CN111710382A - 远程数据分析方法、装置、设备及存储介质 - Google Patents
远程数据分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111710382A CN111710382A CN202010532567.9A CN202010532567A CN111710382A CN 111710382 A CN111710382 A CN 111710382A CN 202010532567 A CN202010532567 A CN 202010532567A CN 111710382 A CN111710382 A CN 111710382A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- patient
- reference treatment
- medical information
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011282 treatment Methods 0.000 claims abstract description 190
- 238000004458 analytical method Methods 0.000 claims abstract description 103
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 96
- 201000010099 disease Diseases 0.000 claims abstract description 95
- 238000012549 training Methods 0.000 claims abstract description 48
- 238000013136 deep learning model Methods 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 abstract description 19
- 230000000875 corresponding effect Effects 0.000 description 49
- 229940079593 drug Drugs 0.000 description 18
- 239000003814 drug Substances 0.000 description 18
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001802 infusion Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
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
- 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
- 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)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种远程数据分析方法、装置、设备及存储介质，所述远程数据分析方法包括：获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。本发明获取医疗信息以及医疗信息对应的患者信息与病症信息，生成多个关系组，根据预设深度学习模型对多个关系组进行训练，并由训练得到的目标分析模型分析得到参考治疗方案，通过获取大量的医疗信息作为诊断依据，分析得到参考治疗方案，便于医务人员进行参考，提高诊断效率。
Description
技术领域
本发明涉及服务领域，尤其涉及一种远程数据分析方法、装置、设备及存储介质。
背景技术
随着科技与医疗技术的快速发展，现如今人们可通过网络预约就诊，以便于患者可以及时得到治疗。但是，当前各医疗机构采用单独运行机制，并且缺少对各类病症诊断数据、用户共享信息等医疗信息的收集与分析，使得医务人员无法获取大量的医疗信息作为诊断依据，导致诊断的效率较低。
发明内容
本发明的主要目的在于提供一种远程数据分析方法、装置、设备及存储介质，旨在解决当前各医疗机构医务人员无法获取大量的医疗信息作为诊断依据，导致诊断的效率较低的技术问题。
为实现上述目的，本发明实施例提供一种远程数据分析方法，所述远程数据分析方法包括：
获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
优选地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤包括：
将待治疗患者的目标患者信息与目标病症信息输入目标分析模型，基于所述目标分析模型对所述目标患者信息与所述目标病症信息进行分析，得到目标医疗信息；
检测所述目标医疗信息的合理度，若所述目标医疗信息的合理度大于预设阈值，则根据所述目标医疗信息生成参考治疗方案。
优选地，所述获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组的步骤包括：
获取多个患者的医疗信息，并获取每一患者的医疗信息对应的患者信息与病症信息，针对每一患者的医疗信息、患者信息与病症信息，分别执行以下步骤：
在所述患者的医疗信息、患者信息、病症信息之间建立关联关系；
基于所述关联关系，生成所述患者的医疗信息、患者信息、病症信息对应的关系组，直到根据每一患者的医疗信息、患者信息与病症信息生成多个关系组。
优选地，所述将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型的步骤包括：
将多个所述关系组分成训练集与测试集，将所述测试集输入预设深度学习模型进行训练，得到待测试分析模型；
将所述测试集输入所述待测试分析模型进行优化，生成目标分析模型。
优选地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后包括：
当接收到检索指令时，获取所述检索指令对应的关键词，检测是否存在所述关键词对应的参考治疗方案；
若存在所述关键词对应的参考治疗方案，则检测所述参考治疗方案的数量，根据所述参考治疗方案的数量输出建议治疗方案。
优选地，所述根据所述参考治疗方案的数量输出建议治疗方案的步骤包括：
若所述参考治疗方案的数量为一个，则将所述参考治疗方案作为建议治疗方案进行输出；
若所述参考治疗方案的数量为多个，则对多个所述参考治疗方案进行使用次数排序，将多个所述参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案进行输出。
优选地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后还包括：
当接收到基于所述参考治疗方案的反馈信息时，根据所述反馈信息对所述参考治疗方案进行修正，生成新的参考治疗方案。
为实现上述目的，本发明还提供一种远程数据分析装置，所述远程数据分析装置包括：
获取模块，用于获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
训练模块，用于将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
分析模块，用于将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
进一步地，为实现上述目的，本发明还提供一种远程数据分析设备，其特征在于，所述远程数据分析设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的远程数据分析程序，所述远程数据分析程序被所述处理器执行时实现上述的远程数据分析方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，其特征在于，所述存储介质上存储有远程数据分析程序，所述远程数据分析程序被处理器执行时实现上述的远程数据分析方法的步骤。
本发明实施例提供一种远程数据分析方法、装置、设备及存储介质，所述远程数据分析方法包括：获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。本发明获取医疗信息以及医疗信息对应的患者信息与病症信息，生成多个关系组，根据预设深度学习模型对多个关系组进行训练，并由训练得到的目标分析模型分析得到参考治疗方案，通过获取大量的医疗信息作为诊断依据，分析得到参考治疗方案，便于医务人员进行参考，提高诊断效率。
附图说明
图1为本发明远程数据分析方法实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明远程数据分析方法第一实施例的流程示意图；
图3为本发明远程数据分析方法第四实施例的流程示意图；
图4为本发明远程数据分析装置较佳实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种远程数据分析方法、装置、设备及存储介质，所述远程数据分析方法包括：获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。本发明获取医疗信息以及医疗信息对应的患者信息与病症信息，生成多个关系组，根据预设深度学习模型对多个关系组进行训练，并由训练得到的目标分析模型分析得到参考治疗方案，通过获取大量的医疗信息作为诊断依据，分析得到参考治疗方案，便于医务人员进行参考，提高诊断效率。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的远程数据分析设备结构示意图。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
本发明实施例远程数据分析设备可以是PC，也可以是平板电脑、便携计算机等可移动式终端设备。
如图1所示，该远程数据分析设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的远程数据分析设备结构并不构成对远程数据分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及远程数据分析程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的远程数据分析程序，并执行以下操作：
获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
进一步地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤包括：
将待治疗患者的目标患者信息与目标病症信息输入目标分析模型，基于所述目标分析模型对所述目标患者信息与所述目标病症信息进行分析，得到目标医疗信息；
检测所述目标医疗信息的合理度，若所述目标医疗信息的合理度大于预设阈值，则根据所述目标医疗信息生成参考治疗方案。
进一步地，所述获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组的步骤包括：
获取多个患者的医疗信息，并获取每一患者的医疗信息对应的患者信息与病症信息，针对每一患者的医疗信息、患者信息与病症信息，分别执行以下步骤：
在所述患者的医疗信息、患者信息、病症信息之间建立关联关系；
基于所述关联关系，生成所述患者的医疗信息、患者信息、病症信息对应的关系组，直到根据每一患者的医疗信息、患者信息与病症信息生成多个关系组。
进一步地，所述将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型的步骤包括：
将多个所述关系组分成训练集与测试集，将所述测试集输入预设深度学习模型进行训练，得到待测试分析模型；
将所述测试集输入所述待测试分析模型进行优化，生成目标分析模型。
进一步地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后，处理器1001可以用于调用存储器1005中存储的远程数据分析程序，并执行以下操作：
当接收到检索指令时，获取所述检索指令对应的关键词，检测是否存在所述关键词对应的参考治疗方案；
若存在所述关键词对应的参考治疗方案，则检测所述参考治疗方案的数量，根据所述参考治疗方案的数量输出建议治疗方案。
进一步地，所述根据所述参考治疗方案的数量输出建议治疗方案的步骤包括：
若所述参考治疗方案的数量为一个，则将所述参考治疗方案作为建议治疗方案进行输出；
若所述参考治疗方案的数量为多个，则对多个所述参考治疗方案进行使用次数排序，将多个所述参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案进行输出。
进一步地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后，处理器1001可以用于调用存储器1005中存储的远程数据分析程序，并执行以下操作：
当接收到基于所述参考治疗方案的反馈信息时，根据所述反馈信息对所述参考治疗方案进行修正，生成新的参考治疗方案。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图2，本发明第一实施例提供一种远程数据分析方法的流程示意图。该实施例中，所述远程数据分析方法包括以下步骤：
步骤S10，获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
本实施例中的远程数据分析方法应用于由医疗设备与云服务器组成的系统，其中医疗设备为用于对患者进行治疗的设备，医疗设备中设置有信息收集模块，信息收集模块用于对医疗设备运行时产生的医疗信息进行采集，云服务器用于存储数据，云服务器与医疗设备通信连接，以便于医疗设备将信息收集模块采集的医疗信息传输至云服务器进行存储。
进一步地，系统从云服务器中获取多个患者的医疗信息，根据获取的多个患者的医疗信息，分别查询与多个患者的医疗信息对应的患者信息与病症信息，其中医疗信息包括药物类型、药量、浓度、工作模式等，工作模式为医疗设备运行时的模式，例如通过输液泵进行输液时，输液泵输送药液的工作模式可以为低速模式、梯度模式、体重模式等，患者信息为年龄、性别、生活习惯等，病症信息至少包含病因、病况。进一步地，系统根据多个患者的医疗信息、患者信息与病症信息，生成多个关系组，其中患者信息与病症信息为医务人员在完成对患者的治疗后输入至终端的信息。可以理解地，医疗设备在运行时，由信息收集模块采集医疗设备运行产生的医疗信息，并将医疗信息传输至云服务器中存储，以确保医疗信息的安全保存。
进一步地，所述获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组的步骤包括：
步骤S11，获取多个患者的医疗信息，并获取每一患者的医疗信息对应的患者信息与病症信息，针对每一患者的医疗信息、患者信息与病症信息，分别执行以下步骤；
步骤S12，在所述患者的医疗信息、患者信息、病症信息之间建立关联关系；
步骤S13，基于所述关联关系，生成所述患者的医疗信息、患者信息、病症信息对应的关系组，直到根据每一患者的医疗信息、患者信息与病症信息生成多个关系组。
进一步地，系统获取云服务器中存储的多个患者的医疗信息，并进一步根据多个患者的医疗信息，分别查找每一患者的医疗信息对应的患者信息以及病症信息；进一步地，系统分别对每一患者的医疗信息、患者信息以及病症信息之间的相关关系进行分析，具体地，分析每一患者的年龄、性别、生活习惯是否与患者的病因、病况相关，并分析患者的病因、病况与对其进行治疗的药物类型、药量、浓度、工作模式等医疗信息的相关性。进一步地，系统根据分析结果，对每一患者的医疗信息、患者信息以及病症信息进行关联，具体地，系统将药物类型、药量、浓度、工作模式、年龄、性别、生活习惯、病因、病况等信息进行组合关联。进一步地，系统根据对药物类型信息、药量信息、浓度信息、工作模式信息、患者年龄信息、性别信息、生活习惯信息、病因信息、病况信息进行组合关联得到的信息，生成表征医疗信息、患者信息与病症信息之间关系的关系组，直到根据每一患者的医疗信息、患者信息与病症信息生成多个关系组。例如，系统将对患者进行治疗的药物类型、药量、浓度等患者信息，与患者的病况，以及患者的年龄与生活习惯等信息进行关联，并将药物类型、药量、浓度、病况、年龄、生活习惯等信息形成一个关系组。
步骤S20，将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
进一步地，系统将生成的多个关系组分成训练集与测试集，并分别将训练集与测试集输入到预设深度学习模型中进行训练，基于多次训练生成表征当前训练次数下分析结果最优的目标分析模型，其中预设深度学习模型至少可以为卷积神经网络(convolutionalneural network)、深度信任网络模型(Deep neural network)和堆栈自编码网络(stackedauto-encoder network)模型，本实施例中优选为卷积神经网络。
步骤S30，将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
进一步地，系统在得到目标分析模型后，将正在等待诊断与治疗的待治疗患者的患者信息与病症信息输入到目标分析模型，通过目标分析模型对患者信息与病症信息进行分析，得到参考治疗方案并推送给医务人员进行参考。
进一步地，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤包括：
步骤S31，将待治疗患者的目标患者信息与目标病症信息输入目标分析模型，基于所述目标分析模型对所述目标患者信息与所述目标病症信息进行分析，得到目标医疗信息；
步骤S32，检测所述目标医疗信息的合理度，若所述目标医疗信息的合理度大于预设阈值，则根据所述目标医疗信息生成参考治疗方案。
可以理解地，由于患者信息和病症信息已经与医疗信息进行了关联，因此将新患者的患者信息与病症信息输入到目标分析模型，得到与新患者的患者信息和病症信息对应的医疗信息。进一步地，系统将正在等待诊断与治疗的待治疗患者的目标患者信息与目标病症信息输入到由预设深度学习模型生成的目标分析模型中，根据目标分析模型对待治疗患者的目标患者信息与目标病症信息进行分析，得到表征具有相似患者信息和病症信息的患者的目标医疗信息。可以理解地，由于医疗信息中药物类型与浓度及药量存在一定的限制关系，例如药物类型在使用药量或浓度达到一定阈值时，将对患者产生一定的危害，因此，需要对得到的目标医疗信息进行分析。进一步地，系统对得到的目标医疗信息进行合理度分析，其中合理度表征目标医疗信息中各类信息组合使用的可行性，具体地，系统检测目标医疗信息的合理度是否大于预设阈值，若目标医疗信息的合理度大于预设阈值，表征根据目标医疗信息生成的参考治疗方案不会对患者产生危害，其中预设阈值为医务人员根据实际需求设置。进一步地，系统根据完成合理度分析后的目标医疗信息，生成一个或多个参考治疗方案。
本发明实施例提供一种远程数据分析方法、装置、设备及存储介质，所述远程数据分析方法包括：获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。本发明获取医疗信息以及医疗信息对应的患者信息与病症信息，生成多个关系组，根据预设深度学习模型对多个关系组进行训练，并由训练得到的目标分析模型分析得到参考治疗方案，通过获取大量的医疗信息作为诊断依据，分析得到参考治疗方案，便于医务人员进行参考，提高诊断效率。
进一步地，基于本发明远程数据分析方法的第一实施例，提出本发明远程数据分析方法的第二实施例，在第二实施例中，所述将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型的步骤包括：
步骤S21，将多个所述关系组分成训练集与测试集，将所述测试集输入预设深度学习模型进行训练，得到待测试分析模型；
步骤S22，将所述测试集输入所述待测试分析模型进行优化，生成目标分析模型。
进一步地，系统将生成的多个关系组进行划分，分为训练集与测试集，其中训练集与测试集的比例为用户根据需求设定，默认情况下设置训练集与测试集的比例为8:2。进一步地，系统将划分后的训练集输入到预设深度学习模型中，根据预设深度学习模型对训练集进行训练，并在预设深度学习模型对测试集训练完成后，生成待测试分析模型。进一步地，系统将多个关系组中的测试集输入到生成的待测试分析模型中，根据测试集对待测试分析模型进行优化，具体地，系统将测试集多个关系组的患者信息与病症信息输入待测试分析模型，分析得到多个医疗信息，检测多个医疗信息是否均与输入待测试分析模型的患者信息和病症信息对应的医疗信息相同，若均相同则判定优化成功，生成目标分析模型；若存在任一医疗信息与输入待测试分析模型的患者信息和病症信息对应的医疗信息不相同，则执行将多个所述关系组分成训练集与测试集，将所述测试集输入预设深度学习模型进行训练，得到待测试分析模型的步骤，直到检测多个医疗信息均与输入待测试分析模型的患者信息和病症信息对应的医疗信息相同。
本实施例将多个关系组分成训练集与测试集，通过训练集与测试集对预设深度学习模型进行训练与优化，得到表征分析结果最优的目标分析模型，以根据目标分析模型分析得到参考治疗方案，便于医务人员进行参考，快速完成就诊，提高诊断效率。
进一步地，基于本发明远程数据分析方法的第一实施例或第二实施例，提出本发明远程数据分析方法的第三实施例，在第三实施例中，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后包括：
步骤S40，当接收到检索指令时，获取所述检索指令对应的关键词，检测是否存在所述关键词对应的参考治疗方案；
步骤S50，若存在所述关键词对应的参考治疗方案，则检测所述参考治疗方案的数量，根据所述参考治疗方案的数量输出建议治疗方案。
进一步地，当接收到用户基于终端发送的检索指令时，系统获取与检索指令对应的关键词，其中关键词为基于患者信息与病症信息提取的词汇，例如抽烟、咳嗽等。进一步地，系统检测终端中是否存在与关键词对应的参考治疗方案，若经检测存在与关键词对应的参考治疗方案，则进一步检测与关键词对应的参考治疗方案的数量，根据参考治疗方案的数量确定建议医疗方案并进行输出。
进一步地，所述根据所述参考治疗方案的数量输出建议治疗方案的步骤包括：
步骤S51，若所述参考治疗方案的数量为一个，则将所述参考治疗方案作为建议治疗方案进行输出；
步骤S52，若所述参考治疗方案的数量为多个，则对多个所述参考治疗方案进行使用次数排序，将多个所述参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案进行输出。
进一步地，若检测到与关键词对应的参考治疗方案的数量为一个，系统将参考治疗方案确定为表征当前最优方案的建议治疗方案，并将建议治疗方案输出至终端显示屏，以供医务人员根据建议治疗方案进行参考；若检测到与关键词对应的参考治疗方案的数量为多个，系统对多个参考治疗方案进行排序，具体地，系统检测多个参考治疗方案的使用次数，并根据使用次数对多个参考治疗方案进行排序，排序方式可以为从高到低排序，也可以为从低到高排序，本实施例中优选为从高到低排序。进一步地，系统在根据使用次数进行排序后，将多个参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案，并将建议治疗方案输出至终端显示屏，以供医务人员对建议治疗方案进行参考，例如，系统将多个参考治疗方案中排序后排在首位的参考治疗方案确定为建议治疗方案，并输出至医院的电脑显示屏中，其中预设范围为医务人员根据需求设置。
可以理解地，每个参考治疗方案在被医务人员采用后，医务人员根据该参考治疗方案的实际效果进行评分，并将评分通过终端存储至系统中。进一步地，本实施例还可以根据参考治疗方案的评分进行排序，将多个参考治疗方案根据评分按照从高到低的顺序进行排序，将多个参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案。
本实施例在接收到检索指令时，根据检索指令对应的关键词检索参考治疗方案，并在参考治疗方案为多个时，对多个参考治疗方案进行排序，其中排序方式可以为使用次数或评分，将多个参考治疗方案中排在预设范围内的参考治疗方案作为建议治疗方案，以供医务人员对建议治疗方案进行参考，提高诊断效率。
进一步地，参照图3，基于本发明远程数据分析方法的第一实施例、第二实施例或第三实施例，提出本发明远程数据分析方法的第四实施例，在第四实施例中，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后还包括：
步骤S60，当接收到基于所述参考治疗方案的反馈信息时，根据所述反馈信息对所述参考治疗方案进行修正，生成新的参考治疗方案。
可以理解地，由目标分析模型基于患者信息与病症信息生成的参考治疗方案为当前分析的最优治疗方案，但并不代表参考治疗方案完全适合患者，可能由于患者的体质原因或其他原因导致使用参考治疗方案进行治疗后，没有得到预期的疗效，在此条件下，医务人员根据参考治疗方案以及实际治疗情况，得到反馈信息并将反馈信息反馈至系统中。进一步地，当系统接收到医务人员根据参考治疗方案反馈的反馈信息时，将反馈信息与反馈信息对应的参考治疗方案结合进行分析，根据分析结果生成修正方案。进一步地，系统根据生成的修正方案对反馈信息对应的参考治疗方案进行修正，生成新的参考治疗方案，并将新的参考治疗方案进行存储，以供医务人员根据新的参考治疗方案进行参考。可以理解地，新的参考治疗方案并不会将原有的参考治疗方案覆盖，即原有参考治疗方案将被保留，以便于医务人员可根据多个参考治疗方案进行参考，并基于需求选取最优方案，提高诊断准确性。
本实施例在接收到医务人员根据治疗方案反馈的反馈信息时，根据反馈信息对参考治疗方案进行修正，生成新的参考治疗方案，以供医务人员根据新的参考治疗方案进行参考，提高诊断的准确性。
进一步地，本发明还提供一种远程数据分析装置。
参照图4，图4为本发明远程数据分析装置的较佳实施例的功能模块示意图。
所述远程数据分析装置包括：
获取模块10，用于获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
训练模块20，用于将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
分析模块30，用于将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
进一步地，所述获取模块10包括：
第一获取单元，用于获取多个患者的医疗信息，并获取每一患者的医疗信息对应的患者信息与病症信息，针对每一患者的医疗信息、患者信息与病症信息；
关联单元，用于在所述患者的医疗信息、患者信息、病症信息之间建立关联关系；
第一生成单元，用于基于所述关联关系，生成所述患者的医疗信息、患者信息、病症信息对应的关系组，直到根据每一患者的医疗信息、患者信息与病症信息生成多个关系组。
进一步地，所述训练模块20包括：
第一输入单元，用于将多个所述关系组分成训练集与测试集，将所述测试集输入预设深度学习模型进行训练，得到待测试分析模型；
第二输入单元，用于将所述测试集输入所述待测试分析模型进行优化，生成目标分析模型。
进一步地，所述分析模块30包括：
分析单元，用于将待治疗患者的目标患者信息与目标病症信息输入目标分析模型，基于所述目标分析模型对所述目标患者信息与所述目标病症信息进行分析，得到目标医疗信息；
第二生成单元，用于检测所述目标医疗信息的合理度，若所述目标医疗信息的合理度大于预设阈值，则根据所述目标医疗信息生成参考治疗方案。
进一步地，所述分析模块30还包括：
第二获取单元，用于当接收到检索指令时，获取所述检索指令对应的关键词，检测是否存在所述关键词对应的参考治疗方案；
检测单元，用于若存在所述关键词对应的参考治疗方案，则检测所述参考治疗方案的数量，根据所述参考治疗方案的数量输出建议治疗方案。
进一步地，所述分析模块30还包括：
输出单元，用于若所述参考治疗方案的数量为一个，则将所述参考治疗方案作为建议治疗方案进行输出；
排序单元，用于若所述参考治疗方案的数量为多个，则对多个所述参考治疗方案进行使用次数排序，将多个所述参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案进行输出。
进一步地，所述分析模块30还包括：
修正单元，用于当接收到基于所述参考治疗方案的反馈信息时，根据所述反馈信息对所述参考治疗方案进行修正，生成新的参考治疗方案。
此外，本发明还提供一种存储介质，所述存储介质优选为计算机可读存储介质，其上存储有远程数据分析程序，所述远程数据分析程序被处理器执行时实现上述远程数据分析方法各实施例的步骤。
在本发明远程数据分析装置和存储介质的实施例中，包含了上述远程数据分析方法各实施例的全部技术特征，说明和解释内容与上述远程数据分析方法各实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是固定终端，如物联网智能设备，包括智能空调、智能电灯、智能电源、智能路由器等智能家居；也可以是移动终端，包括智能手机、可穿戴的联网AR/VR装置、智能音箱、自动驾驶汽车等诸多联网设备)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种远程数据分析方法，其特征在于，所述远程数据分析方法包括：
获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
2.如权利要求1所述的远程数据分析方法，其特征在于，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤包括：
将待治疗患者的目标患者信息与目标病症信息输入目标分析模型，基于所述目标分析模型对所述目标患者信息与所述目标病症信息进行分析，得到目标医疗信息；
检测所述目标医疗信息的合理度，若所述目标医疗信息的合理度大于预设阈值，则根据所述目标医疗信息生成参考治疗方案。
3.如权利要求1所述的远程数据分析方法，其特征在于，所述获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组的步骤包括：
获取多个患者的医疗信息，并获取每一患者的医疗信息对应的患者信息与病症信息，针对每一患者的医疗信息、患者信息与病症信息，分别执行以下步骤：
在所述患者的医疗信息、患者信息、病症信息之间建立关联关系；
基于所述关联关系，生成所述患者的医疗信息、患者信息、病症信息对应的关系组，直到根据每一患者的医疗信息、患者信息与病症信息生成多个关系组。
4.如权利要求1所述的远程数据分析方法，其特征在于，所述将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型的步骤包括：
将多个所述关系组分成训练集与测试集，将所述测试集输入预设深度学习模型进行训练，得到待测试分析模型；
将所述测试集输入所述待测试分析模型进行优化，生成目标分析模型。
5.如权利要求1所述的远程数据分析方法，其特征在于，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后包括：
当接收到检索指令时，获取所述检索指令对应的关键词，检测是否存在所述关键词对应的参考治疗方案；
若存在所述关键词对应的参考治疗方案，则检测所述参考治疗方案的数量，根据所述参考治疗方案的数量输出建议治疗方案。
6.如权利要求5所述的远程数据分析方法，其特征在于，所述根据所述参考治疗方案的数量输出建议治疗方案的步骤包括：
若所述参考治疗方案的数量为一个，则将所述参考治疗方案作为建议治疗方案进行输出；
若所述参考治疗方案的数量为多个，则对多个所述参考治疗方案进行使用次数排序，将多个所述参考治疗方案中排在预设范围内的参考治疗方案确定为建议治疗方案进行输出。
7.如权利要求1所述的远程数据分析方法，其特征在于，所述将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案的步骤之后还包括：
当接收到基于所述参考治疗方案的反馈信息时，根据所述反馈信息对所述参考治疗方案进行修正，生成新的参考治疗方案。
8.一种远程数据分析装置，其特征在于，所述远程数据分析装置包括：
获取模块，用于获取多个患者的医疗信息，基于所述医疗信息以及所述医疗信息对应的患者信息与病症信息，生成多个关系组；
训练模块，用于将多个所述关系组输入预设深度学习模型进行训练，得到目标分析模型；
分析模块，用于将待治疗患者的目标患者信息与目标病症信息输入所述目标分析模型，分析得到参考治疗方案。
9.一种远程数据分析设备，其特征在于，所述远程数据分析设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的远程数据分析程序，所述远程数据分析程序被所述处理器执行时实现如权利要求1-7中任一项所述的远程数据分析方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有远程数据分析程序，所述远程数据分析程序被处理器执行时实现如权利要求1-7中任一项所述的远程数据分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010532567.9A CN111710382A (zh) | 2020-06-10 | 2020-06-10 | 远程数据分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010532567.9A CN111710382A (zh) | 2020-06-10 | 2020-06-10 | 远程数据分析方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111710382A true CN111710382A (zh) | 2020-09-25 |
Family
ID=72540299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010532567.9A Pending CN111710382A (zh) | 2020-06-10 | 2020-06-10 | 远程数据分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111710382A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112155892A (zh) * | 2020-09-29 | 2021-01-01 | 安徽力威精工机械有限公司 | 智能多功能照护管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741804A (zh) * | 2019-01-16 | 2019-05-10 | 四川大学华西医院 | 一种信息提取方法、装置、电子设备及存储介质 |
| CN109754886A (zh) * | 2019-01-07 | 2019-05-14 | 广州达美智能科技有限公司 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
| CN109817339A (zh) * | 2018-12-14 | 2019-05-28 | 平安医疗健康管理股份有限公司 | 基于大数据的患者分组方法和装置 |
| CN110534206A (zh) * | 2019-08-26 | 2019-12-03 | 北京好医生云医院管理技术有限公司 | 一种医疗诊断辅助系统的工作方法 |
| CN111223546A (zh) * | 2020-02-13 | 2020-06-02 | 曹庆恒 | 一种治疗方案智能审核的方法、系统和设备 |
-
2020
- 2020-06-10 CN CN202010532567.9A patent/CN111710382A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109817339A (zh) * | 2018-12-14 | 2019-05-28 | 平安医疗健康管理股份有限公司 | 基于大数据的患者分组方法和装置 |
| CN109754886A (zh) * | 2019-01-07 | 2019-05-14 | 广州达美智能科技有限公司 | 治疗方案智能生成系统、方法及可读存储介质、电子设备 |
| CN109741804A (zh) * | 2019-01-16 | 2019-05-10 | 四川大学华西医院 | 一种信息提取方法、装置、电子设备及存储介质 |
| CN110534206A (zh) * | 2019-08-26 | 2019-12-03 | 北京好医生云医院管理技术有限公司 | 一种医疗诊断辅助系统的工作方法 |
| CN111223546A (zh) * | 2020-02-13 | 2020-06-02 | 曹庆恒 | 一种治疗方案智能审核的方法、系统和设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112155892A (zh) * | 2020-09-29 | 2021-01-01 | 安徽力威精工机械有限公司 | 智能多功能照护管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516161B (zh) | 一种推荐方法及装置 | |
| US20190043618A1 (en) | Methods and apparatus for evaluating developmental conditions and providing control over coverage and reliability | |
| Sipahi et al. | Impact of QRS duration on clinical event reduction with cardiac resynchronization therapy: meta-analysis of randomized controlled trials | |
| US20160103833A1 (en) | Ranking query results using biometric parameters | |
| WO2013153428A1 (en) | System and method for disease diagnosis through iterative discovery of symptoms using matrix based correlation engine | |
| US11275985B2 (en) | Artificial intelligence advisory systems and methods for providing health guidance | |
| RU2662205C2 (ru) | Расширение клинических руководств на основе рекомендаций клинических экспертов | |
| CN103729395A (zh) | 用于推断查询答案的方法和系统 | |
| KR101220557B1 (ko) | 사람의 활동 지식 데이터베이스를 이용한 모바일 어플리케이션 검색 방법 및 시스템 | |
| CN111984771A (zh) | 一种基于智能对话的自动问诊系统 | |
| US10762169B2 (en) | System and method for determining side-effects associated with a substance | |
| CN109887584A (zh) | 转诊方法、系统及服务器、计算机可读存储介质 | |
| CN112035674A (zh) | 导诊数据获取方法、装置、计算机设备和存储介质 | |
| US11581094B2 (en) | Methods and systems for generating a descriptor trail using artificial intelligence | |
| CN106777996A (zh) | 一种基于Solr的体检数据搜索系统 | |
| CN109635091A (zh) | 一种语义识别方法、装置、终端设备和存储介质 | |
| CN112016295A (zh) | 症状数据处理方法、装置、计算机设备及存储介质 | |
| US20200342332A1 (en) | Methods and systems for classification using expert data | |
| CN111161880B (zh) | 基于分类模型的医疗信息分类方法、装置和计算机设备 | |
| CN111710382A (zh) | 远程数据分析方法、装置、设备及存储介质 | |
| CN107766400A (zh) | 文本检索方法及系统 | |
| CN112330400B (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
| CN110752027A (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
| JP2019101654A (ja) | 健康管理支援装置、方法およびプログラム | |
| Huang et al. | Health diagnosis robot based on healthcare big data and fuzzy matching |
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: 20200925 |