CN110459284B - 一种面向治疗方案的访问控制方法 - Google Patents

一种面向治疗方案的访问控制方法 Download PDF

Info

Publication number
CN110459284B
CN110459284B CN201910757517.8A CN201910757517A CN110459284B CN 110459284 B CN110459284 B CN 110459284B CN 201910757517 A CN201910757517 A CN 201910757517A CN 110459284 B CN110459284 B CN 110459284B
Authority
CN
China
Prior art keywords
override
words
keywords
treatment scheme
access record
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.)
Active
Application number
CN201910757517.8A
Other languages
English (en)
Other versions
CN110459284A (zh
Inventor
许静
高红灿
过辰楷
朱静雯
吴彦峰
何振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nankai University
Original Assignee
Nankai University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nankai University filed Critical Nankai University
Priority to CN201910757517.8A priority Critical patent/CN110459284B/zh
Publication of CN110459284A publication Critical patent/CN110459284A/zh
Application granted granted Critical
Publication of CN110459284B publication Critical patent/CN110459284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/604—Tools and structures for managing or administering access control systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种面向治疗方案的访问控制方法，包括：获取历史治疗方案；提取历史治疗方案中的关键词；获取用户信息；获取用户当前的访问记录，并提取当前访问记录中的关键词；根据用户信息匹配与用户所在科室相对应的历史治疗方案，并将当前访问记录中的关键词与用户所在科室相对应的历史治疗方案中的关键词进行关键词匹配：若二者关键词能够完全匹配，则获取与用户当前访问记录相对应的治疗方案；若二者的关键词不能完全匹配，则根据内外科结合的历史治疗方案判断当前访问记录是否存在越权性质，根据越权性质的判断结果再确定是否可以继续访问。本发明提供的面向治疗方案的访问控制方法具有访问准确度高和访问范围广的特点。

Description

一种面向治疗方案的访问控制方法
技术领域
本发明涉及数据访问技术领域，特别是涉及一种面向治疗方案的访问控制方法。
背景技术
在医疗领域，访问控制是降低医疗数据访问的安全风险的关键实践，用来保护医疗数据免受未经授权用户的访问。在访问控制策略中，医生根据其工作领域，满足“need-to-know”的原则，并被授予有限的访问权限。然而在实践中，医院往往很难坚持“need-to-know”的原则，因为决策者很难预测医生在不同情况下可能需要什么信息。此外，由于特殊情况而引起的越权请求访问情况在医疗领域中也经常出现。
在医疗环境中，根据治疗方案的不同，临床科室可以被分为内科和外科两大系统，相应的，内科医生和外科医生有不同的治疗方案。内科治疗方案以药物治疗为主，如胸腹腔脏器非机械性损害，把人体当作一个独立的系统进行研究，无需外科手术；外科治疗则以手术切除和重建为主，如肌肉、骨、韧带机械损伤，把人体当作一个开放的系统进行研究。内科与外科疾病没有绝对的分割或分界线，目前是以是否需要外科手术来划分的，不同部门之间有严格的访问控制，在现有公开的访问策略中，为了避免治疗方案被盗用，当前根据用户信息只允许访问所在科室的历史治疗方案，使得可供用户访问的历史治疗数据范围很小，不利于所有相关联历史治疗方案的综合应用。
并且，人体是一个统一的整体，单一因素诱发的疾病只是临床中极少的一部分，因此往往需要不同的科室协作处理。为了有效地处理医疗领域中的各种疾病，医生可以提出内科和外科的联合治疗方案。因此，当医生从不同科室访问医疗信息时，就会出现未经授权的越权访问行为，而造成拒绝访问的情况，这就使得用户不能准确得到与某种疾病匹配率更高的历史治疗方案。
由于每种可行的治疗方案对病人来说非常重要，传统意义上具有越权性质的访问请求同样需要被考虑，因此，研究基于不同科室由于合作治疗方案而引起的越权行为，并提出合理安全的访问控制策略具有重要的意义。
发明内容
本发明的目的是提供一种面向治疗方案的访问控制方法，能够在提高用户对治疗方案进行访问准确性的同时，扩大访问范围。
为实现上述目的，本发明提供了如下方案：
一种面向治疗方案的访问控制方法，包括：
获取历史治疗方案；所述历史治疗方案包括内科历史治疗方案、外科历史治疗方案和内外科结合的历史治疗方案；
提取所述历史治疗方案中的关键词；
获取用户信息；所述用户信息包括用户所在科室；
获取用户当前的访问记录，并提取所述当前访问记录中的关键词；
根据用户信息匹配与用户所在科室相对应的历史治疗方案，并将所述当前访问记录中的关键词与用户所在科室相对应的历史治疗方案中的关键词进行关键词匹配；
若所述用户当前访问记录中的所有关键词均与用户所在科室相对应的历史治疗方案中的关键词匹配，则获取与用户当前访问记录相对应的治疗方案；
若所述当前访问记录中存在与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词，则根据所述内外科结合的历史治疗方案判断当前访问记录是否存在越权性质；
若存在越权性质，则拒绝获取所述内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案，反之，则允许获取所述内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案。
可选的，根据所述内外科结合的历史治疗方案判断当前访问记录是否存在越权性质，包括：
将所述当前访问记录中与用户所在科室相对应的历史治疗方案中的关键词相匹配的关键词标记为非越权词；
将所述当前访问记录中与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词标记为越权词；
分别计算所述非越权词和所述越权词在所述内外科结合的历史治疗方案中所占的权重；
计算所述非越权词和所述越权词在所述内外科结合的历史治疗方案中所占的总权重；
根据计算得到的非越权词所占权重、所述越权词所占权重以及非越权词和所述越权词所占的总权重，确定权重值；
根据所述权重值，判断当前访问记录是否存在越权性质；若所述权重值大于设定的权重阈值，则当前访问记录不存在越权性质；若权重值小于设定的权重阈值，则当前访问记录存在越权性质。
可选的，所述根据计算得到的非越权词所占权重、所述越权词所占权重以及非越权词和所述越权词所占的总权重，确定权重值，包括：
计算权重值P：
Figure BDA0002169238660000031
其中PA为非越权词所占权重，PB为越权词所占权重，PAB为非越权词和越权词所占的总权重。
可选的，所述设定的权重阈值为0.7。
可选的，采用信息增益、互信息和卡方检验中的任意一种算法，计算所述非越权词所占权重、所述越权词所占权重以及非越权词和所述越权词所占的总权重。
可选的，所述提取所述历史治疗方案中的关键词包括：
采用编程语言蟒蛇调用结巴分词，对每条所述历史治疗方案中的文本进行分词处理；
去除分词处理后所得文本中的停用词；所述停用词包括“的”、“是”和“但是”；
使用正则表达式去除停用词处理后所得文本中的无意义字符后，得到所述历史治疗方案中的各个关键词；所述无意义字符包括空白字符、数字和标点符号。
可选的，所述历史治疗方案中的关键词包括：疾病名称、时间、疾病症状和治疗方法；
所述当前访问记录中的关键词包括：疾病名称和疾病症状。
可选的，采用字符串匹配算法将所述当前访问记录中的关键词与所述历史治疗方案中的关键词进行关键词匹配。
可选的，所述方法还包括：
记录用户访问记录中同一关键词出现的频数；
设定频数阈值；
将出现频数高于所述频数阈值的关键词构建为历史访问记录词典；所述历史访问记录词典包括内科历史访问记录词典、外科历史访问记录词典和内外科结合的历史访问记录词典。
可选的，所述频数阈值为2。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的面向治疗方案的访问控制方法，通过判断用户当前访问记录中的关键词能否与用户所在科室相对应的历史治疗方案中的关键词完全匹配，来确定用户是否可以访问内外科结合的历史治疗方案，这就使用户不单单只局限于获取本科室的历史治疗方案，扩大了访问范围。并且当用户的当前访问记录中存在与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词，依据内外科结合的历史治疗方案进一步判断当前访问记录是否存在越权性质：若存在越权性质，则拒绝获取所述内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案，反之，则允许获取所述内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案；通过越权性质的判断和关键词匹配，又能使用户精确获得与访问记录相对应的历史治疗方案。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例面向治疗方案的访问控制方法的流程图；
图2为本发明实施例面向治疗方案的访问控制方法获取越权词和非越权词的流程图。
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。
本发明的目的是提供一种面向治疗方案的访问控制方法，能够在提高用户对治疗方案进行访问准确性的同时，扩大访问范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例面向治疗方案的访问控制方法的流程图，如图1所示，一种面向治疗方案的访问控制方法，包括：
S100、获取历史治疗方案。历史治疗方案包括内科历史治疗方案、外科历史治疗方案和内外科结合的历史治疗方案。
S101、提取历史治疗方案中的关键词。
S102、获取用户信息。用户信息包括用户所在科室。
S103、获取用户当前的访问记录，并提取当前访问记录中的关键词。
S104、根据用户信息匹配与用户所在科室相对应的历史治疗方案，并将当前访问记录中的关键词与用户所在科室相对应的历史治疗方案中的关键词进行关键词匹配。
S105、若用户当前访问记录中的所有关键词均与用户所在科室相对应的历史治疗方案中的关键词匹配，则获取与用户当前访问记录相对应的治疗方案。
S106、若当前访问记录中存在与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词，则根据内外科结合的历史治疗方案判断当前访问记录是否存在越权性质。
S107、若存在越权性质，则拒绝获取内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案，反之，则允许获取内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案。
通过上述方案，就使得本发明所提供的访问控制策略与传统的访问控制策略不同，对于具有越权访问性质的记录，本发明并不是直接拒绝访问，而是将预处理后的当前访问记录中的治疗方案划分为越权词和非越权词。在这里，我们用医生的访问历史词典代表医生合理安全的访问范围。
其中，步骤S106中根据内外科结合的历史治疗方案判断当前访问记录是否存在越权性质，具体包括：
将当前访问记录中与用户所在科室相对应的历史治疗方案中的关键词相匹配的关键词标记为非越权词。
将当前访问记录中与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词标记为越权词。
分别计算非越权词和越权词在内外科结合的历史治疗方案中所占的权重。
计算非越权词和越权词在内外科结合的历史治疗方案中所占的总权重。
根据计算得到的非越权词所占权重、越权词所占权重以及非越权词和越权词所占的总权重，确定权重值P：
Figure BDA0002169238660000061
其中PA为非越权词所占权重，PB为越权词所占权重，PAB为非越权词和越权词所占的总权重。
其中，在图2中，展示了越权词和非越权词的获取流程。首先，将医生的访问历史格式化存储于数据库中并获取与治疗方案Ti相关的历史访问词典，经过预处理之后，保存治疗方案中的关键词Ki。与此同时，对当前的访问记录Rc进行预处理，并与历史访问记录进行关键词匹配，其中，Rc为当前的访问记录，Ti代表治疗方案。从图2中可以看出，访问记录R6中，包含了未匹配的关键字K9，因此，K9为当前访问记录Rc中的越权词，{K1,K2,K3,K6}则为非越权词。
根据权重值，判断当前访问记录是否存在越权性质。若权重值大于设定的权重阈值0.7，则当前访问记录不存在越权性质。若权重值小于设定的权重阈值0.7，则当前访问记录存在越权性质。其中权重阈值0.7是经过大量实验和经验确定的最佳阈值。
在步骤S106判断是否存在越权性质时，主要是采用信息增益、互信息和卡方检验中的任意一种算法，计算非越权词所占权重、越权词所占权重以及非越权词和越权词所占的总权重。
其中，信息增益通过增加语料库中的信息来衡量特定单词的所占权重，信息增益(IG)表达式如下：
Figure BDA0002169238660000071
其中，t代表词条，c代表文档类别，m表示类别数，P(ci)代表文档ci类别在语料中出现的概率，P(t)表示语料中包含词条t的文档的概率，P(t)则表示预料中不包含词条t的概率，
Figure BDA0002169238660000075
表示在包含词条t的文档中属于ci类的条件概率，与之相反，
Figure BDA0002169238660000076
则表示不在包含词条t的文档中属于ci类的条件概率。
相互信息反映了相关的词条和分类程度，这是一种被广泛用于建立单词关联统计模型的标准。互信息(MI)的计算方法为：
我们使用以下定义：
Figure BDA0002169238660000072
这里，MI(t,c)表示t和c的互信息，其中，N表示语料中文档总数，C表示属于c但是不包含t的文档频数，B为包含t但是不属于c的文档频数，A代表包含词条t并属于类别c的文档数量。
对于多类问题，t对于c的互信息由下式计算，这里m是类别数：
Figure BDA0002169238660000073
卡方检验CHI基于统计学中“假设检验”的基本思想:首先，我们假设该特征与该类别直接无关，如果通过CHI分布计算的测试值的值大于阈值，则更有信心否定原始假设并接受原始假设的前提：特殊单词和类别之间存在高度相关性。卡方检验CHI的计算方法为：
Figure BDA0002169238660000074
设D是既不属于c也不包含t的文档频数，C表示属于c类但是不包含t的文档频数，B表示不属于c类但包含t的文档频数，A表示属于c类且包含t的文档频数，N表示训练语料库中的文档总数，c表示某一特定类别，t表示特定术语。
类似地，对于多类问题，整个语料库的CHI值通过以下公式评估权重：
Figure BDA0002169238660000081
在本发明所提供方法在提取关键词的过程中，主要采用的方法包括：
首先从数据库中提取出每条记录的治疗方案，对治疗方案的文本进行中文分词，再采用编程语言蟒蛇调用结巴分词，对每条历史治疗方案中的文本进行分词处理。
去除分词处理后所得文本中的停用词。停用词包括“的”、“是”和“但是”。其中，本发明使用知网提供的中文停用词词典来去除停用词。
使用正则表达式去除停用词处理后所得文本中的无意义字符后，得到历史治疗方案中的各个关键词。无意义字符包括空白字符、数字和标点符号。
而在本发明所提供放入历史治疗方案中的关键词包括：疾病名称、时间、疾病症状和治疗方法。当前访问记录中的关键词包括：疾病名称和疾病症状。
采用字符串匹配算法将当前访问记录中的关键词与历史治疗方案中的关键词进行关键词匹配。
并且，为了进一步便于用户调取查询记录，方法还包括：
记录用户访问记录中同一关键词出现的频数。
设定频数阈值。
将出现频数高于频数阈值为2的关键词构建为历史访问记录词典。历史访问记录词典包括内科历史访问记录词典、外科历史访问记录词典和内外科结合的历史访问记录词典。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的面向治疗方案的访问控制方法，通过判断用户当前访问记录中的关键词能否与用户所在科室相对应的历史治疗方案中的关键词完全匹配，来确定用户是否可以访问内外科结合的历史治疗方案，这就使用户不单单只局限于获取本科室的历史治疗方案，扩大了访问范围。并且当用户的当前访问记录中存在与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词，依据内外科结合的历史治疗方案进一步判断当前访问记录是否存在越权性质：若存在越权性质，则拒绝获取内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案，反之，则允许获取内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案。通过越权性质的判断和关键词匹配，又能使用户精确获得与访问记录相对应的历史治疗方案。
此外，本发明中提供了用于分别记录医生的历史访问日志，跨科室合作治疗记录和疾病治疗的案例记录的三个数据库：历史访问记录数据库，联合数据库和治疗方案数据库。其中，历史访问记录数据库主要包括以下字段：
历史访问记录数据库用来记录医生历史访问信息，主要包括医生编号、科室、病人编号、疾病名称、时间和治疗方案的描述。
历史访问记录数据用于描述医生正常的访问行为，例如一个内科医生的访问记录，无论是心内科、神经内科、呼吸内科，还是消化内科、肾内科、内分泌科、风湿病科，其治疗方案都与内科治疗方案具有紧密的联系，即使用药物治疗，无需外科手术。本发明通过构建历史访问记录，用来描述医生的访问授权范围。
联合数据库主要描述内科与外科联合治疗方案的记录(也就是跨科室治疗的记录)。数据库字段主要包括患者信息、疾病、发病机制、治疗方案和临床表现。
在相似度计算阶段，首先过滤出于当前访问记录的“疾病名称”相同的联合治疗记录。然后基于联合数据库，计算得到的非越权词所占权重、越权词所占权重以及非越权词和越权词所占的总权重，然后结合权重阈值，来判断当前访问记录是否具有越权性质。
对于满足条件的治疗方案，本发明所提供的方法，还具有的有益效果如下：
(1)提出了一种面向医疗领域新的访问控制策略，主要研究由于跨科室的治疗方案而引起的越权访问。
(2)提出了三个数据库：历史访问记录数据库，联合数据库和案例数据库。这三个数据库分别用来记录医生的历史访问日志，跨科室合作治疗记录和疾病治疗的案例记录。
(3)通过访问记录分析阶段，确定医生的访问请求是带有越权性质的请求；通过相似度计算阶段，对具有越权性质的访问进行处理。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种面向治疗方案的访问控制方法，其特征在于，包括：
获取历史治疗方案；所述历史治疗方案包括内科历史治疗方案、外科历史治疗方案和内外科结合的历史治疗方案；
提取所述历史治疗方案中的关键词；
获取用户信息；所述用户信息包括用户所在科室；
获取用户当前的访问记录，并提取当前访问记录中的关键词；
根据用户信息匹配与用户所在科室相对应的历史治疗方案，并将所述当前访问记录中的关键词与用户所在科室相对应的历史治疗方案中的关键词进行关键词匹配；
若用户当前访问记录中的所有关键词均与用户所在科室相对应的历史治疗方案中的关键词匹配，则获取与用户当前访问记录相对应的治疗方案；
若所述当前访问记录中存在与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词，则根据所述内外科结合的历史治疗方案判断当前访问记录是否存在越权性质；
若存在越权性质，则拒绝获取所述内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案，反之，则允许获取所述内外科结合的历史治疗方案中与用户当前访问记录相对应的治疗方案；
根据所述内外科结合的历史治疗方案判断当前访问记录是否存在越权性质，包括：
将所述当前访问记录中与用户所在科室相对应的历史治疗方案中的关键词相匹配的关键词标记为非越权词；
将所述当前访问记录中与用户所在科室相对应的历史治疗方案中的关键词不匹配的关键词标记为越权词；
分别计算所述非越权词和所述越权词在所述内外科结合的历史治疗方案中所占的权重；
计算所述非越权词和所述越权词在所述内外科结合的历史治疗方案中所占的总权重；
根据计算得到的非越权词所占权重、所述越权词所占权重以及非越权词和所述越权词所占的总权重，确定权重值；
根据所述权重值，判断当前访问记录是否存在越权性质；若所述权重值大于设定的权重阈值，则当前访问记录不存在越权性质；若权重值小于设定的权重阈值，则当前访问记录存在越权性质。
2.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，所述根据计算得到的非越权词所占权重、所述越权词所占权重以及非越权词和所述越权词所占的总权重，确定权重值，包括：
计算权重值
Figure FDA0003346927290000021
其中PA为非越权词所占权重，PB为越权词所占权重，PAB为非越权词和越权词所占的总权重。
3.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，所述设定的权重阈值为0.7。
4.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，采用信息增益、互信息和卡方检验中的任意一种算法，计算所述非越权词所占权重、所述越权词所占权重以及非越权词和所述越权词所占的总权重。
5.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，所述提取所述历史治疗方案中的关键词包括：
采用编程语言蟒蛇调用结巴分词，对每条所述历史治疗方案中的文本进行分词处理；
去除分词处理后所得文本中的停用词；所述停用词包括“的”、“是”和“但是”；
使用正则表达式去除停用词处理后所得文本中的无意义字符后，得到所述历史治疗方案中的各个关键词；所述无意义字符包括空白字符、数字和标点符号。
6.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，所述历史治疗方案中的关键词包括：疾病名称、时间、疾病症状和治疗方法；
所述当前访问记录中的关键词包括：疾病名称和疾病症状。
7.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，采用字符串匹配算法将所述当前访问记录中的关键词与所述历史治疗方案中的关键词进行关键词匹配。
8.根据权利要求1所述的一种面向治疗方案的访问控制方法，其特征在于，所述方法还包括：
记录用户访问记录中同一关键词出现的频数；
设定频数阈值；
将出现频数高于所述频数阈值的关键词构建为历史访问记录词典；所述历史访问记录词典包括内科历史访问记录词典、外科历史访问记录词典和内外科结合的历史访问记录词典。
9.根据权利要求8所述的一种面向治疗方案的访问控制方法，其特征在于，所述频数阈值为2。
CN201910757517.8A 2019-08-16 2019-08-16 一种面向治疗方案的访问控制方法 Active CN110459284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910757517.8A CN110459284B (zh) 2019-08-16 2019-08-16 一种面向治疗方案的访问控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910757517.8A CN110459284B (zh) 2019-08-16 2019-08-16 一种面向治疗方案的访问控制方法

Publications (2)

Publication Number Publication Date
CN110459284A CN110459284A (zh) 2019-11-15
CN110459284B true CN110459284B (zh) 2022-02-22

Family

ID=68487033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910757517.8A Active CN110459284B (zh) 2019-08-16 2019-08-16 一种面向治疗方案的访问控制方法

Country Status (1)

Country Link
CN (1) CN110459284B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1324254A1 (de) * 2001-12-21 2003-07-02 Siemens Aktiengesellschaft System zum Auffinden und Darstellen entscheidungsunterstützender Informationen in Archiven
CN103593574A (zh) * 2013-11-25 2014-02-19 方正国际软件有限公司 医疗系统中的权限分配装置及其分配方法
CN104598579A (zh) * 2015-01-14 2015-05-06 北京京东尚科信息技术有限公司 一种自动问答方法及系统
CN106778002A (zh) * 2016-12-26 2017-05-31 中国科学院苏州生物医学工程技术研究所 一种医疗信息查询方法、设备和系统
CN107193864A (zh) * 2017-04-01 2017-09-22 徐立水 一种基于大数据的医学网站管理方法
CN108287826A (zh) * 2016-10-19 2018-07-17 上海明品医药科技有限公司 一种基于医疗系统的病例读取方法
CN109754853A (zh) * 2019-01-09 2019-05-14 浙江强脑科技有限公司 诊疗数据管理方法、装置及计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1324254A1 (de) * 2001-12-21 2003-07-02 Siemens Aktiengesellschaft System zum Auffinden und Darstellen entscheidungsunterstützender Informationen in Archiven
CN103593574A (zh) * 2013-11-25 2014-02-19 方正国际软件有限公司 医疗系统中的权限分配装置及其分配方法
CN104598579A (zh) * 2015-01-14 2015-05-06 北京京东尚科信息技术有限公司 一种自动问答方法及系统
CN108287826A (zh) * 2016-10-19 2018-07-17 上海明品医药科技有限公司 一种基于医疗系统的病例读取方法
CN106778002A (zh) * 2016-12-26 2017-05-31 中国科学院苏州生物医学工程技术研究所 一种医疗信息查询方法、设备和系统
CN107193864A (zh) * 2017-04-01 2017-09-22 徐立水 一种基于大数据的医学网站管理方法
CN109754853A (zh) * 2019-01-09 2019-05-14 浙江强脑科技有限公司 诊疗数据管理方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN110459284A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN109906449B (zh) 一种查找方法及装置
Li et al. Section classification in clinical notes using supervised hidden markov model
Fang et al. Feature Selection Method Based on Class Discriminative Degree for Intelligent Medical Diagnosis.
CN111292848B (zh) 一种基于贝叶斯估计的医疗知识图谱辅助推理方法
CN111465990B (zh) 用于医疗保健临床试验的方法和系统
CN110069779B (zh) 医疗文本的症状实体识别方法及相关装置
Yao et al. Traditional Chinese medicine clinical records classification using knowledge-powered document embedding
Khachidze et al. Natural language processing based instrument for classification of free text medical records
Barrows Jr et al. Limited parsing of notational text visit notes: ad-hoc vs. NLP approaches.
Mosteiro et al. Machine learning for violence risk assessment using Dutch clinical notes
Ribeiro‐Neto et al. An experimental study in automatically categorizing medical documents
CN118335292A (zh) 一种中医专病专方交互辅助系统
Vu et al. Identifying patients with pain in emergency departments using conventional machine learning and deep learning
Wang et al. Research on named entity recognition of doctor-patient question answering community based on bilstm-crf model
CN110459284B (zh) 一种面向治疗方案的访问控制方法
Aydogan A hybrid deep neural network‐based automated diagnosis system using x‐ray images and clinical findings
CN115862897A (zh) 一种基于临床数据的症候群监测方法及系统
Caballero et al. Incorporating statistical topic models in the retrieval of healthcare documents
EP4081924B1 (en) Privacy preservation in a queryable database built from unstructured texts
Bedi et al. Extractive summarization using concept‐space and keyword phrase
Cohen et al. Improving severity classification of Hebrew PET-CT pathology reports using test-time augmentation
Ren et al. Extraction of transitional relations in healthcare processes from Chinese medical text based on deep learning
Xiang et al. From One-hot Encoding to Privacy-preserving Synthetic Electronic Health Records Embedding
Egleston et al. Statistical inference for natural language processing algorithms with a demonstration using type 2 diabetes prediction from electronic health record notes
Salierno et al. GiusBERTo: A Legal Language Model for Personal Data De-identification in Italian Court of Auditors Decisions

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
GR01 Patent grant
GR01 Patent grant