CN108492886B - 微创手术相似病案推荐方法、装置、设备及介质 - Google Patents

Abstract

本发明实施例提供了一种微创手术相似病案推荐方法、装置、设备及介质，从病案的角度分析两个病案的相似度，由于病案包含的数据是多源的，不仅仅包括病例数据，所以采用本发明实施例提供的相似病案推荐方法所得的推荐结果的参考价值较高。为医生减轻工作负担，有效缓解了医疗压力，从而降低医疗事故的发生。对于医生凭借经验不能确诊的病案，提供了精确的辅助诊断，对医护人员工作的有力支撑。对于没有相应医学专业知识背景的普通人，通过自身症状，依靠本发明实施例提供的病案推荐方法，可以了解自身所患的疾病信息以及相应的治疗意见，了解基本的、可行的疾病应对方法。

Description

微创手术相似病案推荐方法、装置、设备及介质

技术领域

本发明涉及医疗技术领域，尤其涉及一种微创手术相似病案推荐方法、装置、设备及介质。

背景技术

目前，随着医疗技术的发展，微创手术的技术水平不断提高。微创手术的病例数明显增多。

以微创手术为例，在医生诊断就诊者的病情的过程中，医生通常会参考病例推荐系统推荐的病例，以迅速准确地确诊病人所患的疾病。然而，相关技术中的病例推荐系统仅仅是对相似病例的推荐，并没有考虑到完整病案的相似度，因而相关技术中的推荐结果的参考价值仍有待进一步提升。

发明内容

本发明实施例提供了一种微创手术相似病案推荐方法、装置、设备及介质，为医生推荐相似病案，提高推荐结果的参考价值。

第一方面，本发明实施例提供了一种微创手术相似病案推荐方法，包括：

对第一病案中的数据进行预处理，以构建初始矩阵；

对初始矩阵中的各个数据进行去量纲化以及归一化处理，以得到一致性矩阵；

基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度；

在所述病案数据库包括的第二病案与所述第一病案的相似度大于预设阈值时，输出推荐信息，所述推荐信息用于向用户推荐所述第二病案。

可选地，对第一病案中的数据进行预处理，以构建初始矩阵，包括：

对所述第一病案中的数据进行自然语言处理NLP，以提取所述第一病案中的N个检查项，N为大于0的整数；

将所述N个检查项中每个检查项对应的数据作为所述初始矩阵中同一行或同一列的元素，以构建所述初始矩阵。

可选地，基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度，包括：

基于IF-ICF算法确定所述第一病案中的N个检查项中每一个检查项的权重；

按照预设的检查类别分类规则，将所述N个检查项分为K个检查类别，K为大于0的整数；

基于余弦相似度计算公式确定所述第一病案中的K个检查类别分别与目标病案中对应检查类别的相似度，所述目标病案为所述病案数据库包括的任一病案；

根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与所述病案数据库包括的各个病案的相似度。

可选地，根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与病案数据库包括的各个病案的相似度，包括：

按照以下公式确定所述第一病案与所述病案数据库包括的第j个病案的相似度：

其中，T_j为所述第一病案与所述病案数据库包括的第j个病案的相似度，Q_kj为所述第j个病案中的第k个检查类别的权重，且Q_kj等于同属于所述第k个检查类别的各个检查项的权重之和，S_k为所述第一病案中的第k个检查类别与所述第j个病案中的第k个检查类别的相似度，j为大于0的整数。

第二方面，本发明实施例提供了一种微创手术相似病案推荐装置，所述装置包括：

预处理模块，被配置为对第一病案中的数据进行预处理，以构建初始矩阵；

一致性处理模块，被配置为对初始矩阵中的各个数据进行去量纲化以及归一化处理，以得到一致性矩阵；

相似度确定模块，被配置为基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度；

输出模块，被配置为在所述病案数据库包括的第二病案与所述第一病案的相似度大于预设阈值时，输出推荐信息，所述推荐信息用于向用户推荐所述第二病案。

可选地，所述预处理模块包括：

处理子模块，被配置为对所述第一病案中的数据进行自然语言处理NLP，以提取所述第一病案中的N个检查项，N为大于0的整数；

构建子模块，被配置为将所述N个检查项中每个检查项对应的数据作为所述初始矩阵中同一行或同一列的元素，以构建所述初始矩阵。

可选地，所述相似度确定模块包括：

第一确定子模块，被配置为基于IF-ICF算法确定所述第一病案中的N个检查项中每一个检查项的权重；

分类子模块，被配置为按照预设的检查类别分类规则，将所述N个检查项分为K个检查类别，K为大于0的整数；

第二确定子模块，被配置为基于余弦相似度计算公式确定所述第一病案中的K个检查类别分别与目标病案中对应检查类别的相似度，所述目标病案为所述病案数据库包括的任一病案；

第三确定子模块，被配置为根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与所述病案数据库包括的各个病案的相似度。

可选地，所述第三确定子模块包括：

相似度确定子模块，被配置为按照以下公式确定所述第一病案与所述病案数据库包括的第j个病案的相似度：

其中，T_j为所述第一病案与所述病案数据库包括的第j个病案的相似度，Q_kj为所述第j个病案中的第k个检查类别的权重，且Q_kj等于同属于所述第k个检查类别的各个检查项的权重之和，S_k为所述第一病案中的第k个检查类别与所述第j个病案中的第k个检查类别的相似度，j为大于0的整数。

第三方面，本发明实施例提供了一种微创手术相似病案推荐设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。

本发明实施例提供的微创手术相似病案推荐方法、装置、设备及介质，从病案的角度分析两个病案的相似度，由于病案包含的数据是多源的，不仅仅包括病例数据，所以采用本发明实施例提供的相似病案推荐方法所得的推荐结果的参考价值较高。为医生减轻工作负担，有效缓解了医疗压力，从而降低医疗事故的发生。对于医生凭借经验不能确诊的病案，提供了精确的辅助诊断，对医护人员工作的有力支撑。对于没有相应医学专业知识背景的普通人，通过自身症状，依靠本发明实施例提供的病案推荐方法，可以了解自身所患的疾病信息以及相应的治疗意见，了解基本的、可行的疾病应对方法。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的微创手术相似病案推荐方法的流程图。

图2是本发明实施例中对病案中的数据进行处理的示意图。

图3是本发明实施例提供的微创手术相似病案推荐装置的示意图。

图4是本发明实施例提供的微创手术相似病案推荐设备的示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本发明实施例提供了一种微创手术相似病案推荐方法。图1是本发明实施例提供的微创手术相似病案推荐方法的流程图，如图1所示，该方法包括以下步骤：

在步骤S11中，对第一病案中的数据进行预处理，以构建初始矩阵；

在步骤S12中，对初始矩阵中的各个数据进行去量纲化以及归一化处理，以得到一致性矩阵；

在步骤S13中，基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度；

在步骤S14中，在所述病案数据库包括的第二病案与所述第一病案的相似度大于预设阈值时，输出推荐信息，所述推荐信息用于向用户推荐所述第二病案。

本发明实施例提出一种微创手术相似病案推荐方法，该方法基于病案中的数据进行相似病案推荐，病案中的数据是多源的(例如：患者住院病例、主诉、检查、治疗、手术报告等)。

示例地，如图2所示，病案中的数据包括：就诊者的个人信息(性别、年龄、婚姻、职业)、病史(个人史、既往史、现病史)、体格检查(体温、血压、脉搏、心脏)、肝功能检查、血液检查各自的数据。一种实施方式是：通过终端设备采集就诊者的病案数据(也即第一病案中的数据)。

可选地，步骤S11包括以下步骤：

对所述第一病案中的数据进行自然语言处理NLP，以提取所述第一病案中的N个检查项，N为大于0的整数；

将所述N个检查项中每个检查项对应的数据作为所述初始矩阵中同一行或同一列的元素，以构建所述初始矩阵。

本发明实施例中，对采集的数据进行自然语言处理(NLP)，然后提取特征数据，提取的特征数据即为检查项(例如：图2中的性别、年龄、婚姻、职业、个人史、既往史、现病史、体温、血压、脉搏、心脏等)。然后将病案中的相应检查项的数据提取到对应的列中，一份病案就是一行数据，以此类推，将病案的所有数据压缩成一个矩阵。将病案的所有数据压缩成矩阵，便于后续数据处理。

接着，对初始矩阵里的数据通过基于规则的转化方法进行去量纲化、归一化处理，获得一致性矩阵。步骤S11得到的初始矩阵中的很多数据由于量纲不同，无法统一衡量，需要将这些数据进行去量纲化、归一化处理。通过与医生的沟通，了解医学上如何处理病案中的数据，建立一个规则库R，然后将初始矩阵中所有数据通过基于规则的转换方法进行去量纲化、归一化处理，即通过基于规则的转化方法来将多源数据进行归一化处理，最后输出一致性矩阵。

可选地，步骤S13包括以下步骤：

基于IF-ICF算法确定所述第一病案中的N个检查项中每一个检查项的权重；

按照预设的检查类别分类规则，将所述N个检查项分为K个检查类别，K为大于0的整数；

基于余弦相似度计算公式确定所述第一病案中的K个检查类别分别与目标病案中对应检查类别的相似度，所述目标病案为所述病案数据库包括的任一病案；

根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与所述病案数据库包括的各个病案的相似度。

其中，根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与病案数据库包括的各个病案的相似度，包括：

按照以下公式确定所述第一病案与所述病案数据库包括的第j个病案的相似度：

其中，T_j为所述第一病案与所述病案数据库包括的第j个病案的相似度，Q_kj为所述第j个病案中的第k个检查类别的权重，且Q_kj等于同属于所述第k个检查类别的各个检查项的权重之和，S_k为所述第一病案中的第k个检查类别与所述第j个病案中的第k个检查类别的相似度，j为大于0的整数。

本发明实施例中，利用IF-ICF算法算出一致性矩阵中每个检查项的权重，再将所有检查项按照检查类别划分到相应的检查类别中，检查类别的权重就是其所包含的各个检查项的权重之和。再用余弦相似度计算公式计算第一病案与病案数据库中其他病案的每个检查类别之间的相似度，最后用加权法算出总的相似度大小。

本发明实施例提出了应用IF-ICF算法衡量病案相似性的方法。TF-IDF算法常用来衡量一个字词对于文章的重要性，本发明实施例考虑用它的计算原理来计算相关权重的大小，从而衡量相似度大小。首先，利用IF-ICF算法计算检查项a₁、a₂...a_N的权重W₁、W₂...W_N，计算公式为

其中，N_i,j指检查项a_n在病例D_j中出现的次数，

指病例D_j中所有检查项出现的次数，D指病案数据库中所有病案数目，{j：a_n∈D_j}指包含检查项a_n的病案数量，加1是防止该检查项不在病案数据库中时会出现{j：a_n∈D_j}为零的情况。

本发明实施例中，将一致性矩阵中的所有检查项按检查类别划分为A₁、A₂...A_K(例如：图2中的个人信息、病史、体格检查、肝功能检查、血液检查等)共K个检查类别，然后用余弦相似度计算公式分别计算第一病案D1与病案数据库中已有的病案D2的每个检查类别A₁、A₂...A_K之间的相似度S₁、S₂...S_K。检查类别A₁、A₂...A_K的权重Q_kj为所包括检查项的权重之和，最后利用加权法计算出总的相似度大小：

重复步骤S13-S14，将第一病案D1与病案数据库中所有病案进行相似度计算，输出相似度T₁、T₂...T_m，系通过比较相似度的大小，最后输出相似度最大的病案推荐给用户。

基于同一发明构思，本发明实施例还提供一种微创手术相似病案推荐装置。图3是本发明实施例提供的微创手术相似病案推荐装置的示意图。如图3所示，该装置200包括：

预处理模块201，被配置为对第一病案中的数据进行预处理，以构建初始矩阵；

一致性处理模块202，被配置为对初始矩阵中的各个数据进行去量纲化以及归一化处理，以得到一致性矩阵；

相似度确定模块203，被配置为基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度；

输出模块204，被配置为在所述病案数据库包括的第二病案与所述第一病案的相似度大于预设阈值时，输出推荐信息，所述推荐信息用于向用户推荐所述第二病案。

可选地，所述预处理模块包括：

处理子模块，被配置为对所述第一病案中的数据进行自然语言处理NLP，以提取所述第一病案中的N个检查项，N为大于0的整数；

构建子模块，被配置为将所述N个检查项中每个检查项对应的数据作为所述初始矩阵中同一行或同一列的元素，以构建所述初始矩阵。

可选地，所述相似度确定模块包括：

第一确定子模块，被配置为基于IF-ICF算法确定所述第一病案中的N个检查项中每一个检查项的权重；

分类子模块，被配置为按照预设的检查类别分类规则，将所述N个检查项分为K个检查类别，K为大于0的整数；

第二确定子模块，被配置为基于余弦相似度计算公式确定所述第一病案中的K个检查类别分别与目标病案中对应检查类别的相似度，所述目标病案为所述病案数据库包括的任一病案；

第三确定子模块，被配置为根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与所述病案数据库包括的各个病案的相似度。

可选地，所述第三确定子模块包括：

相似度确定子模块，被配置为按照以下公式确定所述第一病案与所述病案数据库包括的第j个病案的相似度：

其中，T_j为所述第一病案与所述病案数据库包括的第j个病案的相似度，Q_kj为所述第j个病案中的第k个检查类别的权重，且Q_kj等于同属于所述第k个检查类别的各个检查项的权重之和，S_k为所述第一病案中的第k个检查类别与所述第j个病案中的第k个检查类别的相似度，j为大于0的整数。

本发明实施例提供了一种微创手术相似病案推荐设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中相似病案推荐方法。

本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中微创手术相似病案推荐方法。

结合图1描述的本发明实施例的微创手术相似病案推荐方法可以由相似病案推荐设备来实现。图4示出了本发明实施例提供的微创手术相似病案推荐设备的硬件结构示意图。

微创手术相似病案推荐设备可以包括处理器301以及存储有计算机程序指令的存储器302。

具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在数据处理装置的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。

处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种微创手术相似病案推荐方法。

在一个示例中，微创手术相似病案推荐设备还可包括通信接口303和总线310。其中，如图4所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。

通信接口303，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。

总线310包括硬件、软件或两者，将执行微创手术相似病案推荐方法的设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

另外，结合上述实施例中的微创手术相似病案推荐方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种微创手术相似病案推荐方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种微创手术相似病案推荐方法，其特征在于，包括：

对第一病案中的数据进行预处理，以构建初始矩阵；

对初始矩阵中的各个数据进行去量纲化以及归一化处理，以得到一致性矩阵；

基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度；

在所述病案数据库包括的第二病案与所述第一病案的相似度大于预设阈值时，输出推荐信息，所述推荐信息用于向用户推荐所述第二病案；

所述预处理包括：

对所述第一病案中的数据进行自然语言处理NLP，以提取所述第一病案中的N个检查项，N为大于0的整数；

将所述N个检查项中每个检查项对应的数据作为所述初始矩阵中同一行或同一列的元素，以构建所述初始矩阵；

所述IF-ICF计算公式为：

其中，W_n为检查项a_n的权重，N_n,j指检查项a_n在病例D_j中出现的次数，

指病例D_j中所有检查项出现的次数，D指病案数据库中所有病案数目，{j：a_n∈D_j}指包含检查项a_n的病案数量，1+{j：a_n∈D_j}是防止该检查项不在病案数据库中时会出现{j：a_n∈D_j}为零的情况；

基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度，包括：

基于IF-ICF算法确定所述第一病案中的N个检查项中每一个检查项的权重；

按照预设的检查类别分类规则，将所述N个检查项分为K个检查类别，K为大于0的整数；

基于余弦相似度计算公式确定所述第一病案中的K个检查类别分别与目标病案中对应检查类别的相似度，所述目标病案为所述病案数据库包括的任一病案；

根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与所述病案数据库包括的各个病案的相似度；

根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与病案数据库包括的各个病案的相似度，包括：

按照以下公式确定所述第一病案与所述病案数据库包括的第j个病案的相似度：

其中，T_j为所述第一病案与所述病案数据库包括的第j个病案的相似度，Q_kj为所述第j个病案中的第k个检查类别的权重，且Q_kj等于同属于所述第k个检查类别的各个检查项的权重之和，S_k为所述第一病案中的第k个检查类别与所述第j个病案中的第k个检查类别的相似度，j为大于0的整数。

2.一种微创手术相似病案推荐装置，其特征在于，包括：

预处理模块，被配置为对第一病案中的数据进行预处理，以构建初始矩阵；

一致性处理模块，被配置为对初始矩阵中的各个数据进行去量纲化以及归一化处理，以得到一致性矩阵；

相似度确定模块，被配置为基于IF-ICF算法和余弦相似度计算公式，确定所述第一病案与病案数据库包括的各个病案的相似度；

输出模块，被配置为在所述病案数据库包括的第二病案与所述第一病案的相似度大于预设阈值时，输出推荐信息，所述推荐信息用于向用户推荐所述第二病案；

其中，所述预处理模块包括：

处理子模块，被配置为对所述第一病案中的数据进行自然语言处理NLP，以提取所述第一病案中的N个检查项，N为大于0的整数；

构建子模块，被配置为将所述N个检查项中每个检查项对应的数据作为所述初始矩阵中同一行或同一列的元素，以构建所述初始矩阵；

所述IF-ICF计算公式为：

其中，W_n为检查项a_n的权重，N_n,j指检查项a_n在病案D_j中出现的次数，

指病案D_j中所有检查项出现的次数，D指病案数据库中所有病案数目，{j：a_n∈D_j}指包含检查项a_n的病案数量，1+{j：a_n∈D_j}是防止该检查项不在病案数据库中时会出现{j：a_n∈D_j}为零的情况；

所述相似度确定模块包括：

第一确定子模块，被配置为基于IF-ICF算法确定所述第一病案中的N个检查项中每一个检查项的权重；

分类子模块，被配置为按照预设的检查类别分类规则，将所述N个检查项分为K个检查类别，K为大于0的整数；

第二确定子模块，被配置为基于余弦相似度计算公式确定所述第一病案中的K个检查类别分别与目标病案中对应检查类别的相似度，所述目标病案为所述病案数据库包括的任一病案；

第三确定子模块，被配置为根据所述第一病案与所述病案数据库包括的各个病案中同一检查类别的相似度，利用加权法确定所述第一病案与所述病案数据库包括的各个病案的相似度；

所述第三确定子模块包括：

相似度确定子模块，被配置为按照以下公式确定所述第一病案与所述病案数据库包括的第j个病案的相似度：

其中，T_j为所述第一病案与所述病案数据库包括的第j个病案的相似度，Q_kj为所述第j个病案中的第k个检查类别的权重，且Q_kj等于同属于所述第k个检查类别的各个检查项的权重之和，S_k为所述第一病案中的第k个检查类别与所述第j个病案中的第k个检查类别的相似度，j为大于0的整数。

3.一种微创手术相似病案推荐设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1所述的方法。

4.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1所述的方法。

Images