CN110010231A - 一种数据处理系统及计算机可读存储介质 - Google Patents
一种数据处理系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110010231A CN110010231A CN201810009479.3A CN201810009479A CN110010231A CN 110010231 A CN110010231 A CN 110010231A CN 201810009479 A CN201810009479 A CN 201810009479A CN 110010231 A CN110010231 A CN 110010231A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- processor
- processing system
- data processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/2448—Query languages for particular applications; for extensibility, e.g. user defined types
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种数据处理系统及计算机可读存储介质,其中,数据处理系统包括:处理器;所述处理器用于:获取医院信息系统中的信息表格,进行关联合并;获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;根据所述目标数据进行建模和预测。本方案能够有效利用医院的HIS系统(医院信息系统),特别是HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息,提高分析精度;很好的解决了现有技术中医疗辅助系统的处理结果不准确的问题。
Description
技术领域
本发明涉及数据处理技术领域,特别是指一种数据处理系统及计算机可读存储介质。
背景技术
目前,随着科技的发展,医疗方面也出现了一些诊疗辅助系统,但是,并未利用医院的HIS系统(医院信息系统,全称为Hospital Information System)大数据信息。在国际学术界,它已被公认为是新兴的医学信息学的重要分支。HIS系统的有效运行,将提高医院各项工作的效率和质量,促进医学科研、教学;减轻各类事务性工作的劳动强度,使医务人员腾出更多的精力和时间来服务于病人;改善经营管理,堵塞漏洞,保证病人和医院的经济利益;为医院创造经济效益。
因此,现有技术的辅助系统的处理结果并不太准确和合适,在一定程度上并不能够满足使用需求。
发明内容
本发明的目的在于提供一种数据处理系统及计算机可读存储介质,解决现有技术中医疗辅助系统的处理结果不准确的问题。
为了解决上述技术问题,本发明实施例提供一种数据处理系统,包括:处理器;
所述处理器用于:获取医院信息系统中的信息表格,进行关联合并;
获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;
根据所述目标数据进行建模和预测。
可选的,所述处理器具体用于:
获取医院信息系统中包含患者的个人属性、就诊信息和/或医院信息的信息表格,进行关联合并。
可选的,所述信息表格包括住院信息表、诊断信息表、手术器材申请表、门诊挂号表和门诊处置缴费表中的至少一种。
可选的,所述处理器具体用于:
通过结构化查询语言SQL语句匹配主外键关系,进行所述信息表格的关联合并。
可选的,所述处理器具体用于:
获取关联合并后所述信息表格中的数据,并进行清理和过滤。
可选的,所述处理器具体用于:
根据数据非空率大于第一阈值、与患者住院结果相关以及特征间互相独立的规则,对所述数据进行特征挑选。
可选的,所述处理器具体用于:
对挑选出来的特征进行聚类量化。
可选的,所述处理器具体用于:
对去重后得到的费用数据取对数,或者将大于门限值的费用数据更改为门限值,得到中间费用数据;
对所述中间费用数据进行归一化处理。
可选的,所述处理器具体用于:
利用随机森林算法,根据所述目标数据进行建模,得到应用模型;
利用所述应用模型进行预测并显示。
本发明实施例还提供了一种数据处理系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;所述处理器执行所述程序时实现上述的数据处理系统的功能。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的数据处理系统的功能。
本发明的上述技术方案的有益效果如下:
上述方案中,所述数据处理系统通过获取医院信息系统中的信息表格,进行关联合并;获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;根据所述目标数据进行建模和预测;能够有效利用医院的HIS系统(医院信息系统),特别是HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息,提高分析精度;很好的解决了现有技术中医疗辅助系统的处理结果不准确的问题。
附图说明
图1为本发明的实施例的数据处理系统结构示意图一;
图2为本发明的实施例的数据处理系统执行流程示意图;
图3为本发明的实施例的数据处理系统结构示意图二。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的技术中医疗辅助系统的处理结果不准确的问题,提供一种数据处理系统,如图1所示,包括:处理器11;
所述处理器11用于:获取医院信息系统中的信息表格,进行关联合并;
获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;
根据所述目标数据进行建模和预测。
本发明实施例提供的所述数据处理系统通过获取医院信息系统中的信息表格,进行关联合并;获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;根据所述目标数据进行建模和预测;能够有效利用医院的HIS系统(医院信息系统),特别是HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息,提高分析精度;很好的解决了现有技术中医疗辅助系统的处理结果不准确的问题。
其中,所述处理器具体用于:获取医院信息系统中包含患者的个人属性、就诊信息和/或医院信息的信息表格,进行关联合并。
优选的,所述信息表格包括住院信息表、诊断信息表、手术器材申请表、门诊挂号表和门诊处置缴费表中的至少一种。
具体的,所述处理器具体用于:通过结构化查询语言SQL语句匹配主外键关系,进行所述信息表格的关联合并。
为了去除带有噪声的、冗余的信息,所述处理器具体用于:获取关联合并后所述信息表格中的数据,并进行清理和过滤。
针对特征挑选,所述处理器具体用于:根据数据非空率大于第一阈值、与患者住院结果相关以及特征间互相独立的规则,对所述数据进行特征挑选。
针对特征量化,所述处理器具体用于:对挑选出来的特征进行聚类量化。
针对归一化处理,所述处理器具体用于:对去重后得到的费用数据取对数,或者将大于门限值的费用数据更改为门限值,得到中间费用数据;对所述中间费用数据进行归一化处理。
具体的,所述处理器具体用于:利用随机森林算法,根据所述目标数据进行建模,得到应用模型;利用所述应用模型进行预测并显示。
下面对本发明实施例提供的所述数据处理系统进行进一步说明。
考虑到HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息,本发明实施例通过利用上述多种类型信息进行综合考虑,进行准确的预测和合适的医嘱推荐。本发明实施例中在利用HIS系统的上述多种类型信息综合考虑时,通过有效的提取和药品、医嘱处理等相关的有效信息,去除冗余信息,从而从HIS系统提取出有意义的特征以用于分析;进一步在利用机器学习的系统进行分析时,针对应用的特点,对特征进行预处理,以达到理想效果。
可以理解为本发明实施例充分利用HIS系统的大数据,通过对患者的门诊海量数据的关联、筛选,综合关于患者的个人属性、就诊信息、医院信息等信息,并提取和药品、医嘱处理等相关的有效信息,去除冗余信息,通过机器学习的手段,自动分析形成有效的医嘱处理系统(数据处理系统),进一步从而为医院的咨询医生提供决策参考,帮助医生推荐最合适患者的医嘱。
本发明实施例提供的数据处理系统的具体执行流程如图2所示,主要包括数据表关联合并、数据预处理(特征选取、特征量化、特征去重、特征预处理-归一化处理)、机器学习建模和预测结果,进一步还可以包括可视化,输出结果在显示器,手机等设备呈现出来。
其中,1、数据表关联合并,具体为:
利用HIS系统住院信息表(met_cas_base),诊断信息表(met_cas_history),手术器材申请表(met_ops_applyitem),门诊挂号表(fin_opr_register),门诊处置缴费表(fin_opb_feedetail)等多个关于患者的个人属性、就诊信息、医院信息等信息表,对以上各表进行关联:
通过SQL语句匹配主外键关系实现数据的关联合并。
2、数据预处理,具体为:
考虑到医疗数据库中含有海量不同来源的原始信息,包括大量模糊的、不完整的、带有噪声的、冗余的信息;本发明实施例中,在数据挖掘(数据预处理)之前,对这些信息进行清理和过滤,以确保数据的一致性和确定性,并将其转换成适合挖掘的形式;本发明实施例中的数据预处理具体包括:
(1)挑选特征
合并后的数据有多列信息,包括门诊号、交易类型、发票号、就诊卡号等医院HIS系统需要的检索号,以及患者姓名、性别、年龄、身份证、联系方式等患者基本信息,还有挂号科室、就诊大夫、各种挂号费用等诊疗相关信息,最后还包括患者诊断、是否住院等合并来的信息。
这些特征很多是无效的、重复的、缺失数据的,对分类预测的结果造成很大的干扰,也增加了模型建立的时间,因此要对特征进行挑选(可根据先验知识进行),挑出最有效的特征。
在挑选特征时,考虑特征要具备以下几个特点:
a.每个样本在该特征的数据缺失较少,保证90%是非空的数据。
b.特征和是否住院的结果有关联,去掉医院HIS系统需要的各种检索号、患者身份号、时间等一般性、随机性信息。
c.特征之间保持独立性,去掉医生和看诊医生这种重复定义的信息。
这对现有的数据特征,本发明实施例中最终选取的统计特征共72个特征,包括:
a.患者个人信息:患者来源、年龄、性别、病情、婚否、血型、职业、地址。
b.患者在院信息:科室、主任医生、主治医生、门诊医生、住院医生、手术医生、医保方式、挂号来源、所买药品、所做检查。
c.费用信息:门诊的费用、超出医保的费用、药费和检查费的比例。
(2)特征量化
由于特征中有很多是中文表述,表述不统一,会造成模型分类精度下降,复杂度过高,因此,对患者所在地区、是否住院、病情诊断等中文字段进行聚类量化;以下提供两个示例:
第一个,由于地区名称过多,以医院所在地区为关键字,将患者所在地区划分为沈阳本地各区县和外地各市,共145个地区。
第二个,统计了所有已有诊断信息,病的种类繁多,很多病数量极少,不具有统计意义,避免对分类结果产生干扰,选取诊断超50人的病,并进行量化,共计分类44种病症,去掉剩余1042种病历样本。
(3)特征去重
对重复数据的去重,对患者多次入院的情况,在数据库中形成多条记录,取其最后一次入院的基本信息,保证样本的独立性。
(4)特征预处理
很多费用等数据基本集中在一定数值(比如1000rmb)以内,比较大的数值少见,一般各种机器学习系统都会对数据进行归一化,对这种分布不均匀的数据进行归一化处理,可能会受到最大值的影响。为了避免此类影响,本发明实施例中采用2种系统进行了测试,一是对费用取门限(大于门限的都改为门限值)或者对数据取对数。
3、建立模型与预测
本发明实施例中采用随机森林进行模型建立与预测,随机森林是一个树型分类器{h(x,bk),k=1,…}的集合。其中元分类器h(x,bk)是用CART算法构建的没有剪枝的分类回归树;x是输入向量;bk是独立同分布的随机向量,决定了单颗树的生长过程;森林的输出采用简单多数投票法(针对分类)或单颗树输出结果的简单平均(针对回归)得到。
具体模型建立与预测流程如下:
a.用N来表示训练例子的个数,M表示属性的数目。
b.指定一个属性数m≤M,在每个内部结点,从M个属性中随机抽取m个属性作分裂属性集,以这m个属性上最好的分裂方式(信息增益最大)对结点进行分裂。
c.从N个训练案例中以可重复取样的方式,取样N次,形成一组训练集(即bootstrap取样),并使用这棵树来对剩余预测其类别,并评估其误差。
d.对于每一个节点,随机选择m个基于此点上的变量。根据这m个变量,计算其最佳的分割方式。
e.每棵树都会完整成长而不会剪枝(Pruning)(这有可能在建完一棵正常树状分类器后会被采用)。
由上可知,本发明实施例提供的方案通过利用医院的HIS系统(HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息),并通过表关联等操作系统实现了数据整合;此外,利用HIS系统的上述多种类型信息综合考虑时,表关联后提取和药品、医嘱处理等相关的有效信息,去除了冗余信息;并在利用机器学习的系统进行分析时,针对应用的特点,对特征进行了预处理,进而能够达到理想效果,很好的提高了分析精度。
本发明实施例还提供了一种数据处理系统,如图3所示,包括存储器31、处理器32及存储在所述存储器31上并可在所述处理器32上运行的计算机程序33;所述处理器32执行所述程序时实现上述的数据处理系统的功能。
具体的,所述处理器执行所述程序时实现如下步骤:
获取医院信息系统中的信息表格,进行关联合并;
获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;
根据所述目标数据进行建模和预测。
本发明实施例提供的所述数据处理系统通过获取医院信息系统中的信息表格,进行关联合并;获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;根据所述目标数据进行建模和预测;能够有效利用医院的HIS系统(医院信息系统),特别是HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息,提高分析精度;很好的解决了现有技术中医疗辅助系统的处理结果不准确的问题。
其中,所述处理器具体用于:获取医院信息系统中包含患者的个人属性、就诊信息和/或医院信息的信息表格,进行关联合并。
优选的,所述信息表格包括住院信息表、诊断信息表、手术器材申请表、门诊挂号表和门诊处置缴费表中的至少一种。
具体的,所述处理器具体用于:通过结构化查询语言SQL语句匹配主外键关系,进行所述信息表格的关联合并。
为了去除带有噪声的、冗余的信息,所述处理器具体用于:获取关联合并后所述信息表格中的数据,并进行清理和过滤。
针对特征挑选,所述处理器具体用于:根据数据非空率大于第一阈值、与患者住院结果相关以及特征间互相独立的规则,对所述数据进行特征挑选。
针对特征量化,所述处理器具体用于:对挑选出来的特征进行聚类量化。
针对归一化处理,所述处理器具体用于:对去重后得到的费用数据取对数,或者将大于门限值的费用数据更改为门限值,得到中间费用数据;对所述中间费用数据进行归一化处理。
具体的,所述处理器具体用于:利用随机森林算法,根据所述目标数据进行建模,得到应用模型;利用所述应用模型进行预测并显示。
其中,上述数据处理系统的所述实现实施例均适用于该数据处理系统的实施例中,也能达到相同的技术效果。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的数据处理系统的功能。
具体的,该程序被处理器执行时实现如下步骤:
获取医院信息系统中的信息表格,进行关联合并;
获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;
根据所述目标数据进行建模和预测。
本发明实施例提供的所述计算机可读存储介质上存储的计算机程序通过获取医院信息系统中的信息表格,进行关联合并;获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;根据所述目标数据进行建模和预测;能够有效利用医院的HIS系统(医院信息系统),特别是HIS包含了关于患者的个人属性、就诊信息、医院信息等综合信息,提高分析精度;很好的解决了现有技术中医疗辅助系统的处理结果不准确的问题。
其中,该程序被处理器执行时具体实现如下步骤:获取医院信息系统中包含患者的个人属性、就诊信息和/或医院信息的信息表格,进行关联合并。
优选的,所述信息表格包括住院信息表、诊断信息表、手术器材申请表、门诊挂号表和门诊处置缴费表中的至少一种。
具体的,该程序被处理器执行时具体实现如下步骤:通过结构化查询语言SQL语句匹配主外键关系,进行所述信息表格的关联合并。
为了去除带有噪声的、冗余的信息,该程序被处理器执行时具体实现如下步骤:获取关联合并后所述信息表格中的数据,并进行清理和过滤。
针对特征挑选,该程序被处理器执行时具体实现如下步骤:根据数据非空率大于第一阈值、与患者住院结果相关以及特征间互相独立的规则,对所述数据进行特征挑选。
针对特征量化,该程序被处理器执行时具体实现如下步骤:对挑选出来的特征进行聚类量化。
针对归一化处理,该程序被处理器执行时具体实现如下步骤:对去重后得到的费用数据取对数,或者将大于门限值的费用数据更改为门限值,得到中间费用数据;对所述中间费用数据进行归一化处理。
具体的,该程序被处理器执行时具体实现如下步骤:利用随机森林算法,根据所述目标数据进行建模,得到应用模型;利用所述应用模型进行预测并显示。
其中,上述数据处理系统的所述实现实施例均适用于该计算机可读存储介质的实施例中,也能达到相同的技术效果。
以上所述的是本发明的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本发明所述原理前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种数据处理系统,其特征在于,包括:处理器;
所述处理器用于:获取医院信息系统中的信息表格,进行关联合并;
获取关联合并后所述信息表格中的数据,对所述数据进行特征挑选以及特征量化,并对量化后的特征所对应的数据进行去重以及归一化处理,得到与药品及医嘱处理相关的目标数据;
根据所述目标数据进行建模和预测。
2.根据权利要求1所述的数据处理系统,其特征在于,所述处理器具体用于:
获取医院信息系统中包含患者的个人属性、就诊信息和/或医院信息的信息表格,进行关联合并。
3.根据权利要求2所述的数据处理系统,其特征在于,所述信息表格包括住院信息表、诊断信息表、手术器材申请表、门诊挂号表和门诊处置缴费表中的至少一种。
4.根据权利要求1至3任一项所述的数据处理系统,其特征在于,所述处理器具体用于:
通过结构化查询语言SQL语句匹配主外键关系,进行所述信息表格的关联合并。
5.根据权利要求1所述的数据处理系统,其特征在于,所述处理器具体用于:
获取关联合并后所述信息表格中的数据,并进行清理和过滤。
6.根据权利要求1所述的数据处理系统,其特征在于,所述处理器具体用于:
根据数据非空率大于第一阈值、与患者住院结果相关以及特征间互相独立的规则,对所述数据进行特征挑选。
7.根据权利要求1所述的数据处理系统,其特征在于,所述处理器具体用于:
对挑选出来的特征进行聚类量化。
8.根据权利要求1所述的数据处理系统,其特征在于,所述处理器具体用于:
对去重后得到的费用数据取对数,或者将大于门限值的费用数据更改为门限值,得到中间费用数据;
对所述中间费用数据进行归一化处理。
9.根据权利要求1所述的数据处理系统,其特征在于,所述处理器具体用于:
利用随机森林算法,根据所述目标数据进行建模,得到应用模型;
利用所述应用模型进行预测并显示。
10.一种数据处理系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序;其特征在于,所述处理器执行所述程序时实现如权利要求1至9中任一项所述的数据处理系统的功能。
11.一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,该程序被处理器执行时实现如权利要求1至9中任一项所述的数据处理系统的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810009479.3A CN110010231A (zh) | 2018-01-05 | 2018-01-05 | 一种数据处理系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810009479.3A CN110010231A (zh) | 2018-01-05 | 2018-01-05 | 一种数据处理系统及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110010231A true CN110010231A (zh) | 2019-07-12 |
Family
ID=67164374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810009479.3A Pending CN110010231A (zh) | 2018-01-05 | 2018-01-05 | 一种数据处理系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110010231A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111180027A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 |
CN114842573A (zh) * | 2022-04-02 | 2022-08-02 | 宗申·比亚乔佛山摩托车企业有限公司 | 一种车辆测试数据处理方法、系统及云平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006048259A (ja) * | 2004-08-03 | 2006-02-16 | Olympus Corp | 病院情報システム及びプログラム |
CN102012974A (zh) * | 2010-12-15 | 2011-04-13 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持系统 |
CN105808735A (zh) * | 2016-03-10 | 2016-07-27 | 宁波金唐软件有限公司 | 一种数据处理的方法及装置 |
-
2018
- 2018-01-05 CN CN201810009479.3A patent/CN110010231A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006048259A (ja) * | 2004-08-03 | 2006-02-16 | Olympus Corp | 病院情報システム及びプログラム |
CN102012974A (zh) * | 2010-12-15 | 2011-04-13 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持系统 |
CN105808735A (zh) * | 2016-03-10 | 2016-07-27 | 宁波金唐软件有限公司 | 一种数据处理的方法及装置 |
Non-Patent Citations (3)
Title |
---|
审计署审计科研所编: "《中国审计研究报告 2015》", 31 October 2016, 中国时代经济出版社 * |
王昱: "基于电子病历数据的临床决策支持研究", 《中国博士学位论文全文数据库 信息科技辑(月刊)》 * |
陈敏: "《认知计算导论》", 30 April 2017, 华中科技大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111180027A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 |
CN114842573A (zh) * | 2022-04-02 | 2022-08-02 | 宗申·比亚乔佛山摩托车企业有限公司 | 一种车辆测试数据处理方法、系统及云平台 |
CN114842573B (zh) * | 2022-04-02 | 2023-05-23 | 宗申·比亚乔佛山摩托车企业有限公司 | 一种车辆测试数据处理方法、系统及云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414393B (zh) | 一种基于医学知识图谱的语义相似病例检索方法及设备 | |
WO2017152802A1 (zh) | 将文本类医疗报告转换为结构化数据的智能系统及方法 | |
CN109920540A (zh) | 辅助诊疗决策系统的构建方法、装置及计算机设备 | |
CN113345577B (zh) | 诊疗辅助信息的生成方法、模型训练方法、装置、设备以及存储介质 | |
CN110931128B (zh) | 非结构化医疗文本无监督症状自动识别方法、系统、装置 | |
CN109785927A (zh) | 基于互联网一体化医疗平台的临床文档结构化处理方法 | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
CN112445845A (zh) | 基于大数据挖掘的模型部署方法、装置、设备及存储介质 | |
CN112349369A (zh) | 医疗影像大数据智能分析方法、系统及存储介质 | |
CN110334343B (zh) | 一种合同中个人隐私信息抽取的方法和系统 | |
CN106777996A (zh) | 一种基于Solr的体检数据搜索系统 | |
Khan et al. | Development of national health data warehouse for data mining. | |
CN112035757A (zh) | 医疗瀑布流推送方法、装置、设备及存储介质 | |
CN109841285B (zh) | 一种临床研究协作系统及方法 | |
CN111599487B (zh) | 一种基于关联分析的中药配伍辅助决策方法 | |
CN111785383A (zh) | 数据处理方法及相关设备 | |
CN110752027B (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
JP2015018462A (ja) | 医療カルテシステム及び医療カルテ検索方法 | |
CN115438040A (zh) | 一种病理档案信息管理方法及系统 | |
CN113343680B (zh) | 一种基于多类型病历文本的结构化信息提取方法 | |
CN110010231A (zh) | 一种数据处理系统及计算机可读存储介质 | |
CN113972009A (zh) | 一种基于临床检验医学大数据的医学检验咨询系统 | |
CN112071431B (zh) | 基于深度学习和知识图谱的临床路径自动生成方法及系统 | |
Labib et al. | Data mining for cancer management in Egypt case study: childhood acute lymphoblastic leukemia | |
CN115691735A (zh) | 一种基于慢阻肺专科数据的多模态数据管理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190712 |