CN111540421A - 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 - Google Patents
基于大数据的智慧医疗病情监控方法及大数据医疗云平台 Download PDFInfo
- Publication number
- CN111540421A CN111540421A CN202010308881.9A CN202010308881A CN111540421A CN 111540421 A CN111540421 A CN 111540421A CN 202010308881 A CN202010308881 A CN 202010308881A CN 111540421 A CN111540421 A CN 111540421A
- Authority
- CN
- China
- Prior art keywords
- behavior
- medical
- feature
- information
- big data
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开实施例提供一种基于大数据的智慧医疗病情监控方法及大数据医疗云平台,通过获取智慧医疗服务终端浏览时长超过预设时长的医疗信息推荐列表,并提取医疗信息推荐列表的大数据行为特征,然后对大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,接着根据跟踪识别结果生成智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将医疗病情行为监控结果推送给智慧医疗服务终端对应的医护人员终端进行监控信息提示。如此,能够对患者用户的医疗信息推荐列表的大数据行为特征进行有效挖掘和提炼,从而针对性地对患者用户的病情进行监控,以便于后续的进一步信息推荐。
Description
技术领域
本公开涉及大数据及智慧医疗技术领域,具体而言,涉及一种基于大数据的智慧医疗病情监控方法及大数据医疗云平台。
背景技术
随着智慧医疗和互联网技术的快速发展,基于智慧医疗的信息推荐可以帮助患者用户更有针对性地寻找与自身意图相关的信息。经本申请发明人研究发现,对于各个患者用户而言,其自身的医疗病历情况可能会激发其对医疗信息搜索的需求,特别是由于互联网的迅速发展以及私密性、便捷性等优点,互联网智慧医疗正逐渐成为患者用户获取医疗推荐信息的高效渠道。
当患者用户接收医疗推荐信息时,通常会产生一系列的用户行为,这些用户行为可能详细反映了该患者用户针对自身病情情况的行为活动,如何对这些用户行为大数据进行有效挖掘和提炼,从而针对性地对患者用户的病情进行监控,以便于后续的进一步信息推荐,是本领域亟待解决的技术问题。
发明内容
为了至少克服现有技术中的上述不足,本公开的目的在于提供一种基于大数据的智慧医疗病情监控方法及大数据医疗云平台,能够对患者用户的医疗信息推荐列表的大数据行为特征进行有效挖掘和提炼,从而针对性地对患者用户的病情进行监控,以便于后续的进一步信息推荐。
第一方面,本公开提供一种基于大数据的智慧医疗病情监控方法,应用于与多个智慧医疗服务终端通信连接的大数据医疗云平台,所述方法包括:
获取所述智慧医疗服务终端浏览时长超过预设时长的医疗信息推荐列表,并提取所述医疗信息推荐列表的大数据行为特征,其中,所述医疗信息推荐列表为所述智慧医疗服务终端通过浏览相应的医疗病历信息后进行意图搜索目标后进行推荐的信息列表,所述相应的医疗病历信息包括所述智慧医疗服务终端的患者用户的医疗病历信息以及所述医疗病历信息相关联的关联医疗病历信息;
对所述大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,所述跟踪识别结果包括在所述相应的医疗病历信息的疾病文本范围内所述大数据行为特征中的各浏览行为节点的疾病类型关联特征以及每个浏览行为节点对应的关联度,每个浏览行为节点分别对应一种浏览行为记录;
根据所述跟踪识别结果生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示。
在第一方面的一种可能的实现方式中,所述提取所述医疗信息推荐列表的大数据行为特征的步骤,包括:
根据预先配置的浏览行为匹配规则序列提取所述医疗信息推荐列表中的匹配关键信息记录并提取所述匹配关键信息记录中的匹配特征向量;
获取每个匹配特征向量对应的行为参数集合和内容参数集合,所述内容参数集合包括内容项目信息和内容时长信息,所述内容时长信息用于表示行为参数识别过程中的时序信息;
根据所述内容参数集合获取所述医疗信息推荐列表所对应的浏览目标定位序列,其中,所述浏览目标定位序列为所述医疗信息推荐列表中当前第一推荐信息单元与第二推荐信息单元的浏览目标定位序列,所述第二推荐信息单元为所述第一推荐信息单元的附属信息推荐单元;
将所述行为参数集合中每个行为参数的参数序号与所述浏览目标定位序列进行比较,得到比较结果,所述比较结果表示所述行为参数是位于所述第一推荐信息单元内或者位于所述第二推荐信息单元内;
根据所述比较结果提取所述医疗信息推荐列表的大数据行为特征。
在第一方面的一种可能的实现方式中,所述根据所述比较结果提取所述医疗信息推荐列表的大数据行为特征的步骤,包括:
根据所述行为参数集合构建待合成的目标行为参数集合;
根据所述行为参数集合从所述内容参数集合中选取相应的目标特征表达信息,并从所述目标行为参数集合中获取位于所述第一推荐信息单元和第二推荐信息单元内的行为参数;
当所述行为参数位于当前的第一推荐信息单元内时,根据所述行为参数的位置在行为参数集合中确定相应的第一待合成行为参数、以及在所述内容参数集合中确定相应的第二待合成行为参数,并将所述第一待合成行为参数在所述行为参数集合中的参数向量、与所述第二待合成行为参数在所述内容参数集合中的参数向量进行合成,得到第一合成参数向量,而后将所述行为参数在所述目标行为参数集合中的参数向量更新为所述第一合成参数向量;
当所述行为参数位于当前的第二推荐信息单元内时,根据所述行为参数的位置在所述行为参数集合中确定相应的第一待合成行为参数、以及在所述目标特征表达信息中确定相应的第三待合成行为参数,并将所述第一待合成行为参数在所述行为参数集合中的参数向量、与所述第三待合成行为参数在所述目标特征表达信息中的参数向量进行合成,得到第二合成参数向量,而后将所述行为参数在所述目标行为参数集合中的参数向量更新为所述第二合成参数向量;
提取更新为第一合成参数向量或者第二合成参数向量的该行为参数的特征信息,并汇总后得到所述医疗信息推荐列表的大数据行为特征。
在第一方面的一种可能的实现方式中,所述对所述大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果的步骤,包括:
对所述大数据行为特征中的各浏览行为节点进行跟踪识别,分别得到至少一个跟踪轨迹记录队列;
在所述至少一个跟踪轨迹记录队列上提取所述浏览行为节点的行为持续特征和行为流向特征,所述行为流向特征用于描述所述跟踪轨迹记录队列中的行为变化趋势;
根据所述浏览行为节点的行为持续特征和行为流向特征得到在疾病文本范围内所述浏览行为节点的疾病类型关联特征以及所述浏览行为节点对应的关联度。
在第一方面的一种可能的实现方式中,所述根据所述浏览行为节点的行为持续特征和行为流向特征得到在疾病文本范围内所述浏览行为节点的疾病类型关联特征以及所述浏览行为节点对应的关联度的步骤,包括:
对所述浏览行为节点的行为持续特征和行为流向特征分别进行最近邻分类计算,得到第一最近邻分类结果;
基于所述第一最近邻分类结果中与所述行为持续特征匹配的最近邻分类结果,在预设疾病类型关联特征库的最近邻分类结果中进行定位,得到与所述行为持续特征匹配的第一定位结果;
基于所述第一最近邻分类结果中与所述行为流向特征匹配的最近邻分类结果,在所述预设疾病类型关联特征库的最近邻分类结果中进行定位,得到与所述行为流向特征匹配的第二定位结果;
获取所述第一定位结果与所述第二定位结果中相同的定位结果,作为初步定位结果,计算所述初步定位结果中包括的每一项定位结果与所述浏览行为节点之间的位置差距,并根据计算得到的位置差距,对所述初步定位结果中包括的定位结果进行合成处理,得到目标定位结果;
获取所述目标定位结果中的每一项定位结果的疾病类型关联特征节点,并对获取到的每一个疾病类型关联特征节点分别进行行为持续特征提取和行为流向特征提取;
对于所述每一个疾病类型关联特征节点,对所述疾病类型关联特征节点的行为持续特征和行为流向特征分别进行最近邻分类计算,得到所述疾病类型关联特征节点的最近邻分类结果;
获取所述疾病类型关联特征节点在所述定位结果中的节点位置,并基于所述定位结果的标识信息以及所述疾病类型关联特征节点的节点位置,关联所述疾病类型关联特征节点的最近邻分类结果,以得到所述浏览行为节点的疾病类型关联特征以及所述浏览行为节点对应的关联度。
在第一方面的一种可能的实现方式中,所述根据所述跟踪识别结果生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示的步骤,包括:
针对所述跟踪识别结果中每个浏览行为节点的疾病类型关联特征,将所述疾病类型关联特征输入对应的浏览行为记录所对应的医疗病情行为监控模型中,抽取所述医疗病情行为监控模型的多个不同监控对象单元的监控特征向量,并将所述多个不同监控对象单元的监控特征向量进行组合后生成所述疾病类型关联特征的监控特征向量;
根据每个浏览行为节点对应的关联度计算所述疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,以及每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,其中,所述偏移特征向量部分用于表示该特征向量部分与所述相应的医疗病历信息的疾病文本范围所对应的特征向量存在反向特征情况,所述偏移标签类型用于表示该特征向量部分为偏移特征向量部分时该特征向量部分存在反向特征情况所对应的医疗信息类型;
根据每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示。
在第一方面的一种可能的实现方式中,所述大数据医疗云平台中预先配置有不同关联度区间所对应的偏移函数,偏移函数越大,表示反向特征情况越明显;
所述根据每个浏览行为节点对应的关联度计算所述疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,以及每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型的步骤,包括:
根据每个浏览行为节点对应的关联度所在的关联度区间,确定每个浏览行为节点的偏移函数;
根据每个浏览行为节点的偏移函数,计算所述疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,其中,所述置信度根据所述监控特征向量中每个特征向量部分的矩阵输出值与所述偏移函数的乘积得到;
确定置信度高于预设置信度阈值的特征向量部分为偏移特征向量部分,并根据各个偏移特征向量部分的偏移方向和偏移数量匹配的偏移标签,确定每个偏移特征向量部分的偏移标签类型。
在第一方面的一种可能的实现方式中,所述根据每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果的步骤,包括:
将每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型作为一个医疗病情行为监控项目,将每个医疗病情行为监控项目作为所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果。
在第一方面的一种可能的实现方式中,所述方法还包括:
记录每次生成的所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果到与所述相应的医疗病历信息中包括的病历疾病行为监控数据库中。
第二方面,本公开实施例还提供一种基于大数据的智慧医疗病情监控装置,应用于与多个智慧医疗服务终端通信连接的大数据医疗云平台,所述装置包括:
获取模块,用于获取所述智慧医疗服务终端浏览时长超过预设时长的医疗信息推荐列表,并提取所述医疗信息推荐列表的大数据行为特征,其中,所述医疗信息推荐列表为所述智慧医疗服务终端通过浏览相应的医疗病历信息后进行意图搜索目标后进行推荐的信息列表,所述相应的医疗病历信息包括所述智慧医疗服务终端的患者用户的医疗病历信息以及所述医疗病历信息相关联的关联医疗病历信息;
跟踪识别模块,用于对所述大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,所述跟踪识别结果包括在所述相应的医疗病历信息的疾病文本范围内所述大数据行为特征中的各浏览行为节点的疾病类型关联特征以及每个浏览行为节点对应的关联度,每个浏览行为节点分别对应一种浏览行为记录;
生成模块,用于根据所述跟踪识别结果生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示。
第三方面,本公开实施例还提供一种基于大数据的智慧医疗病情监控系统,所述基于大数据的智慧医疗病情监控系统包括大数据医疗云平台以及与所述大数据医疗云平台通信连接的多个智慧医疗服务终端;
所述大数据医疗云平台用于获取所述智慧医疗服务终端浏览时长超过预设时长的医疗信息推荐列表,并提取所述医疗信息推荐列表的大数据行为特征,其中,所述医疗信息推荐列表为所述智慧医疗服务终端通过浏览相应的医疗病历信息后进行意图搜索目标后进行推荐的信息列表,所述相应的医疗病历信息包括所述智慧医疗服务终端的患者用户的医疗病历信息以及所述医疗病历信息相关联的关联医疗病历信息;
所述大数据医疗云平台用于对所述大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,所述跟踪识别结果包括在所述相应的医疗病历信息的疾病文本范围内所述大数据行为特征中的各浏览行为节点的疾病类型关联特征以及每个浏览行为节点对应的关联度,每个浏览行为节点分别对应一种浏览行为记录;
所述大数据医疗云平台用于根据所述跟踪识别结果生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示。
第四方面,本公开实施例还提供一种大数据医疗云平台,所述大数据医疗云平台包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个智慧医疗服务终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行第一方面或者第一方面中任意一个可能的设计中的基于大数据的智慧医疗病情监控方法。
第五方面,本公开实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其被执行时,使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的基于大数据的智慧医疗病情监控方法。
基于上述任意一个方面,本公开通过获取智慧医疗服务终端浏览时长超过预设时长的医疗信息推荐列表,并提取医疗信息推荐列表的大数据行为特征,然后对大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,接着根据跟踪识别结果生成智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将医疗病情行为监控结果推送给智慧医疗服务终端对应的医护人员终端进行监控信息提示。如此,能够对患者用户的医疗信息推荐列表的大数据行为特征进行有效挖掘和提炼,从而针对性地对患者用户的病情进行监控,以便于后续的进一步信息推荐。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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它相关的附图。
图1为本公开实施例提供的基于大数据的智慧医疗病情监控系统的应用场景示意图;
图2为本公开实施例提供的基于大数据的智慧医疗病情监控方法的流程示意图;
图3为本公开实施例提供的基于大数据的智慧医疗病情监控装置的功能模块示意图;
图4为本公开实施例提供的用于实现上述的基于大数据的智慧医疗病情监控方法的大数据医疗云平台的结构示意框图。
具体实施方式
下面结合说明书附图对本公开进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本公开一种实施例提供的基于大数据的智慧医疗病情监控系统10的交互示意图。基于大数据的智慧医疗病情监控系统10可以包括大数据医疗云平台100以及与所述大数据医疗云平台100通信连接的智慧医疗服务终端200。图1所示的基于大数据的智慧医疗病情监控系统10仅为一种可行的示例,在其它可行的实施例中,该基于大数据的智慧医疗病情监控系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
本实施例中,智慧医疗服务终端200可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中,移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理、游戏设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。
本实施例中,基于大数据的智慧医疗病情监控系统10中的物联网云大数据医疗云平台100和智慧医疗服务终端200可以通过配合执行以下方法实施例所描述的基于大数据的智慧医疗病情监控方法,具体大数据医疗云平台100和智慧医疗服务终端200的执行步骤部分可以参照以下方法实施例的详细描述。
为了解决前述背景技术中的技术问题,图2为本公开实施例提供的基于大数据的智慧医疗病情监控方法的流程示意图,本实施例提供的基于大数据的智慧医疗病情监控方法可以由图1中所示的大数据医疗云平台100执行,下面对该基于大数据的智慧医疗病情监控方法进行详细介绍。
步骤S110,获取智慧医疗服务终端200浏览时长超过预设时长的医疗信息推荐列表,并提取医疗信息推荐列表的大数据行为特征。
步骤S120,对大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果。
步骤S130,根据跟踪识别结果生成智慧医疗服务终端200的患者用户所对应的医疗病情行为监控结果,并将医疗病情行为监控结果推送给智慧医疗服务终端200对应的医护人员终端进行监控信息提示。
本实施例中,医疗信息推荐列表具体可以为智慧医疗服务终端200通过浏览相应的医疗病历信息后进行意图搜索目标后进行推荐的信息列表,相应的医疗病历信息可以包括智慧医疗服务终端200的患者用户的医疗病历信息以及医疗病历信息相关联的关联医疗病历信息。其中,医疗病历信息相关联的关联医疗病历信息可以是指医疗病历信息的患者用户在其它相关的就诊机构生成的医疗病例信息。
本实施例中,医疗病历可以是患者用户在就诊过程中,由相关的医务人员对该患者用户疾病的发生、发展、转归,进行检查、诊断、治疗等医疗活动过程的记录。例如,可以是对采集到的资料加以归纳、整理、综合分析,按规定的格式和要求书写的患者医疗健康档案,上述患者医疗健康档案可以由医护人员记录在大数据医疗云平台100中,患者用户可以随时通过医疗服务终端访问大数据医疗云平台100以查看医疗病历。
患者用户在查看医疗病例的过程中,可能会处于各种信息搜索意图,基于相关意图搜索目标进行信息搜索,此时可以获取该患者用户相关的户行为大数据,并根据相关意图搜索目标的用户行为大数据形成一按照行为频繁度为排列方式的用户行为大数据样本,并由此进行信息挖掘可以生成针对该患者用户的医疗信息推荐列表。
本实施例中,跟踪识别结果可以包括在相应的医疗病历信息的疾病文本范围内大数据行为特征中的各浏览行为节点的疾病类型关联特征以及每个浏览行为节点对应的关联度,每个浏览行为节点分别对应一种浏览行为记录。例如,疾病文本范围可以是指医疗病历信息中勾选的疾病种类所对应的文本范围,浏览行为记录可以是指每次发起浏览行为所产生的记录。
基于上述步骤,本实施例通过获取智慧医疗服务终端200浏览时长超过预设时长的医疗信息推荐列表,并提取医疗信息推荐列表的大数据行为特征,然后对大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,接着根据跟踪识别结果生成智慧医疗服务终端200的患者用户所对应的医疗病情行为监控结果,并将医疗病情行为监控结果推送给智慧医疗服务终端200对应的医护人员终端进行监控信息提示。如此,能够对患者用户的医疗信息推荐列表的大数据行为特征进行有效挖掘和提炼,从而针对性地对患者用户的病情进行监控,以便于后续的进一步信息推荐。
在一种可能的实现方式中,针对步骤S110,在获取所述智慧医疗服务终端200浏览时长超过预设时长的医疗信息推荐列表的流程中,可以通过以下示例性子步骤具体实现,下面进行详细描述。
子步骤S111,获取智慧医疗服务终端200在访问医疗病历后浏览的相关意图搜索目标的用户行为大数据,并根据相关意图搜索目标的用户行为大数据形成一按照行为频繁度为排列方式的用户行为大数据样本。
子步骤S112,将用户行为大数据样本处理为多个预先以相关意图搜索目标按照不同查询意图划分的查询意图决策树的用户行为大数据子样本,计算每一个用户行为大数据子样本包含的多个查询词的查询词频特征,并将查询词频特征作为对应的用户行为大数据子样本的查询意图特征。
子步骤S113,将查询意图特征作为对应的用户行为大数据子样本映射的用户行为需求的查询意图特征,生成每个用户行为需求的查询意图特征,并根据每个用户行为需求的查询意图特征生成智慧医疗服务终端200的信息推荐热力图。
子步骤S114,根据信息推荐热力图生成智慧医疗服务终端200的医疗信息推荐列表。
患者用户在查看医疗病例的过程中,可能会处于各种信息搜索意图,基于相关意图搜索目标进行信息搜索,此时可以获取该患者用户相关的户行为大数据,并根据相关意图搜索目标的用户行为大数据形成一按照行为频繁度为排列方式的用户行为大数据样本。
其中,行为频繁度可以是指该患者用户产生的搜索行为的重复次数,或者持续时间等,从而可以用于表示该患者用户针对某个搜索目标内容的关注程度。
其中,查询词可以是指该患者用户在基于某个搜索目标内容产生的一系列关键词,例如输入或者点击的关键词。
由此,能够基于患者用户的相关意图搜索目标的用户行为大数据进行有效挖掘和提炼,从而更有针对性地为患者用户提供医疗信息推荐。
在一种可能的实现方式中,针对步骤S112,考虑到用户行为大数据样本可能会存在很多查询意图混杂,为了便于后续精确推荐,步骤S112可以通过以下示例性子步骤具体实现,下面进行详细描述。
(1)预先设定按照不同查询意图划分的查询意图决策树。
(2)根据每个按照不同查询意图划分的查询意图决策树分别对用户行为大数据样本进行处理,对应得到多个意图决策对象序列。
(3)选择多个意图决策对象序列中的其中一个作为第一决策对象序列,并识别出第一决策对象序列的主决策对象并以主决策对象作为参考主决策对象。
(4)对于第一决策对象序列之外的其它第二意图决策对象序列,分别设定每个第二意图决策对象序列的主决策对象,并计算每个第二意图决策对象序列的主决策对象中任意一个主决策对象所对应的决策意图相关项目与该第一决策对象序列的每一个参考主决策对象所对应的决策意图相关项目的项目交互信息。
其中,项目交互信息可以是指决策意图相关项目之间进行信息交互产生的信息,例如从一个项目转移到另一个项目的过程中所产生的信息。
(5)将任意一个主决策对象配置为使该项目交互信息最接近第一决策对象序列的主决策对象的参考主决策对象,并将其余意图决策对象序列中的每个第二意图决策对象序列的主决策对象配置为相对应的参考主决策对象,并参照配置结果,将其余意图决策对象序列参照第一决策对象序列分别进行重新配置分布,连同该第一决策对象序列而获得多个经配置后的意图决策对象序列。
(6)计算经配置后的多个意图决策对象序列中每个决策对象序列的行为交互信息和行为频繁度。
(7)根据经配置后的多个意图决策对象序列中每个决策对象序列的行为交互信息和行为频繁度对用户行为大数据样本进行划分,得到多个用户行为大数据子样本。
在一种可能的实现方式中,仍旧针对步骤S112,在计算每一个用户行为大数据子样本包含的多个查询词的查询词频特征的过程中,具体可以通过以下示例性子步骤实现,详细描述如下。
(8)计算每一个用户行为大数据子样本包含的多个查询词对于各自对应的用户行为大数据子样本的重复程度,得到对应的词频反转频率信息。
本实施例中,词频反转频率信息(term frequency–inverse documentfrequency,TF-IDF)可以用于表示查询词对于各自对应的用户行为大数据子样本的重复程度。详细地,查询词的重要性随着该查询词在对应的用户行为大数据子样本中出现的次数成正比增加,从而可以作为用户行为大数据子样本与换着用户查询之间相关程度的度量或评级。
(8)对词频反转频率提取特征向量,得到每一个用户行为大数据子样本包含的多个查询词的查询词频特征。
在一种可能的实现方式中,针对步骤S113,可以通过以下示例性子步骤具体实现,下面进行详细描述。
(1)根据每个用户行为需求的查询意图特征获得每个用户行为需求在每个查询意图决策树输出的查询意图热点分布,并对查询意图热点分布进行划分,得到多个查询意图热点单元。
(2)分别根据每个查询意图决策树所对应的意图挖掘脚本对多个查询意图热点单元进行意图挖掘处理,获得多个查询意图热点单元各自对应的意图挖掘结果。
本实施例中,意图挖掘结果可以包括查询意图热点单元在对应的查询意图决策树下的意图测试置信度。
(3)根据查询意图热点单元各自对应的意图挖掘结果确定每个查询意图决策树中的查询意图热点单元之间的图连通关系,并根据确定的每个查询意图决策树中的查询意图热点单元之间的图连通关系生成智慧医疗服务终端200的信息推荐热力图。
在一种可能的实现方式中,仍旧针对步骤S110,在获取所述医疗信息推荐列表的大数据行为特征的流程中,可以通过以下示例性子步骤具体实现,下面进行详细描述。
子步骤S115,根据预先配置的浏览行为匹配规则序列提取医疗信息推荐列表中的匹配关键信息记录并提取匹配关键信息记录中的匹配特征向量。
子步骤S116,获取每个匹配特征向量对应的行为参数集合和内容参数集合,内容参数集合包括内容项目信息和内容时长信息,内容时长信息用于表示行为参数识别过程中的时序信息。
子步骤S117,根据内容参数集合获取医疗信息推荐列表所对应的浏览目标定位序列,其中,浏览目标定位序列为医疗信息推荐列表中当前第一推荐信息单元与第二推荐信息单元的浏览目标定位序列,第二推荐信息单元为第一推荐信息单元的附属信息推荐单元。
子步骤S118,将行为参数集合中每个行为参数的参数序号与浏览目标定位序列进行比较,得到比较结果,比较结果表示行为参数是位于第一推荐信息单元内或者位于第二推荐信息单元内。
子步骤S119,根据比较结果提取医疗信息推荐列表的大数据行为特征。
例如,在一种可能的示例中,本实施例可以根据行为参数集合构建待合成的目标行为参数集合,然后根据行为参数集合从内容参数集合中选取相应的目标特征表达信息,并从目标行为参数集合中获取位于第一推荐信息单元和第二推荐信息单元内的行为参数。
例如,当行为参数位于当前的第一推荐信息单元内时,根据行为参数的位置在行为参数集合中确定相应的第一待合成行为参数、以及在内容参数集合中确定相应的第二待合成行为参数,并将第一待合成行为参数在行为参数集合中的参数向量、与第二待合成行为参数在内容参数集合中的参数向量进行合成,得到第一合成参数向量,而后将行为参数在目标行为参数集合中的参数向量更新为第一合成参数向量。
再例如,当行为参数位于当前的第二推荐信息单元内时,根据行为参数的位置在行为参数集合中确定相应的第一待合成行为参数、以及在目标特征表达信息中确定相应的第三待合成行为参数,并将第一待合成行为参数在行为参数集合中的参数向量、与第三待合成行为参数在目标特征表达信息中的参数向量进行合成,得到第二合成参数向量,而后将行为参数在目标行为参数集合中的参数向量更新为第二合成参数向量。
由此,可以提取更新为第一合成参数向量或者第二合成参数向量的该行为参数的特征信息,并汇总后得到医疗信息推荐列表的大数据行为特征。
在一种可能的实现方式中,仍旧针对步骤S110,在对大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果的流程中,可以通过以下示例性子步骤具体实现,下面进行详细描述。
子步骤S111,对大数据行为特征中的各浏览行为节点进行跟踪识别,分别得到至少一个跟踪轨迹记录队列。
子步骤S112,在至少一个跟踪轨迹记录队列上提取浏览行为节点的行为持续特征和行为流向特征,行为流向特征用于描述跟踪轨迹记录队列中的行为变化趋势。
子步骤S113,根据浏览行为节点的行为持续特征和行为流向特征得到在疾病文本范围内浏览行为节点的疾病类型关联特征以及浏览行为节点对应的关联度。
例如,在子步骤S113中,可以通过以下示例性子步骤具体实现,下面进行详细描述。
(1)对浏览行为节点的行为持续特征和行为流向特征分别进行最近邻分类计算,得到第一最近邻分类结果。
(2)基于第一最近邻分类结果中与行为持续特征匹配的最近邻分类结果,在预设疾病类型关联特征库的最近邻分类结果中进行定位,得到与行为持续特征匹配的第一定位结果。
(3)基于第一最近邻分类结果中与行为流向特征匹配的最近邻分类结果,在预设疾病类型关联特征库的最近邻分类结果中进行定位,得到与行为流向特征匹配的第二定位结果。
(4)获取第一定位结果与第二定位结果中相同的定位结果,作为初步定位结果,计算初步定位结果中包括的每一项定位结果与浏览行为节点之间的位置差距,并根据计算得到的位置差距,对初步定位结果中包括的定位结果进行合成处理,得到目标定位结果。
(5)获取目标定位结果中的每一项定位结果的疾病类型关联特征节点,并对获取到的每一个疾病类型关联特征节点分别进行行为持续特征提取和行为流向特征提取。
(6)对于每一个疾病类型关联特征节点,对疾病类型关联特征节点的行为持续特征和行为流向特征分别进行最近邻分类计算,得到疾病类型关联特征节点的最近邻分类结果。
(7)获取疾病类型关联特征节点在定位结果中的节点位置,并基于定位结果的标识信息以及疾病类型关联特征节点的节点位置,关联疾病类型关联特征节点的最近邻分类结果,以得到浏览行为节点的疾病类型关联特征以及浏览行为节点对应的关联度。
在一种可能的实现方式中,针对步骤S130,可以通过以下示例性子步骤具体实现,下面进行详细描述。
子步骤S131,针对跟踪识别结果中每个浏览行为节点的疾病类型关联特征,将疾病类型关联特征输入对应的浏览行为记录所对应的医疗病情行为监控模型中,抽取医疗病情行为监控模型的多个不同监控对象单元的监控特征向量,并将多个不同监控对象单元的监控特征向量进行组合后生成疾病类型关联特征的监控特征向量。
子步骤S132,根据每个浏览行为节点对应的关联度计算疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,以及每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型。
本实施例中,偏移特征向量部分用于表示该特征向量部分与相应的医疗病历信息的疾病文本范围所对应的特征向量存在反向特征情况,偏移标签类型用于表示该特征向量部分为偏移特征向量部分时该特征向量部分存在反向特征情况所对应的医疗信息类型。
例如,大数据医疗云平台100中可以预先配置有不同关联度区间所对应的偏移函数,偏移函数越大,表示反向特征情况越明显。
由此,可以根据每个浏览行为节点对应的关联度所在的关联度区间,确定每个浏览行为节点的偏移函数,然后根据每个浏览行为节点的偏移函数,计算疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度。
其中,作为一种可能的示例,置信度可以根据监控特征向量中每个特征向量部分的矩阵输出值与偏移函数的乘积得到。
然后,可以确定置信度高于预设置信度阈值的特征向量部分为偏移特征向量部分,并根据各个偏移特征向量部分的偏移方向和偏移数量匹配的偏移标签,确定每个偏移特征向量部分的偏移标签类型。
子步骤S133,根据每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,生成智慧医疗服务终端200的患者用户所对应的医疗病情行为监控结果,并将医疗病情行为监控结果推送给智慧医疗服务终端200对应的医护人员终端进行监控信息提示。
例如,可以将每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型作为一个医疗病情行为监控项目,将每个医疗病情行为监控项目作为智慧医疗服务终端200的患者用户所对应的医疗病情行为监控结果。
在上述基础上,本实施例中,为了便于后续进行数据追溯,大数据医疗云平台100还可以记录每次生成的智慧医疗服务终端200的患者用户所对应的医疗病情行为监控结果到与相应的医疗病历信息中包括的病历疾病行为监控数据库中。
图3为本公开实施例提供的基于大数据的智慧医疗病情监控装置300的功能模块示意图,本实施例可以根据上述大数据医疗云平台100执行的方法实施例对该基于大数据的智慧医疗病情监控装置300进行功能模块的划分,也即该基于大数据的智慧医疗病情监控装置300所对应的以下各个功能模块可以用于执行上述大数据医疗云平台100执行的各个方法实施例。其中,该基于大数据的智慧医疗病情监控装置300可以包括获取模块310、跟踪识别模块320以及生成模块330,下面分别对该基于大数据的智慧医疗病情监控装置300的各个功能模块的功能进行详细阐述。
获取模块310,用于获取智慧医疗服务终端200浏览时长超过预设时长的医疗信息推荐列表,并提取医疗信息推荐列表的大数据行为特征,其中,医疗信息推荐列表为智慧医疗服务终端200通过浏览相应的医疗病历信息后进行意图搜索目标后进行推荐的信息列表,相应的医疗病历信息包括智慧医疗服务终端200的患者用户的医疗病历信息以及医疗病历信息相关联的关联医疗病历信息。其中,获取模块310可以用于执行上述的步骤S110,关于获取模块310的详细实现方式可以参照上述针对步骤S110的详细描述即可。
跟踪识别模块320,用于对大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,跟踪识别结果包括在相应的医疗病历信息的疾病文本范围内大数据行为特征中的各浏览行为节点的疾病类型关联特征以及每个浏览行为节点对应的关联度,每个浏览行为节点分别对应一种浏览行为记录。其中,跟踪识别模块320可以用于执行上述的步骤S120,关于跟踪识别模块320的详细实现方式可以参照上述针对步骤S120的详细描述即可。
生成模块330,用于根据跟踪识别结果生成智慧医疗服务终端200的患者用户所对应的医疗病情行为监控结果,并将医疗病情行为监控结果推送给智慧医疗服务终端200对应的医护人员终端进行监控信息提示。其中,生成模块330可以用于执行上述的步骤S130,关于生成模块330的详细实现方式可以参照上述针对步骤S130的详细描述即可。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,获取模块310可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上获取模块310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application specific integrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(centralprocessing unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
图4示出了本公开实施例提供的用于实现上述的控制设备的大数据医疗云平台100的硬件结构示意图,如图4所示,大数据医疗云平台100可包括处理器110、机器可读存储介质120、总线130以及收发器140。
在具体实现过程中,至少一个处理器110执行所述机器可读存储介质120存储的计算机执行指令(例如图3中所示的基于大数据的智慧医疗病情监控装置300包括的获取模块310、跟踪识别模块320以及生成模块330),使得处理器110可以执行如上方法实施例的基于大数据的智慧医疗病情监控方法,其中,处理器110、机器可读存储介质120以及收发器140通过总线130连接,处理器110可以用于控制收发器140的收发动作,从而可以与前述的智慧医疗服务终端200进行数据收发。
处理器110的具体实现过程可参见上述大数据医疗云平台100执行的各个方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
在上述的图4所示的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,DSP)、专用集成电路(英文:ApplicationSpecificIntegrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
机器可读存储介质120可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器。
总线130可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
此外,本公开实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上基于大数据的智慧医疗病情监控方法。
上述的可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
最后应说明的是:以上各实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述各实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。
Claims (10)
1.一种基于大数据的智慧医疗病情监控方法,其特征在于,应用于与多个智慧医疗服务终端通信连接的大数据医疗云平台,所述方法包括:
获取所述智慧医疗服务终端浏览时长超过预设时长的医疗信息推荐列表,并提取所述医疗信息推荐列表的大数据行为特征,其中,所述医疗信息推荐列表为所述智慧医疗服务终端通过浏览相应的医疗病历信息后进行意图搜索目标后进行推荐的信息列表,所述相应的医疗病历信息包括所述智慧医疗服务终端的患者用户的医疗病历信息以及所述医疗病历信息相关联的关联医疗病历信息;
对所述大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果,所述跟踪识别结果包括在所述相应的医疗病历信息的疾病文本范围内所述大数据行为特征中的各浏览行为节点的疾病类型关联特征以及每个浏览行为节点对应的关联度,每个浏览行为节点分别对应一种浏览行为记录;
根据所述跟踪识别结果生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示。
2.根据权利要求1所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述提取所述医疗信息推荐列表的大数据行为特征的步骤,包括:
根据预先配置的浏览行为匹配规则序列提取所述医疗信息推荐列表中的匹配关键信息记录并提取所述匹配关键信息记录中的匹配特征向量;
获取每个匹配特征向量对应的行为参数集合和内容参数集合,所述内容参数集合包括内容项目信息和内容时长信息,所述内容时长信息用于表示行为参数识别过程中的时序信息;
根据所述内容参数集合获取所述医疗信息推荐列表所对应的浏览目标定位序列,其中,所述浏览目标定位序列为所述医疗信息推荐列表中当前第一推荐信息单元与第二推荐信息单元的浏览目标定位序列,所述第二推荐信息单元为所述第一推荐信息单元的附属信息推荐单元;
将所述行为参数集合中每个行为参数的参数序号与所述浏览目标定位序列进行比较,得到比较结果,所述比较结果表示所述行为参数是位于所述第一推荐信息单元内或者位于所述第二推荐信息单元内;
根据所述比较结果提取所述医疗信息推荐列表的大数据行为特征。
3.根据权利要求2所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述根据所述比较结果提取所述医疗信息推荐列表的大数据行为特征的步骤,包括:
根据所述行为参数集合构建待合成的目标行为参数集合;
根据所述行为参数集合从所述内容参数集合中选取相应的目标特征表达信息,并从所述目标行为参数集合中获取位于所述第一推荐信息单元和第二推荐信息单元内的行为参数;
当所述行为参数位于当前的第一推荐信息单元内时,根据所述行为参数的位置在行为参数集合中确定相应的第一待合成行为参数、以及在所述内容参数集合中确定相应的第二待合成行为参数,并将所述第一待合成行为参数在所述行为参数集合中的参数向量、与所述第二待合成行为参数在所述内容参数集合中的参数向量进行合成,得到第一合成参数向量,而后将所述行为参数在所述目标行为参数集合中的参数向量更新为所述第一合成参数向量;
当所述行为参数位于当前的第二推荐信息单元内时,根据所述行为参数的位置在所述行为参数集合中确定相应的第一待合成行为参数、以及在所述目标特征表达信息中确定相应的第三待合成行为参数,并将所述第一待合成行为参数在所述行为参数集合中的参数向量、与所述第三待合成行为参数在所述目标特征表达信息中的参数向量进行合成,得到第二合成参数向量,而后将所述行为参数在所述目标行为参数集合中的参数向量更新为所述第二合成参数向量;
提取更新为第一合成参数向量或者第二合成参数向量的该行为参数的特征信息,并汇总后得到所述医疗信息推荐列表的大数据行为特征。
4.根据权利要求1所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述对所述大数据行为特征中的各浏览行为节点进行跟踪识别,得到跟踪识别结果的步骤,包括:
对所述大数据行为特征中的各浏览行为节点进行跟踪识别,分别得到至少一个跟踪轨迹记录队列;
在所述至少一个跟踪轨迹记录队列上提取所述浏览行为节点的行为持续特征和行为流向特征,所述行为流向特征用于描述所述跟踪轨迹记录队列中的行为变化趋势;
根据所述浏览行为节点的行为持续特征和行为流向特征得到在疾病文本范围内所述浏览行为节点的疾病类型关联特征以及所述浏览行为节点对应的关联度。
5.根据权利要求4所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述根据所述浏览行为节点的行为持续特征和行为流向特征得到在疾病文本范围内所述浏览行为节点的疾病类型关联特征以及所述浏览行为节点对应的关联度的步骤,包括:
对所述浏览行为节点的行为持续特征和行为流向特征分别进行最近邻分类计算,得到第一最近邻分类结果;
基于所述第一最近邻分类结果中与所述行为持续特征匹配的最近邻分类结果,在预设疾病类型关联特征库的最近邻分类结果中进行定位,得到与所述行为持续特征匹配的第一定位结果;
基于所述第一最近邻分类结果中与所述行为流向特征匹配的最近邻分类结果,在所述预设疾病类型关联特征库的最近邻分类结果中进行定位,得到与所述行为流向特征匹配的第二定位结果;
获取所述第一定位结果与所述第二定位结果中相同的定位结果,作为初步定位结果,计算所述初步定位结果中包括的每一项定位结果与所述浏览行为节点之间的位置差距,并根据计算得到的位置差距,对所述初步定位结果中包括的定位结果进行合成处理,得到目标定位结果;
获取所述目标定位结果中的每一项定位结果的疾病类型关联特征节点,并对获取到的每一个疾病类型关联特征节点分别进行行为持续特征提取和行为流向特征提取;
对于所述每一个疾病类型关联特征节点,对所述疾病类型关联特征节点的行为持续特征和行为流向特征分别进行最近邻分类计算,得到所述疾病类型关联特征节点的最近邻分类结果;
获取所述疾病类型关联特征节点在所述定位结果中的节点位置,并基于所述定位结果的标识信息以及所述疾病类型关联特征节点的节点位置,关联所述疾病类型关联特征节点的最近邻分类结果,以得到所述浏览行为节点的疾病类型关联特征以及所述浏览行为节点对应的关联度。
6.根据权利要求1-5中任意一项所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述根据所述跟踪识别结果生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示的步骤,包括:
针对所述跟踪识别结果中每个浏览行为节点的疾病类型关联特征,将所述疾病类型关联特征输入对应的浏览行为记录所对应的医疗病情行为监控模型中,抽取所述医疗病情行为监控模型的多个不同监控对象单元的监控特征向量,并将所述多个不同监控对象单元的监控特征向量进行组合后生成所述疾病类型关联特征的监控特征向量;
根据每个浏览行为节点对应的关联度计算所述疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,以及每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,其中,所述偏移特征向量部分用于表示该特征向量部分与所述相应的医疗病历信息的疾病文本范围所对应的特征向量存在反向特征情况,所述偏移标签类型用于表示该特征向量部分为偏移特征向量部分时该特征向量部分存在反向特征情况所对应的医疗信息类型;
根据每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果,并将所述医疗病情行为监控结果推送给所述智慧医疗服务终端对应的医护人员终端进行监控信息提示。
7.根据权利要求6所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述大数据医疗云平台中预先配置有不同关联度区间所对应的偏移函数,偏移函数越大,表示反向特征情况越明显;
所述根据每个浏览行为节点对应的关联度计算所述疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,以及每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型的步骤,包括:
根据每个浏览行为节点对应的关联度所在的关联度区间,确定每个浏览行为节点的偏移函数;
根据每个浏览行为节点的偏移函数,计算所述疾病类型关联特征的监控特征向量中每个特征向量部分为偏移特征向量部分的置信度,其中,所述置信度根据所述监控特征向量中每个特征向量部分的矩阵输出值与所述偏移函数的乘积得到;
确定置信度高于预设置信度阈值的特征向量部分为偏移特征向量部分,并根据各个偏移特征向量部分的偏移方向和偏移数量匹配的偏移标签,确定每个偏移特征向量部分的偏移标签类型。
8.根据权利要求7所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述根据每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型,生成所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果的步骤,包括:
将每个特征向量部分为偏移特征向量部分时该特征向量部分的偏移标签类型作为一个医疗病情行为监控项目,将每个医疗病情行为监控项目作为所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果。
9.根据权利要求1-8中任意一项所述的基于大数据的智慧医疗病情监控方法,其特征在于,所述方法还包括:
记录每次生成的所述智慧医疗服务终端的患者用户所对应的医疗病情行为监控结果到与所述相应的医疗病历信息中包括的病历疾病行为监控数据库中。
10.一种大数据医疗云平台,其特征在于,所述大数据医疗云平台包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个智慧医疗服务终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行权利要求1-9中任意一项的基于大数据的智慧医疗病情监控方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010308881.9A CN111540421B (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 |
CN202011150249.2A CN112259225A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及系统 |
CN202011150250.5A CN112259226A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法、系统及医疗云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010308881.9A CN111540421B (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011150250.5A Division CN112259226A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法、系统及医疗云平台 |
CN202011150249.2A Division CN112259225A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111540421A true CN111540421A (zh) | 2020-08-14 |
CN111540421B CN111540421B (zh) | 2021-01-08 |
Family
ID=71975177
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011150249.2A Withdrawn CN112259225A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及系统 |
CN202010308881.9A Active CN111540421B (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 |
CN202011150250.5A Withdrawn CN112259226A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法、系统及医疗云平台 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011150249.2A Withdrawn CN112259225A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法及系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011150250.5A Withdrawn CN112259226A (zh) | 2020-04-19 | 2020-04-19 | 基于大数据的智慧医疗病情监控方法、系统及医疗云平台 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN112259225A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112687395A (zh) * | 2020-12-30 | 2021-04-20 | 上海京知信息科技有限公司 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
CN113380358A (zh) * | 2021-06-01 | 2021-09-10 | 上海德衡数据科技有限公司 | 基于物联网的医疗信息交互的方法、装置及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798714B (zh) * | 2023-02-08 | 2023-05-16 | 南方医科大学南方医院 | 一种基于互联网的老年慢性病医疗判断方法及管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043793A (zh) * | 2009-10-09 | 2011-05-04 | 卢健华 | 一种面向知识服务的推荐方法 |
CN103646089A (zh) * | 2013-12-13 | 2014-03-19 | 百度在线网络技术(北京)有限公司 | 自动搜索方法及装置 |
CN104915763A (zh) * | 2015-05-28 | 2015-09-16 | 汤海京 | 一种面向消化系统慢性病管理的大数据处理方法和设备 |
CN105389361A (zh) * | 2015-11-05 | 2016-03-09 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN108153843A (zh) * | 2017-12-18 | 2018-06-12 | 广州七乐康药业连锁有限公司 | 一种基于云平台的医疗信息个性化推荐方法及系统 |
US20190355452A1 (en) * | 2018-05-20 | 2019-11-21 | Mizan Rahman | Method and system to safeguard release of medical records |
CN110853746A (zh) * | 2019-10-14 | 2020-02-28 | 边缘智能研究院南京有限公司 | 基于数字孪生的智慧医院系统及其构建方法 |
-
2020
- 2020-04-19 CN CN202011150249.2A patent/CN112259225A/zh not_active Withdrawn
- 2020-04-19 CN CN202010308881.9A patent/CN111540421B/zh active Active
- 2020-04-19 CN CN202011150250.5A patent/CN112259226A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043793A (zh) * | 2009-10-09 | 2011-05-04 | 卢健华 | 一种面向知识服务的推荐方法 |
CN103646089A (zh) * | 2013-12-13 | 2014-03-19 | 百度在线网络技术(北京)有限公司 | 自动搜索方法及装置 |
CN104915763A (zh) * | 2015-05-28 | 2015-09-16 | 汤海京 | 一种面向消化系统慢性病管理的大数据处理方法和设备 |
CN105389361A (zh) * | 2015-11-05 | 2016-03-09 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN108153843A (zh) * | 2017-12-18 | 2018-06-12 | 广州七乐康药业连锁有限公司 | 一种基于云平台的医疗信息个性化推荐方法及系统 |
US20190355452A1 (en) * | 2018-05-20 | 2019-11-21 | Mizan Rahman | Method and system to safeguard release of medical records |
CN110853746A (zh) * | 2019-10-14 | 2020-02-28 | 边缘智能研究院南京有限公司 | 基于数字孪生的智慧医院系统及其构建方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112687395A (zh) * | 2020-12-30 | 2021-04-20 | 上海京知信息科技有限公司 | 人工智能的医疗信息处理方法、装置、设备及存储介质 |
CN113380358A (zh) * | 2021-06-01 | 2021-09-10 | 上海德衡数据科技有限公司 | 基于物联网的医疗信息交互的方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112259225A (zh) | 2021-01-22 |
CN112259226A (zh) | 2021-01-22 |
CN111540421B (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111540466B (zh) | 基于大数据的智慧医疗信息推送方法及大数据医疗云平台 | |
CN111540421B (zh) | 基于大数据的智慧医疗病情监控方法及大数据医疗云平台 | |
CN109086394B (zh) | 搜索排序方法、装置、计算机设备和存储介质 | |
CN112889042A (zh) | 机器学习中超参数的识别与应用 | |
CN112465590A (zh) | 基于电子商务大数据的用户画像解析方法及系统 | |
CN110413867B (zh) | 用于内容推荐的方法及系统 | |
WO2017206376A1 (zh) | 搜索方法、装置及非易失性计算机存储介质 | |
CN110674144A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
WO2022148038A1 (zh) | 信息推荐方法及装置 | |
CN111209490A (zh) | 基于用户信息的交友推荐方法、电子装置及存储介质 | |
CN113849748A (zh) | 信息展示方法、装置、电子设备及可读存储介质 | |
CN111400126A (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
CN112085567A (zh) | 商品推荐方法、装置、电子设备以及可读介质 | |
CN113657087A (zh) | 信息的匹配方法及装置 | |
CN111723227A (zh) | 基于人工智能和互联网的数据分析方法及云计算服务平台 | |
CN112269894B (zh) | 物品池生成方法、图片搜索方法、装置、电子设备及介质 | |
CN115618126A (zh) | 搜索处理方法、系统、计算机可读存储介质及计算机设备 | |
CN113065025A (zh) | 视频查重方法、装置、设备及存储介质 | |
CN111796988B (zh) | 一种大数据信息监控方法、装置及计算机设备 | |
EP3432154A1 (en) | Method and apparatus for providing search recommendation information | |
CN113963234B (zh) | 数据标注处理方法、装置、电子设备和介质 | |
CN109739401B (zh) | 一种用户特征数据管理系统及其界面显示方法及相关设备 | |
CN116308665A (zh) | 产品推荐方法、装置、设备及介质 | |
CN117743411A (zh) | 构建查询词类目匹配关系的方法、查询方法及相关产品 | |
CN117725282A (zh) | 模型训练方法、搜索方法及相关产品 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201201 Address after: 518000 Shenzhen City, Shenzhen, Guangdong, Futian street, Shenzhen Nanzhong Road, No. 3039 international cultural building 2905A Applicant after: Shenzhen coordinate Software Group Co., Ltd Address before: Room 302, 12 / F, innovation building, big data Industrial Park, 29 Xuehai Road, Xindu street, Chengnan New District, Yancheng City, Jiangsu Province Applicant before: Zhou Yujuan |
|
GR01 | Patent grant | ||
GR01 | Patent grant |