CN110991530A - 缺失数据处理方法及装置、电子设备和存储介质 - Google Patents
缺失数据处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110991530A CN110991530A CN201911215296.8A CN201911215296A CN110991530A CN 110991530 A CN110991530 A CN 110991530A CN 201911215296 A CN201911215296 A CN 201911215296A CN 110991530 A CN110991530 A CN 110991530A
- Authority
- CN
- China
- Prior art keywords
- data
- missing
- determining
- missing 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Abstract
本公开是关于一种缺失数据处理方法、缺失数据处理方法装置、电子设备以及计算机可读存储介质,涉及数据挖掘技术领域,可以应用于对患者医疗数据的缺失数据进行识别和填充的场景。该缺失数据处理方法包括:获取原始数据,对原始数据进行降维处理和聚类处理,以得到聚类数据;其中,原始数据包括多维度患者医疗数据;基于原始数据确定时间间隔阈值,并根据时间间隔阈值对聚类数据添加间隔标签,以得到序列化数据;根据间隔标签从序列化数据中确定待判定数据,并确定待判定数据的支持度和置信度;根据支持度和置信度判断待判定数据是否为缺失数据。本公开可以识别出多维度患者医疗数据中的缺失数据,并对缺失数据进行推断填充。
Description
技术领域
本公开涉及数据挖掘技术领域,具体而言,涉及一种缺失数据处理方法、缺失数据处理装置、电子设备以及计算机可读存储介质。
背景技术
时间序列数据分析是基于长时间观测数据,分析事物发生趋势的分析方法。患者全生命周期诊疗数据是典型的多维度时间序列数据,由于患者跨地区就医频繁发生,诊疗信息存储于跨地区多家医院中,因此,患者诊疗全生命周期数据往往无法完整搜集,从而产生随机性缺失。
在经济、社会等领域相关研究中,时间序列数据中多个观测时间点之间存在着自然的内在联系,往往可通过线性回归方法对缺失数据进行推断。而在医疗领域中,患者的诊疗路径选择往往基于专业人士对患者当前病程状态的评价,而该类评价往往难以在数据中充分体现,从而造成基于线性回归算法的缺失数据推断手段难以合理地对诊疗全生命周期数据进行数据填充。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种缺失数据处理方法、缺失数据处理装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服无法基于既有的患者医疗数据准确推断出是否存在数据缺失,并对缺失数据进行填充的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本公开的第一方面,提供一种缺失数据处理方法,包括:获取原始数据,对所述原始数据进行降维处理和聚类处理,以得到聚类数据;其中,所述原始数据包括多维度患者医疗数据;基于所述原始数据确定时间间隔阈值,并根据所述时间间隔阈值对所述聚类数据添加间隔标签,以得到序列化数据;根据所述间隔标签从所述序列化数据中确定待判定数据,并确定所述待判定数据的支持度和置信度;根据所述支持度和所述置信度判断所述待判定数据是否为缺失数据。
可选的,所述原始数据包含多个维度,所述对所述原始数据进行降维处理和聚类处理,以得到聚类数据,包括:确定所述原始数据在各所述维度中分别对应的值域;根据所述多个维度以及所述值域对所述原始数据进行向量化处理,以得到向量化数据;对所述向量化数据进行降维处理以生成降维数据;对所述降维数据进行所述聚类处理,以得到所述聚类数据。
可选的,所述对所述向量化数据进行降维处理以生成降维数据,包括:对所述向量化数据进行零均值化处理,得到均值化数据;确定所述均值化数据对应的协方差矩阵,并计算所述协方差矩阵的特征值和特征向量;确定目标维度数量,并获取所述目标维度数量个特征值分别对应的特征向量;根据确定出的所述特征向量对所述向量化数据进行转换处理,以生成所述降维数据。
可选的,所述对所述降维数据进行所述聚类处理,以得到所述聚类数据,包括:获取目标数量;其中,所述目标数量为目标维度数量;对所述降维数据进行聚类处理,生成目标数量个分类类别;基于所述原始数据确定各所述分类类别对应的模式数据以及各所述模式数据分别对应的模式概率。
可选的,所述根据所述时间间隔阈值对所述聚类数据添加间隔标签,以得到序列化数据,包括:根据所述聚类数据确定多个模式数据,对各所述模式数据进行序列化处理:如果所述模式数据归属于对应的分类类别,则采用所述分类类别的分类标识替换所述模式数据;如果所述模式数据未归属于对应的分类类别,则采用未分类标识替换所述模式数据;如果两个相邻模式数据之间的时间间隔值大于所述时间间隔阈值,则将所述间隔标签添加至所述两个相邻模式数据之间。
可选的,所述基于所述原始数据确定时间间隔阈值,包括:获取所述原始数据的数据分布结果,根据所述数据分布结果确定所述时间间隔阈值。
可选的,所述确定所述待判定数据的支持度和置信度,包括:根据所述间隔标签确定与所述待判定数据对应的第一模式数据与第二模式数据;根据所述第一模式数据、所述第二模式数据以及所述间隔标签分别确定所述支持度和所述置信度。
可选的,所述根据所述支持度和所述置信度判断所述待判定数据是否为缺失数据,包括:获取预设阈值;其中,所述预设阈值用于与所述支持度或所述置信度进行对比;如果所述支持度与所述置信度大于或等于所述预设阈值,则将所述待判定数据确定为非缺失数据;如果所述支持度或所述置信度小于所述预设阈值,则将所述待判定数据确定为所述缺失数据。
根据本公开的第二方面,提供一种缺失数据处理方法,包括:确定缺失数据以及与缺失数据对应的序列化数据;基于所述序列化数据确定与所述缺失数据对应的参考数据;根据所述参考数据对所述缺失数据进行数据推断处理和数据填充处理。
可选的,所述缺失数据包括间隔标签,所述根据所述参考数据对所述缺失数据进行数据推断处理和数据填充处理,包括:确定所述缺失数据中包含的所述间隔标签以及标签位置信息;根据所述标签位置信息从所述参考数据中确定参考填充数据;根据所述参考填充数据对所述缺失数据进行填充处理。
可选的,所述根据所述参考填充数据对所述缺失数据进行填充处理,包括:根据所述标签位置信息将所述参考填充数据插入至所述缺失数据以替换所述间隔标签;迭代执行下述步骤以进行对所述缺失数据的填充处理:判断所述缺失数据中是否包含与所述参考填充数据对应的第一原始数据;若是,则采用所述第一原始数据对所述缺失数据进行填充处理;若否,则确定第二原始数据,并采用所述第二原始数据对所述缺失数据进行填充处理;其中,所述第二原始数据为所述参考填充数据中模式概率最大的原始数据。
根据本公开的第三方面,提供一种缺失数据处理装置,包括:降维聚类处理模块,用于获取原始数据,对所述原始数据进行降维处理和聚类处理,以得到聚类数据;其中,所述原始数据包括多维度患者医疗数据;序列化处理模块,用于基于所述原始数据确定时间间隔阈值,并根据所述时间间隔阈值对所述聚类数据添加间隔标签,以得到序列化数据;数据信息确定模块,用于根据所述间隔标签从所述序列化数据中确定待判定数据,并确定所述待判定数据的支持度和置信度;判断模块,用于根据所述支持度和所述置信度判断所述待判定数据是否为缺失数据。
可选的,降维聚类处理模块包括降维聚类处理单元,用于确定所述原始数据在各所述维度中分别对应的值域;根据所述多个维度以及所述值域对所述原始数据进行向量化处理,以得到向量化数据;对所述向量化数据进行降维处理以生成降维数据;对所述降维数据进行所述聚类处理,以得到所述聚类数据。
可选的,降维聚类处理单元包括降维处理子单元,用于对所述向量化数据进行零均值化处理,得到均值化数据;确定所述均值化数据对应的协方差矩阵,并计算所述协方差矩阵的特征值和特征向量;确定目标维度数量,并获取所述目标维度数量个特征值分别对应的特征向量;根据确定出的所述特征向量对所述向量化数据进行转换处理,以生成所述降维数据。
可选的,降维聚类处理单元包括聚类处理子单元,用于获取目标数量;其中,所述目标数量为目标维度数量;对所述降维数据进行聚类处理,生成目标数量个分类类别;基于所述原始数据确定各所述分类类别对应的模式数据以及各所述模式数据分别对应的模式概率。
可选的,序列化处理模块包括序列化处理单元,用于根据所述聚类数据确定多个模式数据,对各所述模式数据进行序列化处理:如果所述模式数据归属于对应的分类类别,则采用所述分类类别的分类标识替换所述模式数据;如果所述模式数据未归属于对应的分类类别,则采用未分类标识替换所述模式数据;如果两个相邻模式数据之间的时间间隔值大于所述时间间隔阈值,则将所述间隔标签添加至所述两个相邻模式数据之间。
可选的,序列化处理模块包括阈值确定单元,用于获取所述原始数据的数据分布结果,根据所述数据分布结果确定所述时间间隔阈值。
可选的,数据信息确定模块包括数据信息确定单元,用于根据所述间隔标签确定与所述待判定数据对应的第一模式数据与第二模式数据;根据所述第一模式数据、所述第二模式数据以及所述间隔标签分别确定所述支持度和所述置信度。
可选的,判断模块包括判断单元,用于获取预设阈值;其中,所述预设阈值用于与所述支持度或所述置信度进行对比;如果所述支持度与所述置信度大于或等于所述预设阈值,则将所述待判定数据确定为非缺失数据;如果所述支持度或所述置信度小于所述预设阈值,则将所述待判定数据确定为所述缺失数据。
根据本公开的第四方面,提供一种缺失数据处理装置,包括:数据确定模块,用于确定缺失数据以及与缺失数据对应的序列化数据;参考数据确定模块,用于基于所述序列化数据确定与所述缺失数据对应的参考数据;数据填充模块,用于根据所述参考数据对所述缺失数据进行数据推断处理和数据填充处理。
可选的,数据填充模块包括数据填充单元,用于确定所述缺失数据中包含的所述间隔标签以及标签位置信息;根据所述标签位置信息从所述参考数据中确定参考填充数据;根据所述参考填充数据对所述缺失数据进行填充处理。
可选的,数据填充单元包括数据填充子单元,用于根据所述标签位置信息将所述参考填充数据插入至所述缺失数据以替换所述间隔标签;迭代执行下述步骤以进行对所述缺失数据的填充处理:判断所述缺失数据中是否包含与所述参考填充数据对应的第一原始数据;若是,则采用所述第一原始数据对所述缺失数据进行填充处理;若否,则确定第二原始数据,并采用所述第二原始数据对所述缺失数据进行填充处理;其中,所述第二原始数据为所述参考填充数据中模式概率最大的原始数据。
根据本公开的第五方面,提供一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的缺失数据处理方法。
根据本公开的第六方面,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根据上述任意一项所述的缺失数据处理方法。
本公开提供的技术方案可以包括以下有益效果:
本公开的示例性实施例中的缺失数据处理方法,通过对原始数据进行降维处理和聚类处理后得到聚类数据,并确定出与原始数据对应的时间间隔阈值,根据时间间隔阈值对聚类数据添加间隔标签,形成序列化数据,确定序列化数据中待判定数据的支持度和置信度,以根据支持度和置信度判断待判定数据是否为缺失数据。一方面,由于原始数据的数据维度过高,对原始数据进行降维处理,可以得到患者医疗数据中的主要特征,对降维数据进行聚类处理,可以确定出原始数据中包含的主要特征的分类。另一方面,可以根据确定出的时间间隔阈值,在距离类数据中添加对应的间隔标签,以形成序列化数据,以便基于序列化数据进行数据缺失的判断。再一方面,确定出待判定数据的支持度和置信度,可以根据支持度和置信度的值进行分析,判断待判定数据是否为缺失数据,完成对多维度患者医疗数据是否存在缺失的处理过程。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。在附图中:
图1示意性示出了根据本公开的一种示例性实施方式的缺失数据处理方法的流程图;
图2示意性示出了根据本公开的示例性实施方式对向量化数据进行降维处理的过程图;
图3示意性示出了根据本公开的示例性实施方式某一患者的各次就诊数据之间的时间间隔值的正态分布图;
图4示意性示出了根据本公开的另一示例性实施方式的缺失数据处理方法的流程图;
图5示意性示出了根据本公开的示例性实施方式经过序列比对确定出的参考数据与缺失数据之间的序列比对结果图;
图6示意性示出了根据本公开的示例性实施方式对缺失数据进行数据推断和数据填充的过程图;
图7示意性示出了根据本公开的一种示例性实施方式的缺失数据处理装置的方框图;
图8示意性示出了根据本公开的另一示例性实施方式的缺失数据处理装置的方框图;
图9示意性示出了根据本公开一示例性实施例的电子设备的框图;
图10示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
目前,对多维度时间序列数据中数据缺失的推断填充方法可大致分为两类:基于统计推断的方法和基于神经网络的方法。基于统计推断的方法适用于有限维度的连续型数据的推断,而患者的全生命周期诊疗数据往往是不确定维度的分类数据。基于神经网络的方法依赖于精确标注的数据集,由于医疗数据中,天然存在患者阶段性治愈而暂停治疗的情况,造成难以通过对既有数据的观察而准确推断数据缺失。同时,大量数据的标注也是极其耗时的。
基于此,在本示例实施例中,首先提供了一种缺失数据处理方法,可以利用服务器来实现本公开的用缺失数据处理方法,也可以利用终端设备来实现本公开所述的方法,其中,本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、个人数字助理(Personal Digital Assistant,PDA)等移动终端,以及诸如台式计算机等固定终端。图1示意性示出了根据本公开的一些实施例的缺失数据处理方法流程的示意图。参考图1,该缺失数据处理方法可以包括以下步骤:
步骤S110,获取原始数据,对原始数据进行降维处理和聚类处理,以得到聚类数据;其中,原始数据包括多维度患者医疗数据。
步骤S120,基于原始数据确定时间间隔阈值,并根据时间间隔阈值对聚类数据添加间隔标签,以得到序列化数据。
步骤S130,根据间隔标签从序列化数据中确定待判定数据,并确定待判定数据的支持度和置信度。
步骤S140,根据支持度和置信度判断待判定数据是否为缺失数据。
根据本示例实施例中的缺失数据处理方法,一方面,由于原始数据的数据维度过高,对原始数据进行降维处理,可以得到患者医疗数据中的主要特征,对降维数据进行聚类处理,可以确定出原始数据中包含的主要特征的分类。另一方面,可以根据确定出的时间间隔阈值,在距离类数据中添加对应的间隔标签,以形成序列化数据,以便基于序列化数据进行数据缺失的判断。再一方面,确定出待判定数据的支持度和置信度,可以根据支持度和置信度的值进行分析,判断待判定数据是否为缺失数据,完成对多维度患者医疗数据是否存在缺失的处理过程。
下面,将对本示例实施例中的缺失数据处理方法进行进一步的说明。
在步骤S110中,获取原始数据,对原始数据进行降维处理和聚类处理,以得到聚类数据;其中,原始数据包括多维度患者医疗数据。
在本公开的一些示例性实施方式中,原始数据可以是患者就医时产生的患者全生命周期诊疗数据,这些就诊数据贯穿该患者的完整生命周期。患者全生命周期诊疗数据可以是一种时间序列数据(time series data),即可以是在不同时间上收集到的诊疗数据,该诊疗数据可以反映出按照时间变化患者的治疗情况,在一定程度上可以反映出患者的身体状况。在本示例实施例中,原始数据例如可以是患者A在医院1就诊时,按照时间顺序产生的一系列就诊数据,结构化后的患者全生命周期诊疗数据是不确定维度的分类数据,即原始数据。原始数据可以包括目标患者用药记录数据,例如,目标患者治疗胃病对应的用药记录数据可以包括泮托拉唑、胶体果胶铋、奥美拉唑等;原始数据也可以包括患者就诊时的医疗检查数据,例如血常规检查数据、尿液检查数据等;原始数据还可以包括目标患者进行的影像科检查数据等。本示例实施例对原始数据中包含的数据种类不作任何特殊限定。
根据本公开的一些示例性实施例,确定原始数据在各维度中分别对应的值域;根据多个维度以及值域对原始数据进行向量化处理,以得到向量化数据;对向量化数据进行降维处理以生成降维数据;对降维数据进行聚类处理,以得到聚类数据。原始数据可以是多维度数据,其中,维度可以包括用药记录、生化检验记录等主要诊疗概念形成的维度。每个维度可以对应一个或多个具体信息值,每个维度对应的一个或多个具体信息值构成该维度对应的值域。向量化处理可以是采用一个值向量来表示原始数据的不同维度分别对应的具体信息值。向量化数据可以是对原始数据进行向量化处理后形成的数据。降维处理可以是采用数据降维方法对向量化数据进行降维操作的处理。聚类处理可以是采用聚类分析方法对降维数据进行聚类分析的处理。聚类数据可以是对降维数据进行聚类处理后得到的数据。
在获取到多维度患者医疗数据后,可以对目标患者的全部分类数据在每个维度中对应的值域进行归纳整理,并进行向量化处理,以得到向量化数据,以便后续对向量化数据进行分析处理。举例而言,经向量化处理后的单次就诊数据如表1所示。
表1
例如,维度中的维度1和维度2分别可以是用药记录、生化检验记录;值可以是向量化后的结论性信息,例如用药列表、血常规检查结果等。举例而言,用药列表可以是由(药品1,药品2,…,药品n)组成;血常规检查结果可以是由(红细胞计数,白细胞计数,血小板计数,…,血红蛋白含量)组成。
根据本公开的另一示例性实施例,对向量化数据进行零均值化处理,得到均值化数据;确定均值化数据对应的协方差矩阵,并计算协方差矩阵的特征值和特征向量;确定目标维度数量,并获取目标维度数量个特征值分别对应的特征向量;根据确定出的特征向量对向量化数据进行转换处理,以生成降维数据。
零均值化处理可以是将向量化数据中各项数值分别减去平均值的处理过程。均值化数据可以是对向量化数据进行零均值化处理后得到的数据。协方差矩阵的每个元素是各个向量元素之间的协方差。目标维度数量可以是需要保留的特征向量的个数,保留的特征向量个数可以决定对向量化进行降维处理后,降维数据对应的维度数量。转换处理可以是基于确定出的目标维度个特征向量,将向量化数据进行坐标系变换后得到的新的数据空间的处理。降维数据可以是对向量化数据进行降维处理后形成的数据。
参考图2,图2示意性示出了对向量化数据进行降维处理的过程图。在步骤S210中,可以确定出向量化数据中各项数据值的平均值,再对各项数据值减去平均值,进行零均值化处理,得到均值化数据。在步骤S220中,可以计算通过步骤S210中得到的均值化数据对应的协方差矩阵。在步骤S230中,计算协方差矩阵对应的特征值和特征向量。在步骤S240中,可以对计算出的特征值按照从大到小的顺序进行排序,得到排序后的特征值序列。在步骤S250中,可以从确定出的特征值序列中确定出前N个最大的特征值,在确定出N个特征值后,可以确定并保留这N个特征值对应的特征向量。在步骤S260中,可以将确定出的N各特征向量作为需要构建的新的数据空间对应坐标系的基向量,并将均值化数据转换至新的数据空间,以形成降维数据。
根据本公开的又一示例性实施例,对所述降维数据进行所述聚类处理,以得到所述聚类数据,包括:获取目标数量;其中,目标数量为目标维度数量;对降维数据进行聚类处理,生成目标数量个分类类别;基于原始数据确定各分类类别对应的模式数据以及各模式数据分别对应的模式概率。目标数量可以是对降维数据进行聚类处理后形成的聚类数据对应的分类类别数量。聚类处理可以是将降维数据分组为由类似特征的数量组成的多个分类类别的处理过程。分类类别可以是对降维数据进行聚类处理后,生成的不同的分类数据对应的类别。
模式数据可以是各分类类别分别对应的数据。例如,在医疗场景中,以患者的诊疗数据为例,模式数据可以是患者在每次诊疗过程中对应的诊疗方案数据。以治疗感冒为例,假设治疗感冒的疗程是一年,在治疗过程中,如果患者的治疗方案为“吃药”,则对应的标识为“1”;如果患者的治疗方案为“打点滴”,则对应的标识为“2”。当有三个患者的治疗方案分别为,患者1(吃药,吃药,吃药,吃药,吃药),患者2(打点滴,打点滴,打点滴,打点滴,打点滴),患者3(吃药,打点滴,吃药,打点滴,吃药)。那么三个患者的治疗方案分别对应的向量化数据为:患者1(1,1,1,1,1,),患者2(2,2,2,2,2),患者1(1,2,1,2,1,)。因此,三个患者的治疗方式分别对应三个模式数据。模式概率可以是某一分类类别下的模式数据在所有分类类别对应的模式数据中出现的概率。
获取到目标数量后,可以采用聚类分析算法对降维数据进行聚类处理,并生成聚类数据。聚类分析算法可以是k均值聚类算法(k-means clustering algorithm)、基于随机选择的聚类算法(CLARANS),也可以是利用层次方法的平衡迭代规约和聚类算法(BalancedIterative Reducing and Clustering Using Hierarchies,BIRCH)、层次聚类算法(Clustering Using Representative,CURE),还可以是基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)、基于密度的聚类算法(Ordering points to identify the clustering structure,OPTICS)等,本示例实施例对聚类处理时采用的聚类算法不作任何特殊限定。
本示例实施例将以采用k-means聚类算法为例,对聚类处理的过程进行说明。举例而言,假设目标数量为N,则降维数据在经过聚类处理后被分成N个分类类别,每个分类类别的编号为mn(0<n≤N)。对于每个分类类别mn,可以对其包含的原始数据进行统计,获得每个原始数据出现的概率,参考表2所示。
表2
模式 | 元素概率 |
m<sub>n</sub> | [(pattern1,p1),(pattern2,p2),…] |
其中,pattern为未经过向量化处理的数据,p值的计算方式如公式1所示。
其中,分子为patterni在全部数据中出现的频次,分母为数据模式mn在全部数据中出现的频次。
在步骤S120中,基于原始数据确定时间间隔阈值,并根据时间间隔阈值对聚类数据添加间隔标签,以得到序列化数据。
在本公开的一些示例性实施方式中,时间间隔阈值可以是通过对原始数据的分布情况进行分析后,确定出来的两次相邻观测点之间可以存在的最大时间间隔值。间隔标签可以是认为两次相邻观测点之间可能存在异常情况(如数据缺失)时,所添加的对应标签。序列化数据可以是对聚类数据进行转化,并在聚类数据中添加间隔标签后,所形成的数据。确定出原始数据对应的时间间隔阈值时,可以根据聚类数据的数据特征和时间间隔阈值将间隔标签添加至聚类数据的对应位置,以得到序列化数据。
举例而言,患者A在医院1进行就诊时产生的就诊数据显示,患者A在1月30日有一次就诊记录,在3月1日有一次就诊记录,在4月4日有一次就诊记录,接下来,在10月30日有一次就诊记录,在12月2日有一次就诊记录,共同构成了(就诊记录1,就诊记录2,就诊记录3,就诊记录4,就诊记录5)。根据患者A的就诊时间可以推断,患者A的就诊周期可以是一个月,可以设定患者A的就诊数据对应的时间间隔阈值为40天,而就诊记录3与就诊记录4之间产生的时间间隔过长,则推断这两次数据记录中间可以存在数据缺失,因此,在就诊记录3与就诊记录4之间插入间隔标签。
根据本公开的一些示例性实施例,获取原始数据的数据分布结果,根据数据分布结果确定时间间隔阈值。原始数据的数据分布结果可以是指将患者经过多次诊疗得到的诊疗数据按照时间顺序依次排列,所形成的数据分布结果。举例而言,可以将患者每一次就诊产生的就诊数据作为数据观测点,按照时间顺序将就诊数据依次排列后,相邻的两个数据观测点之间具有时间前后关系。参考图3,图3示意性示出了某一患者的各次就诊数据之间的时间间隔值的正态分布图。从数据分布曲线310中可以分析出该数据中最可能的时间间隔值为320对应的值,因此,结合数据分布曲线310,可以确定出两个相邻数据观测点之间的时间间隔阈值330,即cutoff值。
根据本公开的另一示例性实施例,根据聚类数据确定多个模式数据,对各模式数据进行序列化处理:如果模式数据归属于对应的分类类别,则采用分类类别的分类标识替换模式数据;如果模式数据未归属于对应的分类类别,则采用未分类标识替换模式数据;如果两个相邻模式数据之间的时间间隔值大于时间间隔阈值,则将间隔标签添加至两个相邻模式数据之间。
序列化处理可以是将原始数据中对应的数据模式替换为各自对应的类别标识,并按照时间顺序将其形成序列化数据的处理过程。分类标识可以是聚类数据对应的多个分类类别下的模式数据对应的标识,可以采用上述提到的“mn”表示。未分类标识可以是在聚类处理结束后原始数据中未能归属于到对应分类类别的模式数据对应的标识,例如,可以采用“N”来表示未分类标识。可以采用“G”来表示间隔标签。
对降维数据进行聚类处理后,生成的聚类数据中可以包含N个分类类别,而每种分类类别分别对应各自的模式数据。从原始数据中确定一个模式数据,如果该模式数据对应聚类处理后形成的某一个分类类别,则采用该分类类别对应的分类标识替换该模式数据;如果该模式数据未能归属于到聚类处理结果后形成的分类类别中,则采用未分类标识替换该模式数据。另外,确定两个相邻模式数据,如果这两个相邻模式数据之间的时间间隔值大于时间间隔阈值,则在这两个相邻的模式数据之间插入间隔标签。通过对原始数据中的各个模式数据完成替换和插入处理后,可以形成序列化数据。
举例而言,将单个患者的全部诊疗数据,基于聚类结果进行转化,并对相邻模式数据之间具有异常时间间隔值的位置进行标注,可以将原始诊疗数据进行序列化处理,具体序列化处理方式如表3所示。
表3
可能情况 | 处理方案 |
当次模式数据归属于类别m<sub>n</sub> | 转化为m<sub>n</sub> |
当次模式数据未能成功聚类 | 转化为N |
两次相邻模式数据之间的时间间隔值大于阈值 | 在两个数据之间插入G |
经过上述处理,该患者原始多维度诊疗数据将转化为序列化数据,下面截取序列化数据中的部分示意序列片段,如
N-N-m1-m1-m2-G-m3-...
在步骤S130中,根据间隔标签从序列化数据中确定待判定数据,并确定待判定数据的支持度和置信度。
在本公开的一些示例性实施方式中,待判定数据可以是序列化数据中包含间隔标签的一部分序列数据,需要对该序列数据进行统计分析。根据间隔标签获取到待判定数据后,可以计算待判定数据对应的支持度和置信度。
根据本公开的一些示例性实施例,根据间隔标签确定与待判定数据对应的第一模式数据与第二模式数据;根据第一模式数据、第二模式数据以及间隔标签分别确定支持度和置信度。第一模式数据可以是基于间隔标签确定出的模式数据。第二模式数据可以是基于间隔标签确定出的模式数据;其中,第一模式数据与第二模式数据可以相同,也可以不同。确定出第一模式数据与第二模式数据后,可以根据第一模式数据、第二模式数据以及间隔标签计算对应的支持度和置信度。
获取到序列化的患者全生命周期诊疗数据后,对间隔标签(G)两侧数据进行统计分析。以第一模式数据为ma,第二模式数据为mb为例对计算支持度和置信度的过程进行说明。举例而言,假设间隔标签(G)之前最近一个非N就诊记录为ma,间隔标签(G)之后最近一个非N就诊记录为mb,则ma与mb之间会存在空窗期的支持度(support),且支持度的计算方式如公式2所示。
其中,“count(ma-G)”可以表示模式数据ma之后第一条非N数据为G的情况发生的频次,“count(ma-G-mb)”可以表示ma与mb之间仅存在G的情况发生频次。
置信度(confidence)可以表示间隔标签G之后第一条非N数据为mb的前提下,G之前第一条非N数据为ma的概率,置信度的计算方式如公式3所示。
其中,“count(G-mb)”可以表示间隔标签G之后第一条非N数据为模式数据mb的情况发生的频次。
通过对间隔标签G两侧发生的全部情况按照上述公式计算出支持度与置信度后,可以基于统计方法设置与支持度与置信度进行对比的阈值,以判断待判定数据是否为缺失数据。
在步骤S140中,根据支持度和置信度判断待判定数据是否为缺失数据。
在本公开的一些示例性实施方式中,基于支持度和置信度,可以基于统计方法确定与支持度和置信度进行对比的预设阈值,通过分别将支持度和置信度与阈值进行比较得出的比较结果来判断待判定数据是否为缺失数据。
根据本公开的另一示例性实施例,获取预设阈值;其中,预设阈值用于与支持度或置信度进行对比;如果支持度与置信度大于或等于预设阈值,则将待判定数据确定为非缺失数据;如果支持度或置信度小于预设阈值,则将待判定数据确定为缺失数据。预设阈值可以是根据统计方法确定出的用于与置信度或支持度进行对比的数值。非缺失数据可以是不存在数据缺失的数据,本示例实施例对非缺失数据不进行特殊处理。缺失数据可以是数据记录中存在缺失的医疗数据。当计算出待判定数据对应的支持度与置信度后,可以将支持度和置信度分别与预设阈值进行对比,并根据确定出的对比结果判断待判定数据是否为缺失数据。
如果一个间隔标签(G)两侧的数据模式共现的支持度与置信度高于预设阈值,即大于或等于预设阈值,则认为该时间间隔值是客观的,而非由于观测数据缺失造成的,因此,可以判断该条待判定数据是完整的。如果一个间隔标签(G)两侧的数据模式共现的支持度或置信度低于预设阈值,则认为该时间间隔是由于观测数据缺失造成的,因此,可以判断该条待判定数据是存在缺失的。
确定出间隔标签两侧数据模式的支持度和置信度后,可以分别将支持度、置信度与预设阈值进行对比,并确定出对比结果,根据确定出的对比结果可以分析出序列化数据中是否存在缺失数据,完成对原始数据中是否存在缺失数据的判断。
通过上述缺失数据处理过程,可以将序列化数据划分为两个数据集,其中,一个数据集可以由不存在间隔标签G,以及存在间隔标签G标签但判断其为完整数据的序列,该数据集被定义为完整数据集。另一数据集可以是存在间隔标签G且判断为数据缺失的序列,该数据集被定义为缺失数据集。缺失数据判断完成后,可以在后续对缺失数据进行数据推断和数据填充处理。
参考图4所示,根据本公开的另一个实施例的信息处理方法,可以利用服务器来实现本公开的用信息处理方法,也可以利用终端设备来实现本公开所述的方法,其中,本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、PDA等移动终端,以及诸如台式计算机等固定终端。图4示意性示出了根据本公开的另一实施例的信息处理方法流程的示意图。参考图4,该信息处理方法可以包括以下步骤:
步骤S410,确定缺失数据以及与缺失数据对应的序列化数据。
步骤S420,基于序列化数据确定与缺失数据对应的参考数据。
步骤S430,根据参考数据对缺失数据进行数据推断处理和数据填充处理。
根据本示例实施例中的缺失数据处理方法,一方面,根据获取到的缺失数据,可以确定出与缺失数据对应的序列化数据,通过序列化数据与缺失数据的比对,可以基于序列化数据确定出与缺失数据对应的参考数据,以便后续对缺失数据进行处理;另一方面,根据参考数据可以对缺失数据进行推断处理和数据填充处理,以完成对缺失数据的推断和填充。
下面,将对本示例实施例中的缺失数据处理方法进行进一步的说明。
在步骤S410中,确定缺失数据以及与缺失数据对应的序列化数据。
在本公开的一些示例性实施方式中,缺失数据,也称缺失序列数据,可以是某个序列化片段中存在数据缺失的序列化片段数据。经过对原始数据进行一系列处理之后,单个患者的全生命周期诊疗数据被转化为一维序列数据。通过上述的缺失数据处理方法确定出缺失数据后,可以将缺失数据存储至缺失数据集中。当进行对缺失数据的填充处理时,可以从缺失数据集中获取一缺失数据,并根据缺失数据确定与该缺失数据对应的所有序列化数据,以便基于序列化数据对缺失数据进行数据推断和数据填充处理。
在步骤S420中,基于序列化数据确定与缺失数据对应的参考数据。
在本公开的一些示例性实施方式中,在确定出序列化数据后,可以对序列化数据和缺失数据进行序列比对操作,例如,可以采用考生物信息学分析中序列比对方法进行序列比对。序列比对方法可以是基于局部比对搜索工具(Basic Local Alignmengt SearchTool,BLAST)算法、位点特异性迭代BLAST(Position-Specific Iterated BLAST,PSIBLAST)算法、模式识别BLAST(Pattern-Hit Initiated BLAST,PHI-BLAST)算法,也可以是双序列比对(Super Pairwise Alignment,SPA)算法、适应于大规模局部序列比对的快速(Super Local Alignment)算法等。本公开对进行序列比对时所采用的序列比对算法不作任何特殊限定。
举例而言,本示例实施例以使用BLAST算法进行序列比对为例,对序列比对的具体过程进行了说明,采用BLAST算法对两个序列数据进行序列比对,寻找两条序列之间的最佳匹配,并对相似性进行打分。假设缺失数据集中存在缺失数据1,可以采用“sequence1”来表示缺失数据1,可以将缺失数据1与完整数据集中全部数据进行比对,并对它们之间的相似度打分,分值最高的即为与缺失数据1相似度最高的完整数据作为参考数据,可以采用“sequenceRef”来表示参考数据。
在步骤S430中,根据参考数据对缺失数据进行数据推断处理和数据填充处理。
在本公开的一些示例性实施方式中,数据推断处理可以是基于参考数据对缺失数据中缺失的部分进行推断的过程。数据填充处理可以是对缺失数据的缺失部分进行填充的过程。基于参考数据可以对缺失数据中与间隔标签处于相近位置的数据进行推断,并采用推断出来的数据对缺失部分进行数据填充。
根据本公开的一些示例性实施例,确定缺失数据中包含的间隔标签以及标签位置信息;根据标签位置信息从参考数据中确定参考填充数据;根据参考填充数据对缺失数据进行填充处理。标签位置信息可以是间隔标签在缺失数据中所处位置的相关信息。参考填充数据,也称为参考模式数据,参考填充数据可以用于替换间隔标签,以完成数据填充处理所使用的数据。确定出缺失数据中包含的间隔标签以及间隔标签的标签位置信息时,可以从参考数据中确定出与缺失数据所在的序列化数据相似度最高的参考填充数据,并按照参考填充数据对缺失数据进行填充处理。
参考图5,图5示意性示出了经过序列比对确定出的参考数据与缺失数据之间的序列比对结果图。图5中序列数据片段中的“*”可以表示插入/缺失,框中的数据片段510可以表示参考填充数据,即参考序列(sequenceRef)与待填充序列(sequence1)中断点处于相似位置的序列片段,将用于对待填充序列的缺失数据点进行推断,因此,可以将参考序列作为参考填充数据。待填补数据点将根据参考填充数据(sequenceRef)中与间隔标签(G)处于相近位置的数据进行推断和填充。
根据本公开的另一示例性实施例,根据标签位置信息将参考填充数据插入至缺失数据以替换间隔标签;迭代执行下述步骤以进行对缺失数据的填充处理:判断缺失数据中是否包含与参考填充数据对应的第一原始数据;若是,则采用第一原始数据对缺失数据进行填充处理;若否,则确定第二原始数据,并采用第二原始数据对缺失数据进行填充处理;其中,第二原始数据为参考填充数据中模式概率最大的原始数据。由于参考填充数据也可以为经过序列化后的数据,因此,参考填充数据中包含的数据序列可以为某一模式数据,不同的模式数据对应相应的原始数据。第一原始数据可以是对缺失数据进行数据推断处理确定出参考填充数据后,从缺失数据序列中确定出的与参考填充数据对应的原始数据。第二原始数据可以是对缺失数据进行数据推断处理确定出参考填充数据后,从缺失数据序列中确定出的模式概率最大的原始数据。
对缺失数据进行填充处理时,可以先确定出与缺失序列数据对应的参考填充数据,由于通过上述处理步骤,可以确定出缺失数据中缺失的具体序列数据片段的标签位置信息,因此,根据标签位置信息可以将参考填充数据插入至缺失数据中,以替换缺失数据中的间隔标签。在完成缺失数据中间隔标签的替换处理后,可以判断整个缺失序列数据中是否存在与某一模式数据对应的第一原始数据,如果缺失序列数据中存在与该模式数据对应的第一原始数据,则优先采用第一原始数据对缺失数据进行填充处理。如果缺失序列数据中不存在与该模式数据对应的原始数据,则获取该模式数据对应的概率分布,根据该模式数据的概率分布确定出模式概率最大的原始数据,即第二原始数据,对缺失数据进行填充处理。
具体的,参考图6,图6示意性示出了对缺失数据进行数据推断和填充的过程。在步骤S610中,在缺失数据中插入参考填充数据,替换间隔标签。举例而言,可以在缺失数据(sequence1)中插入参考填充数据(M2-N-N),替换间隔标签G。其中,M2可以是模式数据归属于类别m2的数据,而N表示模式数据未能成功聚类的数据。
在步骤S620中,如果缺失数据中存在模式数据中的单次就诊数据,则优先使用该就诊原始数据进行填充;如果缺失数据中不存在模式数据中的单次就诊数据,才采用模式概率值最大的模式数据进行填充。
举例而言,如果缺失数据(sequence1)中存在属于M2模式数据的单次就诊数据,则优先使用该就诊原始数据填补;如果缺失数据(sequence1)中不存在属于M2模式数据的单次就诊数据,则获取M2模式数据的pattern数据的概率分布,采用概率最大的pattern数据对该条数据进行填充。
在步骤S630中,迭代执行步骤S620,直到完成插入参考模式的推断填充。如果缺失数据存在多处缺失位置,则迭代执行上述模式数据填充步骤,逐一对缺失数据中可能存在数据缺失的位置进行数据填充,以完成对整个缺失数据的数据填充。
综上所述,本公开的示例性实施例中的缺失数据处理方法,通过对由患者全生命周期诊疗数据构成的原始数据进行降维处理和聚类处理,可以形成聚类数据,并确定出聚类数据对应的分类类别;根据原始数据的数据分布结果可以确定出与原始数据对应的时间间隔阈值,基于该时间间隔阈值可以向聚类数据中插入间隔标签,并将模式数据替换为对应的分类标识,形成序列化数据;根据序列化数据可以计算出对应的支持度和置信度,将支持度和置信度与预先设定的阈值进行对比,可以判断某一序列化数据是否为缺失数据。如果一条数据记录是缺失数据,则采用序列比对方法从原始数据中寻找与该缺失数据相似性最高的数据作为参考填充数据,并根据参考填充数据对缺失数据进行推断和填充处理。通过本公开的缺失数据处理方法,一方面,由于患者医疗数据通常为不确定维度的分类数据,且由患者医疗数据组成的原始数据的维度较高,因此可以对原始数据进行数据转化处理、降维处理、聚类处理等一系列预处理之后,基于生成的聚类数据进行后续的分析处理。另一方面,根据确定出的时间间隔阈值可以向聚类数据中插入间隔标签,并计算间隔标签前后的模式数据对应的支持度和置信度,根据支持度和置信度确定某一数据序列是否为缺失数据,通过对多维度的诊疗数据进行挖掘,可以实现对序列数据是否为缺失数据的识别。又一方面,确定出缺失数据后,采用序列比对算法,可以从原始数据中确定出与缺失数据相似度最高的参考填充数据,实现根据参考填充数据对缺失数据进行填充处理的过程,完成对缺失数据的识别和推断填充。
需要说明的是,尽管在附图中以特定顺序描述了本发明中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种缺失数据处理装置。参考图7,该缺失数据处理装置700可以包括:降维聚类处理模块710、序列化处理模块720、数据信息确定模块730以及判断模块740。
具体的,降维聚类处理模块710用于获取原始数据,对原始数据进行降维处理和聚类处理,以得到聚类数据;其中,原始数据包括多维度患者医疗数据;序列化处理模块720用于基于原始数据确定时间间隔阈值,并根据时间间隔阈值对聚类数据添加间隔标签,以得到序列化数据;数据信息确定模块730用于根据间隔标签从序列化数据中确定待判定数据,并确定待判定数据的支持度和置信度;判断模块740用于根据支持度和置信度判断待判定数据是否为缺失数据。
缺失数据处理装置700可以对多维度的患者医疗数据进行向量化处理、降维处理以及聚类处理以形成聚类数据,根据聚类数据的分类结果对聚类数据中模式数据,并根据时间间隔阈值向数据中插入间隔标签,形成序列化数据,根据间隔标签确定某一序列化片段的支持度和置信度,并根据支持度和置信度确定该序列化片段是否是缺失数据,以便进行后续数据处理,是一种行之有效的缺失数据处理装置。
在本公开的一些示例实施例中,基于前述方案,降维聚类处理模块可以包括降维聚类处理单元,降维聚类处理单元被配置为:确定原始数据在各维度中分别对应的值域;根据多个维度以及值域对原始数据进行向量化处理,以得到向量化数据;对向量化数据进行降维处理以生成降维数据;对降维数据进行聚类处理,以得到聚类数据。
在本公开的一些示例实施例中,基于前述方案,降维聚类处理单元可以包括降维处理子单元,降维处理子单元被配置为:对向量化数据进行零均值化处理,得到均值化数据;确定均值化数据对应的协方差矩阵,并计算协方差矩阵的特征值和特征向量;确定目标维度数量,并获取目标维度数量个特征值分别对应的特征向量;根据确定出的特征向量对向量化数据进行转换处理,以生成降维数据。
在本公开的一些示例实施例中,基于前述方案,降维聚类处理单元可以包括聚类处理子单元,聚类处理子单元被配置为:获取目标数量;其中,目标数量为目标维度数量;对降维数据进行聚类处理,生成目标数量个分类类别;基于原始数据确定各分类类别对应的模式数据以及各模式数据分别对应的模式概率。
在本公开的一些示例实施例中,基于前述方案,序列化处理模块可以包括序列化处理单元,序列化处理单元被配置为:根据聚类数据确定多个模式数据,对各模式数据进行序列化处理:如果模式数据归属于对应的分类类别,则采用分类类别的分类标识替换模式数据;如果模式数据未归属于对应的分类类别,则采用未分类标识替换模式数据;如果两个相邻模式数据之间的时间间隔值大于时间间隔阈值,则将间隔标签添加至两个相邻模式数据之间。
在本公开的一些示例实施例中,基于前述方案,序列化处理模块可以包括阈值确定单元,阈值确定单元被配置为:获取原始数据的数据分布结果,根据数据分布结果确定时间间隔阈值。
在本公开的一些示例实施例中,基于前述方案,数据信息确定模块可以包括数据信息确定单元,数据信息确定单元被配置为:根据间隔标签确定与待判定数据对应的第一模式数据与第二模式数据;根据第一模式数据、第二模式数据以及间隔标签分别确定支持度和置信度。
在本公开的一些示例实施例中,基于前述方案,判断模块包括判断单元,用于获取预设阈值;其中,预设阈值用于与支持度或置信度进行对比;如果支持度与置信度大于或等于预设阈值,则将待判定数据确定为非缺失数据;如果支持度或置信度小于预设阈值,则将待判定数据确定为缺失数据。
在本公开的另一示例实施例中,还提供了一种缺失数据处理装置。参考图8,该缺失数据处理装置800可以包括:数据确定模块810、参考数据确定模块820、数据填充模块830。
具体的,数据确定模块810用于确定缺失数据以及与缺失数据对应的序列化数据;参考数据确定模块820用于基于序列化数据确定与缺失数据对应的参考数据;数据填充模块830用于根据参考数据对缺失数据进行数据推断处理和数据填充处理。
缺失数据处理装置800可以确定出与缺失数据对应的序列化数据,并从序列化数据中确定出与缺失数据对应的参考数据,根据确定出的参考数据可以完成对缺失数据的数据推断和数据填充处理。
在本公开的一些示例实施例中,基于前述方案,数据填充模块可以包括数据填充单元,数据填充单元被配置为:确定缺失数据中包含的间隔标签以及标签位置信息;根据标签位置信息从参考数据中确定参考填充数据;根据参考填充数据对缺失数据进行填充处理。
在本公开的一些示例实施例中,基于前述方案,数据填充单元包括数据填充子单元,用于根据标签位置信息将参考填充数据插入至缺失数据以替换间隔标签;迭代执行下述步骤以进行对缺失数据的填充处理:判断缺失数据中是否包含与参考填充数据对应的第一原始数据;若是,则采用第一原始数据对缺失数据进行填充处理;若否,则确定第二原始数据,并采用第二原始数据对缺失数据进行填充处理;其中,第二原始数据为参考填充数据中模式概率最大的原始数据。
上述中各虚拟缺失数据处理装置模块的具体细节已经在对应的缺失数据处理方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了缺失数据处理装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参考图9来描述根据本发明的这种实施例的电子设备900。图9显示的电子设备900仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930、显示单元940。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元910执行,使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元920可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)921和/或高速缓存存储单元922,还可以进一步包括只读存储单元(ROM)923。
存储单元920以包括具有一组(至少一个)程序模块925的程序/实用工具924,这样的程序模块925包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备970(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备900交互的设备通信,和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图10所示,描述了根据本发明的实施例的用于实现上述方法的程序产品1000,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (13)
1.一种缺失数据处理方法,其特征在于,包括:
获取原始数据,对所述原始数据进行降维处理和聚类处理,以得到聚类数据;其中,所述原始数据包括多维度患者医疗数据;
基于所述原始数据确定时间间隔阈值,并根据所述时间间隔阈值对所述聚类数据添加间隔标签,以得到序列化数据;
根据所述间隔标签从所述序列化数据中确定待判定数据,并确定所述待判定数据的支持度和置信度;
根据所述支持度和所述置信度判断所述待判定数据是否为缺失数据。
2.根据权利要求1所述的缺失数据处理方法,其特征在于,所述原始数据包含多个维度,所述对所述原始数据进行降维处理和聚类处理,以得到聚类数据,包括:
确定所述原始数据在各所述维度中分别对应的值域;
根据所述多个维度以及所述值域对所述原始数据进行向量化处理,以得到向量化数据;
对所述向量化数据进行降维处理以生成降维数据;
对所述降维数据进行所述聚类处理,以得到所述聚类数据。
3.根据权利要求2所述的缺失数据处理方法,其特征在于,所述对所述向量化数据进行降维处理以生成降维数据,包括:
对所述向量化数据进行零均值化处理,得到均值化数据;
确定所述均值化数据对应的协方差矩阵,并计算所述协方差矩阵的特征值和特征向量;
确定目标维度数量,并获取所述目标维度数量个特征值分别对应的特征向量;
根据确定出的所述特征向量对所述向量化数据进行转换处理,以生成所述降维数据;
其中,所述对所述降维数据进行所述聚类处理,以得到所述聚类数据,包括:
获取目标数量;其中,所述目标数量为目标维度数量;
对所述降维数据进行聚类处理,生成目标数量个分类类别;
基于所述原始数据确定各所述分类类别对应的模式数据以及各所述模式数据分别对应的模式概率。
4.根据权利要求3所述的缺失数据处理方法,其特征在于,所述根据所述时间间隔阈值对所述聚类数据添加间隔标签,以得到序列化数据,包括:
根据所述聚类数据确定多个模式数据,对各所述模式数据进行序列化处理:
如果所述模式数据归属于对应的分类类别,则采用所述分类类别的分类标识替换所述模式数据;
如果所述模式数据未归属于对应的分类类别,则采用未分类标识替换所述模式数据;
如果两个相邻模式数据之间的时间间隔值大于所述时间间隔阈值,则将所述间隔标签添加至所述两个相邻模式数据之间。
5.根据权利要求1所述的缺失数据处理方法,其特征在于,所述确定所述待判定数据的支持度和置信度,包括:
根据所述间隔标签确定与所述待判定数据对应的第一模式数据与第二模式数据;
根据所述第一模式数据、所述第二模式数据以及所述间隔标签分别确定所述支持度和所述置信度。
6.根据权利要求1所述的缺失数据处理方法,其特征在于,所述根据所述支持度和所述置信度判断所述待判定数据是否为缺失数据,包括:
如果所述支持度与所述置信度大于或等于预设阈值,则所述待判定数据为非缺失数据;
如果所述支持度或所述置信度小于所述预设阈值,则所述待判定数据为所述缺失数据。
7.一种缺失数据处理方法,其特征在于,包括:
通过权利要求1至6任意一项所述的缺失数据处理方法,确定缺失数据以及与所述缺失数据对应的序列化数据;
基于所述序列化数据确定与所述缺失数据对应的参考数据;
根据所述参考数据对所述缺失数据进行数据推断处理和数据填充处理。
8.根据权利要求7所述的缺失数据处理方法,其特征在于,所述缺失数据包括间隔标签,所述根据所述参考数据对所述缺失数据进行数据推断处理和数据填充处理,包括:
确定所述缺失数据中包含的所述间隔标签以及标签位置信息;
根据所述标签位置信息从所述参考数据中确定参考填充数据;
根据所述参考填充数据对所述缺失数据进行填充处理。
9.根据权利要求8所述的缺失数据处理方法,其特征在于,所述根据所述参考填充数据对所述缺失数据进行填充处理,包括:
根据所述标签位置信息将所述参考填充数据插入至所述缺失数据以替换所述间隔标签;
迭代执行下述步骤以进行对所述缺失数据的填充处理:
判断所述缺失数据中是否包含与所述参考填充数据对应的第一原始数据;
若是,则采用所述第一原始数据对所述缺失数据进行填充处理;
若否,则确定第二原始数据,并采用所述第二原始数据对所述缺失数据进行填充处理;其中,所述第二原始数据为所述参考填充数据中模式概率最大的原始数据。
10.一种缺失数据处理装置,其特征在于,包括:
降维聚类处理模块,用于获取原始数据,对所述原始数据进行降维处理和聚类处理,以得到聚类数据;其中,所述原始数据包括多维度患者医疗数据;
序列化处理模块,用于基于所述原始数据确定时间间隔阈值,并根据所述时间间隔阈值对所述聚类数据添加间隔标签,以得到序列化数据;
数据信息确定模块,用于根据所述间隔标签从所述序列化数据中确定待判定数据,并确定所述待判定数据的支持度和置信度;
判断模块,用于根据所述支持度和所述置信度判断所述待判定数据是否为缺失数据。
11.一种缺失数据处理装置,其特征在于,包括:
数据确定模块,用于确定缺失数据以及与所述缺失数据对应的序列化数据;
参考数据确定模块,用于基于所述序列化数据确定与所述缺失数据对应的参考数据;
数据填充模块,用于根据所述参考数据对所述缺失数据进行数据推断处理和数据填充处理。
12.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至9中任一项所述的缺失数据处理方法。
13.一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根据权利要求1至9中任一项所述的缺失数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215296.8A CN110991530A (zh) | 2019-12-02 | 2019-12-02 | 缺失数据处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911215296.8A CN110991530A (zh) | 2019-12-02 | 2019-12-02 | 缺失数据处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991530A true CN110991530A (zh) | 2020-04-10 |
Family
ID=70089304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911215296.8A Withdrawn CN110991530A (zh) | 2019-12-02 | 2019-12-02 | 缺失数据处理方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991530A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881146A (zh) * | 2020-09-28 | 2020-11-03 | 南京吉拉福网络科技有限公司 | 用于收取费用的方法、计算设备和介质 |
CN112116205A (zh) * | 2020-08-21 | 2020-12-22 | 国网上海市电力公司 | 针对台区用电特征的画像方法、装置和存储介质 |
CN112637206A (zh) * | 2020-12-23 | 2021-04-09 | 光大兴陇信托有限责任公司 | 一种业务数据主动获取方法和系统 |
CN113555107A (zh) * | 2021-05-17 | 2021-10-26 | 上海交通大学医学院附属瑞金医院 | 一种人体代谢状态量化管理分析系统及方法 |
CN113707334A (zh) * | 2021-08-31 | 2021-11-26 | 平安科技(深圳)有限公司 | 基于聚类分析的医疗数据缺失处理方法、装置及存储介质 |
CN114595214A (zh) * | 2022-03-03 | 2022-06-07 | 江苏鼎驰电子科技有限公司 | 一种大数据治理系统 |
CN114994274A (zh) * | 2022-05-30 | 2022-09-02 | 佛山市美的清湖净水设备有限公司 | 软水设备的原水硬度确定方法及装置 |
-
2019
- 2019-12-02 CN CN201911215296.8A patent/CN110991530A/zh not_active Withdrawn
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116205A (zh) * | 2020-08-21 | 2020-12-22 | 国网上海市电力公司 | 针对台区用电特征的画像方法、装置和存储介质 |
CN112116205B (zh) * | 2020-08-21 | 2024-03-12 | 国网上海市电力公司 | 针对台区用电特征的画像方法、装置和存储介质 |
CN111881146A (zh) * | 2020-09-28 | 2020-11-03 | 南京吉拉福网络科技有限公司 | 用于收取费用的方法、计算设备和介质 |
CN111881146B (zh) * | 2020-09-28 | 2020-12-15 | 南京吉拉福网络科技有限公司 | 用于收取费用的方法、计算设备和介质 |
CN112637206A (zh) * | 2020-12-23 | 2021-04-09 | 光大兴陇信托有限责任公司 | 一种业务数据主动获取方法和系统 |
CN112637206B (zh) * | 2020-12-23 | 2022-08-26 | 光大兴陇信托有限责任公司 | 一种业务数据主动获取方法和系统 |
CN113555107A (zh) * | 2021-05-17 | 2021-10-26 | 上海交通大学医学院附属瑞金医院 | 一种人体代谢状态量化管理分析系统及方法 |
CN113707334A (zh) * | 2021-08-31 | 2021-11-26 | 平安科技(深圳)有限公司 | 基于聚类分析的医疗数据缺失处理方法、装置及存储介质 |
CN114595214A (zh) * | 2022-03-03 | 2022-06-07 | 江苏鼎驰电子科技有限公司 | 一种大数据治理系统 |
CN114994274A (zh) * | 2022-05-30 | 2022-09-02 | 佛山市美的清湖净水设备有限公司 | 软水设备的原水硬度确定方法及装置 |
WO2023231587A1 (zh) * | 2022-05-30 | 2023-12-07 | 佛山市美的清湖净水设备有限公司 | 软水设备的原水硬度确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991530A (zh) | 缺失数据处理方法及装置、电子设备和存储介质 | |
Faes et al. | Automated deep learning design for medical image classification by health-care professionals with no coding experience: a feasibility study | |
WO2021180242A1 (zh) | 诊断数据异常检测方法、装置、计算机设备及存储介质 | |
US20200027539A1 (en) | Systems and Methods for Predicting Medications to Prescribe to a Patient Based on Machine Learning | |
US20220084633A1 (en) | Systems and methods for automatically identifying a candidate patient for enrollment in a clinical trial | |
US20120072421A1 (en) | Systems and methods for interactive clustering | |
WO2022222943A1 (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
WO2021135449A1 (zh) | 基于深度强化学习的数据分类方法、装置、设备及介质 | |
US20160188701A1 (en) | File recognition system and method | |
Pokharel et al. | Temporal tree representation for similarity computation between medical patients | |
EP3874513A1 (en) | Generalized biomarker model | |
CN112786131A (zh) | 识别就诊信息的方法及装置、电子设备和存储介质 | |
US11848100B2 (en) | Automatic clinical report generation | |
CN111755090A (zh) | 病历查找方法、病历查找装置、存储介质与电子设备 | |
US20240096500A1 (en) | Identification of patient sub-cohorts and corresponding quantitative definitions of subtypes as a classification system for medical conditions | |
WO2014130287A1 (en) | Method and system for propagating labels to patient encounter data | |
Chan et al. | Association patterns of ontological features signify electronic health records in liver cancer | |
US11914621B2 (en) | Determining an association metric for record attributes associated with cardinalities that are not necessarily the same for training and applying an entity resolution model | |
CN110957046A (zh) | 医疗健康案例知识匹配方法和系统 | |
CN116842330A (zh) | 一种可对比历史记录的保健信息处理方法及装置 | |
CN111640517B (zh) | 病历编码方法、装置、存储介质及电子设备 | |
CN115862840A (zh) | 关节疼痛疾病的智能辅助诊断方法和装置 | |
CN113990514A (zh) | 医师诊疗行为的异常检测装置、计算机设备及存储介质 | |
KR101868744B1 (ko) | 임상 진료 지침 제공 방법 및 이를 실행하는 프로그램이 기록된 기록 매체 | |
US20190385715A1 (en) | Systems and methods for facilitating computer-assisted linkage of healthcare records |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200410 |