至指定终端。

一种医疗费用大数据的分析装置，包括：

调取模块，用于：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；

分析模块，用于：利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；

输出模块，用于：将所述数据挖掘结果进行输出。

一种医疗费用大数据的分析设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上任一项所述医疗费用大数据的分析方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质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如上任一项所述医疗费用大数据的分析方法的步骤。

本发明提供了一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质，其中该方法包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。本申请公开的技术方案中，将多个分布式异构数据源集合得到一个统一的数据库，从而由该数据库中查询与外界输入的数据请求对应的医疗费用数据，方便了对于数据的统一分析及管理；进而利用数据挖掘算法对数据请求对应医疗费用数据进行数据挖掘，得到包含有用户需要获取的数据的数据挖掘结果并输出，从而由海量的医疗费用数据中有效的获取对于用户来说有用的数据，在医疗费用大数据处理中具有很大优势。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种医疗费用大数据的分析方法的流程图；

图2为本发明实施例提供的一种医疗费用大数据的分析方法的可视化平台体系结构图；

图3为本发明实施例提供的一种医疗费用大数据的分析装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明实施例提供的一种医疗费用大数据的分析方法的流程图，可以包括：

S11：接收外界输入的数据请求，由数据库中调取与数据请求对应的医疗费用数据，数据库为由多个分布式异构医疗费用数据源集合得到的。

需要说明的是，本申请中多个分布式异构医疗费用数据源(以下简称数据源)可以为互相关联的数据源，具体来说，由于病人医疗费用包含种类很多，如住院费、手术费、药物费等，因此为了使得数据库在对应数据量最小的情况下能够提供用户所需数据，可以仅将实际需要的互相关联的多个分布式异构医疗费用数据源集合得到的数据库，如某个种类的医疗费用对应数据源为互相关联的数据源，或者某个疾病的医疗费用对应数据源为互相关联的数据源，或者某个医院对应的全部数据源为互相关联的数据源等，均在本发明的保护范围之内。本申请中将多个分布式异构医疗费用数据源集合在一起，通过中间件集成方法对各个分布式异构医疗费用数据源进行对应处理，以使得用户能够通过中间件透明的访问这些数据源，从而维护医疗费用数据的整体一致性的同时还能够提高数据共享的利用效率；其中中间件集成方法可以通过统一的全局数据模型来访问异构的数据源，中间件介于数据层和应用层之间，向下协调对应的各个医疗费用数据源，本申请中数据库即为对应中间件，从而通过这种方式使得用户可以把集成的数据源包含的数据看成一个统一的整体，方便统一分析。

另外，外界输入的数据请求可以携带有用户需要查询的医疗费用数据的关键字，如某项疾病、某个费用种类等，由此，可以通过关键字匹配的方式由数据库中查询出与数据请求对应的医疗费用数据；当然也可以根据实际需要进行其他设定，均在本发明的保护范围之内。

S12：利用预先训练的数据挖掘算法对与数据请求对应的医疗费用数据进行数据挖掘，得到与数据请求对应的数据挖掘结果。

获取到与数据请求对应的医疗费用数据后，为了使得输出给用户的医疗费用数据更加符合用户需要，可以利用预先训练的数据挖掘算法对医疗费用数据进行数据挖掘，得到对应的数据挖掘结果。其中，数据挖掘算法的作用为将数据后面隐藏的信息提取出来，通过数据挖掘算法可以获取各数据之间的关联规则；本申请中可以利用数据挖掘算法对于数据请求对应的医疗费用数据进行聚类处理，聚类处理所得结果即为数据挖掘结果，通过聚类处理得到医疗费用数据中包含的重要信息，如与数据请求对应的认为用户最需要的数据(如某项疾病的某种药物的医疗费用数据、某种手术的医疗费用数据等)、通过某项疾病的医疗费用数据得到对某药物的购买量的预测结果，通过某项疾病的医疗费用数据确定近段时间该疾病的发病率，等；从而通过这种方式的数据挖掘查询出用户最为需要或者最为关心的数据并输出。

S13：将数据挖掘结果进行输出。

数据挖掘结果即可以为挖掘出的认为用户最需要的医疗费用数据，将数据挖掘结果进行输出的方式可以根据实际需要进行确定，只要能够使得用户方便获知该结果即可，在此不作具体限定。

本申请公开的技术方案中，将多个分布式异构数据源集合得到一个统一的数据库，从而由该数据库中查询与外界输入的数据请求对应的医疗费用数据，方便了对于数据的统一分析及管理；进而利用数据挖掘算法对数据请求对应医疗费用数据进行数据挖掘，得到包含有用户最需获取的医疗费用数据的数据挖掘结果并输出，从而由海量的医疗费用数据中有效的获取对于用户来说有用的数据，在医疗费用大数据处理中具有很大的优势。

本发明实施例提供的一种医疗费用大数据的分析方法，预先训练数据挖掘算法，可以包括：

获取初始的数据挖掘算法为当前挖掘算法；

利用当前挖掘算法对训练数据进行数据挖掘，得到对应的训练挖掘结果，训练数据为预先获取的用于训练数据挖掘算法的医疗费用数据；

判断训练挖掘结果与预设标准结果之间的相似度，如果该相似度大于预设相似度，则确定当前挖掘算法为训练完成的数据挖掘算法，否则，则调整当前挖掘算法的参数，并确定调整参数后的当前挖掘算法为当前挖掘算法，返回执行利用当前挖掘算法对训练数据进行数据挖掘的步骤。

其中，预设相似度可以根据实际需要进行设定，初始的数据挖掘算法可以为预先设定的包含的参数均为默认值的数据挖掘算法，从而通过对初始的数据挖掘算法的训练得到数据挖掘准确度较高的数据挖掘算法。判断训练挖掘结果与预设标准结果之间的相似度，可以是预先设置有预设标准结果，从而通过当前挖掘算法对训练数据挖掘得到的训练挖掘结果与预设标准结果的比对确定当前挖掘算法的准确度，而训练挖掘结果与预设标准结果之间的相似度可以是通过关键字匹配或者通过与两项结果对应向量匹配等方式计算得到的，还可以根据实际需要进行其他设定，均在本发明的保护范围之内。从而通过这种方式训练得到数据挖掘准确性较高的数据挖掘算法。

本发明实施例提供的一种医疗费用大数据的分析方法，获取初始的数据挖掘算法为当前挖掘算法，可以包括：

获取初始的数据挖掘k-means算法为当前挖掘算法。

本申请中的数据挖掘算法可以采用数据挖掘k-means算法，该算法具有数据挖掘准确性较高的特点，从而进一步提高了本申请公开的技术方案的数据挖掘的准确性。具体来说，数据挖掘k-means算法具体包括：

步骤1：在全部的相同类的医疗费用数据中找出k个医疗费用数据作为初始的聚类中心，然后对于选定的k个聚类中心中的每一个聚类中心，遍历剩余的医疗费用数据，选出与每个聚类中心的距离最小的医疗费用数据加入对应聚类中心的簇中，得到新生成的簇；

步骤2：根据新生成的簇计算该簇的中心点，继续遍历剩余的医疗费用数据，选出与每个新生成的簇的中心点聚类最小的医疗费用数据加入对应的新生成的簇中，得到新生成的簇；

步骤3：不断重复步骤2，直至无法再生成新的簇为止，输出聚类结果。

本发明实施例提供的一种医疗费用大数据的分析方法，由数据库中调取与数据请求对应的医疗费用数据之后，还可以包括：

对调取到的医疗费用数据进行预设的数据清理、数据变换及数据规约处理，并在处理完成后执行利用预先训练的数据挖掘算法对与数据请求对应的医疗费用数据进行数据挖掘的步骤。

需要说明的是，可以在对医疗费用数据进行数据挖掘之前进行预处理，此处的预处理可以包括预设的数据清理、数据变换及数据规约，从而提高数据挖掘的质量。其中数据清理可以包括对遗漏数据、噪声数据和不一致的数据的处理，其中遗漏数据为医疗费用数据存在不完整，存在遗漏项，此时可以基于已经获取的预设量(根据实际需要设定具体值)的完整的医疗费用数据、利用回归分析、贝叶斯计算公式或决策树等推断出遗漏项最大可能的取值，并将该值填入遗漏项。由于对于医疗费用数据可以预先设定有对应的合理范围，则超出该合理范围的医疗费用数据则可以为噪声数据，噪声数据可以直接丢弃，也可以基于已经获取的预设量的同样种类的医疗费用数据、采用回归的方法(如拟合函数中线性回归的方法)对噪声数据进行平滑，也可以将噪声数据按照遗漏数据的方式确定其最可能的值，并将确定出的值替换噪声数据。对于不一致的数据也可以按照遗漏数据的方式确定出其最可能的值，并将不一致的数据中与该值差距大于预设值(根据实际需要设定具体值)的数据删除，仅保留一个与该值最接近的数据。数据变换将医疗费用数据转换成统一的预先设定的适合数据挖掘的形式，实现方式可以包括平滑处理、合计处理、数据泛化处理、属性构造等，具体可以根据实际的情况对数据进行相应的数据转换。数据规约就是数据消减，作用就是在庞大数据库中获得一个精简的数据集合，并使得这些精简的数据集合保持原有的数据集合完整性，实现方式可以包括数据立方合计、维数消减、数据压缩、数据块消减，一般可以采用主要用数据块消减，就是利用一些简单的的数据表达如参数模型，来取代原有的数据，与现有技术中对应技术方案的实现原理一致，在此不再赘述。另外实现上述数据的预处理后，还可以将经过选择后的数据再一次集成，方便后续对其进行处理。

本发明实施例提供的一种医疗费用大数据的分析方法，将数据挖掘结果进行输出，可以包括：

将数据挖掘结果进行可视化显示。

通过对得到的数据挖掘结果进行可视化显示，使得用户对该结果有直观的认识，同时也方便以后对该结果进行更深层的研究。

本发明实施例提供的一种医疗费用大数据的分析方法，将数据挖掘结果进行可视化显示，可以包括：

采用表格、柱状图及饼形图中的任一种或者任多种对数据挖掘结果进行可视化显示。

采用上述方式实现对数据挖掘结果的可视化显示，能够使得用户从整体

本发明实施例提供的一种医疗费用大数据的分析方法，将数据挖掘结果进行输出，可以包括：

将数据挖掘结果发送至指定终端。

本申请中还可以将数据挖掘结果发送至用户对应指定终端，使得用户可以远程获取到数据挖掘结果，提升了用户体验。

另外需要说明的是，本申请实现数据挖掘结果可视化显示的平台可以如图2所示，其中，展示层使用基于jQuery的Ajax技术，通过页面表示，展示医疗费用数据的内容，实现用户交互的功能；控制层主要根据展示层送来的内容和用户的数据请求，完成业务逻辑层的调用，返回用户请求的内容(本申请中用户请求的内容即为数据挖掘结果)；业务层根据控制层的参数整合数据，调用相应的持久层接口，并将调用所得结果(本申请中调用所得结果为与数据请求对应医疗费用数据)返回控制层；数据层主要是对数据层进行持久化操作，以使得用户能够通过查询持续的从数据库中调取想要的数据。

本发明实施例还提供了一种医疗费用大数据的分析装置，如图3所示，可以包括：

调取模块11，用于：接收外界输入的数据请求，由数据库中调取与数据请求对应的医疗费用数据，数据库为由多个分布式异构医疗费用数据源集合得到的；

分析模块12，用于：利用预先训练的数据挖掘算法对与数据请求对应的医疗费用数据进行数据挖掘，得到与数据请求对应的数据挖掘结果；

输出模块13，用于将数据挖掘结果进行输出。

本发明实施例提供的一种医疗费用大数据的分析装置，还可以包括：

算法训练模块，用于：获取初始的数据挖掘算法为当前挖掘算法；利用当前挖掘算法对训练数据进行数据挖掘，得到对应的训练挖掘结果，训练数据为预先获取的用于训练数据挖掘算法的医疗费用数据；判断训练挖掘结果与预设标准结果之间的相似度，如果该相似度大于预设相似度，则确定当前挖掘算法为训练完成的数据挖掘算法，否则，则调整当前挖掘算法的参数，并确定调整参数后的当前挖掘算法为当前挖掘算法，返回执行利用当前挖掘算法对训练数据进行数据挖掘的步骤。

本发明实施例提供的一种医疗费用大数据的分析装置，算法训练模块可以包括：

算法获取模块，用于：获取初始的数据挖掘k-means算法为当前挖掘算法。

本发明实施例提供的一种医疗费用大数据的分析装置，还包括：

预处理模块，用于：由数据库中调取与数据请求对应的医疗费用数据之后，对调取到的医疗费用数据进行预设的数据清理、数据变换及数据规约处理，并在处理完成后执行利用预先训练的数据挖掘算法对与数据请求对应的医疗费用数据进行数据挖掘的步骤。

本发明实施例提供的一种医疗费用大数据的分析装置，触摸模块可以包括：

输出单元，用于：将数据挖掘结果进行可视化显示。

本发明实施例提供的一种医疗费用大数据的分析装置，输出单元可以包括：

输出子单元，用于：采用表格、柱状图及饼形图中的任一种或者任多种对数据挖掘结果进行可视化显示。

本发明实施例提供的一种医疗费用大数据的分析装置，输出模块可以包括：

发送单元，用于：将数据挖掘结果发送至指定终端。

本发明实施例还提供了一种医疗费用大数据的分析设备，可以包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序时实现如上任一项医疗费用大数据的分析方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可以实现如上任一项医疗费用大数据的分析方法的步骤。。

本发明实施例提供的一种医疗费用大数据的分析装置、设备及计算机可读存储介质中相关部分的说明请参见本发明实施例提供的一种医疗费用大数据的分析方法中对应部分的详细说明在此不在赘述。另外本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种医疗费用大数据的分析方法，其特征在于，包括：

接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；

利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；

将所述数据挖掘结果进行输出。

2.根据权利要求1所述的方法，其特征在于，预先训练数据挖掘算法，包括：

获取初始的数据挖掘算法为当前挖掘算法；

利用当前挖掘算法对训练数据进行数据挖掘，得到对应的训练挖掘结果，所述训练数据为预先获取的用于训练数据挖掘算法的医疗费用数据；

判断所述训练挖掘结果与预设标准结果之间的相似度，如果该相似度大于预设相似度，则确定当前挖掘算法为训练完成的数据挖掘算法，否则，则调整当前挖掘算法的参数，并确定调整参数后的当前挖掘算法为当前挖掘算法，返回执行利用当前挖掘算法对训练数据进行数据挖掘的步骤。

3.根据权利要求2所述的方法，其特征在于，获取初始的数据挖掘算法为当前挖掘算法，包括：

获取初始的数据挖掘k-means算法为当前挖掘算法。

4.根据权利要求1所述的方法，其特征在于，由数据库中调取与所述数据请求对应的医疗费用数据之后，还包括：

对调取到的所述医疗费用数据进行预设的数据清理、数据变换及数据规约处理，并在处理完成后执行利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘的步骤。

5.根据权利要求1所述的方法，其特征在于，将所述数据挖掘结果进行输出，包括：

将所述数据挖掘结果进行可视化显示。

6.根据权利要求5所述的方法，其特征在于，将所述数据挖掘结果进行可视化显示，包括：

采用表格、柱状图及饼形图中的任一种或者任多种对所述数据挖掘结果进行可视化显示。

7.根据权利要求1所述的方法，其特征在于，将所述数据挖掘结果进行输出，包括：

将所述数据挖掘结果发送至指定终端。

8.一种医疗费用大数据的分析装置，其特征在于，包括：

调取模块，用于：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；

分析模块，用于：利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；

输出模块，用于：将所述数据挖掘结果进行输出。

9.一种医疗费用大数据的分析设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述医疗费用大数据的分析方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1至7任一项所述医疗费用大数据的分析方法的步骤。