CN111785383A - 数据处理方法及相关设备 - Google Patents
数据处理方法及相关设备 Download PDFInfo
- Publication number
- CN111785383A CN111785383A CN202010606937.9A CN202010606937A CN111785383A CN 111785383 A CN111785383 A CN 111785383A CN 202010606937 A CN202010606937 A CN 202010606937A CN 111785383 A CN111785383 A CN 111785383A
- Authority
- CN
- China
- Prior art keywords
- data
- medical
- source data
- medical source
- similarity
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 18
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 12
- 238000013507 mapping Methods 0.000 description 10
- 239000003814 drug Substances 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 208000019622 heart disease Diseases 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 201000001320 Atherosclerosis Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000003143 atherosclerotic effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 210000003792 cranial nerve Anatomy 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 239000002552 dosage form Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 210000000256 facial nerve Anatomy 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 208000037920 primary disease Diseases 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G16H50/70—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
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及大数据技术领域,提供一种数据处理方法,包括:接收输入的医学源数据;判断区块链上存储的医学知识库中是否存在与医学源数据匹配的数据;若不存在,对医学源数据进行预处理,获得处理数据;对处理数据进行语义分割,获得多个不同语义类别的分词;利用医学知识图谱,召回与多个分词相关的关联数据;将医学源数据以及关联数据输入相似度模型中,获得每个关联数据相对于医学源数据的相似度分值;根据相似度分值以及预设数量,确定多个关联数据中的目标数据;将目标数据确定为医学源数据对应的标准数据。本发明还涉及区块链技术,可以将目标数据上传至区块链。本申请可应用于智慧医疗场景中,从而推动智慧城市的建设。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种数据处理方法及相关设备。
背景技术
随着信息技术的飞速发展,医院的信息化建设不断加强,信息化管理水平有了明显提高。在建立信息化系统的同时,由于不同省市、地区、医院的标准不同,以及医生的使用习惯不同,使得留档的医学数据存在多种不同版本的数据。后续,当不同省市、地区、医院的医生调用这些不同版本的数据时,很难根据这些不同版本的数据进行有效识别,使得医生不得不重新进行检查诊断,这无疑浪费了很多医疗资源。
因此,如何对医学数据进行标准化处理是一个亟待解决的技术问题。
发明内容
鉴于以上内容,有必要提供一种数据处理方法及相关设备,能够对医学数据进行标准化处理。
本发明的第一方面提供一种数据处理方法,所述方法包括:
接收输入的医学源数据;
判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据;
若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据;
对所述处理数据进行语义分割,获得多个不同语义类别的分词;
利用医学知识图谱,召回与多个所述分词相关的关联数据;
将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值;
根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据;
将所述目标数据确定为所述医学源数据对应的标准数据。
在一种可能的实现方式中,所述对所述医学源数据进行预处理,获得处理数据包括:
将所述医学源数据中的非标化数据进行数据标化处理;
将所述医学源数据中的全角数据进行半角处理;
将所述医学源数据中的停用词进行删除处理。
在一种可能的实现方式中,所述利用医学知识图谱,召回与多个所述分词相关的关联数据包括:
利用医学知识图谱,在相关语义树内查询所述分词的同义词或所述分词的上下位语义词;
根据所述分词以及查询到的所述同义词或所述上下位语义词,在基表索引库中召回与多个所述分词相关的关联数据。
在一种可能的实现方式中,所述将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值包括:
对所述医学源数据与每个所述关联数据进行相似度计算,获得特征向量矩阵;
将所述特征向量矩阵输入至相似度模型中,并将所述相似度模型中的权重矩阵与所述特征向量矩阵进行加权计算,获得每个所述关联数据相对于所述医学源数据的相似度分值。
在一种可能的实现方式中,所述根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据包括:
判断多个关联数据中是否存在相似度分值相同的多个第一数据;
若多个关联数据中存在相似度分值相同的多个第一数据,获取所述多个第一数据的使用频率,并提取使用频率最高的第一数据;
将所述使用频率最高的第一数据以及相似度分值不同的多个关联数据组成第二数据;
根据所述相似度分值从高到低的顺序,对多个所述第二数据进行排序,获得排序数据;
从排序数据中挑选出排名靠前的预设数量的目标数据。
在一种可能的实现方式中,所述数据处理方法还包括:
若医学知识库中存在与所述医学源数据匹配的数据,确定医学知识库中与所述医学源数据匹配的数据为所述医学源数据对应的标准数据;
输出所述标准数据。
在一种可能的实现方式中,所述数据处理方法还包括:
获取携带有标记的训练数据;
从所述训练数据中提取训练特征;
计算所述训练特征的相似度分值,并使用度量矩阵模型,计算每个所述训练特征的权重参数;
根据每个所述权重参数,构建权重矩阵,并生成相似度模型。
本发明的第二方面提供一种数据处理装置,所述数据处理装置包括:
接收模块,用于接收输入的医学源数据;
判断模块,用于判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据;
处理模块,用于若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据;
分割模块,用于对所述处理数据进行语义分割,获得多个不同语义类别的分词;
召回模块,用于利用医学知识图谱,召回与多个所述分词相关的关联数据;
输入模块,用于将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值;
确定模块,用于根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据;
所述确定模块,还用于将所述目标数据确定为所述医学源数据对应的标准数据;
上传模块,用于将所述目标数据上传至所述区块链。
本发明的第三方面提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的数据处理方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质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所述的数据处理方法。
在上述技术方案中,可以利用语义分割方法、医学知识图谱以及相似度模型对医学源数据进行标准化处理,获得标准数据,从而能够对医学源数据进行有效识别,后续其他医生可以直接调用标准数据而不是医学源数据,可以快速的进行医学诊断,而不需要重新进行检查,从而可以节省医疗资源,便于医疗资源得到充分合理利用。
附图说明
图1是本发明公开的一种数据处理方法的较佳实施例的流程图。
图2是本发明公开的一种医学知识图谱的示例。
图3是本发明公开的一种数据处理装置的较佳实施例的功能模块图。
图4是本发明实现数据处理方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在本发明中涉及“第一”、“第二”、“第三”、“第四”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、嵌入式设备等。所述电子设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理PDA等。
请参见图1,图1是本发明公开的一种数据处理方法的较佳实施例的流程图。其中,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S11、接收输入的医学源数据。
其中,所述医学源数据可以包括但不限于诊疗、疾病、手术、药品等医疗数据。
S12、判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据。
其中,为了确保数据的私密性和安全性,可以预先将医学知识库存储在区块链上。
可选的,所述方法还包括:
若医学知识库中存在与所述医学源数据匹配的数据,确定医学知识库中与所述医学源数据匹配的数据为所述医学源数据对应的标准数据;
输出所述标准数据。
其中,医学知识库中存储的数据通常是历史映射数据的积累,可以将历史的数据映射成一个标准数据,医学知识库中可以存储这种映射关系。其中,标准数据可以理解为医疗技术领域公认的数据,具有唯一性,不可替代性。
当接收到医学源数据时,可以根据该映射关系,从医学知识库中查询匹配。比如医学源数据为:“左侧三叉、面、后组颅神经MVD”,根据映射关系,可以匹配为:“面神经微血管减压术”。
S13、若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据。
具体的,所述对所述医学源数据进行预处理,获得处理数据包括:
将所述医学源数据中的非标化数据进行数据标化处理;
将所述医学源数据中的全角数据进行半角处理;
将所述医学源数据中的停用词进行删除处理。
举例来说,比如2型糖尿病,输入中的“2型”可能是二型、2型、ii型,II型、②型、Ⅱ型等多种形式,对于此类的词语,进行统一标准化,比如全部转成“2型”;又比如:“ca”是全角,需要转换成半角的“ca”,否则“ca”与“ca”其实是一个词,但是由于全半角关系,两个词相似度会是0。
其中,可以预先设置一些停用词,这些停用词通常是根据历史经验获得的对存储和检索没有实际意义,还可能在相似度计算模块进行干扰的词句,比如:“的”、“是”、“了”、标点符号等。如果医学源数据中存在预先设备的停用词,即可将这些停用词删除。
S14、对所述处理数据进行语义分割,获得多个不同语义类别的分词。
其中,「语义分割」顾名思义就是将词语按照表达的语义含义的不同进行分组(Grouping)/分割(Segmentation)。
在医疗领域,可以预先设置多个不同的语义,比如医学解剖语义、分期分型、主疾病。后续即可按照不同的语义,对处理数据进行语义分割。比如:“冠状动脉粥样硬化性心脏病”,通过语义分割,得到了三种医学相关范畴的语义类型,分别是“冠状动脉(医学解剖语义)”“粥样硬化性(分期分型)”和“心脏病(主疾病)”。
S15、利用医学知识图谱,召回与多个所述分词相关的关联数据。
具体的,所述利用医学知识图谱,召回与多个所述分词相关的关联数据包括:
利用医学知识图谱,在相关语义树内查询所述分词的同义词或所述分词的上下位语义词;
根据所述分词以及查询到的所述同义词或所述上下位语义词,在基表索引库中召回与多个所述分词相关的关联数据。
其中,医学知识图谱类似一个树形结构,可以查询到各个相关联的数据。可以参见图2,图2是本发明公开的一种医学知识图谱的示例。
在获得多个不同语义类别的分词之后,可以在医学知识图谱上查询每个分词的同义词、上位语义词或下位语义词。在查询到同义词或上下位语义词之后,即可从基表索引库中获取同义词对应的关联数据、上下位语义词对应的关联数据。其中,基表数据库比如某地市医保局疾病基表,表中有10万条数据,可以召回来与之相关的500条数据。
S16、将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值。
具体的,所述将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值包括:
对所述医学源数据与每个所述关联数据进行相似度计算,获得特征向量矩阵;
将所述特征向量矩阵输入至相似度模型中,并将所述相似度模型中的权重矩阵与所述特征向量矩阵进行加权计算,获得每个所述关联数据相对于所述医学源数据的相似度分值。
其中,假设特征向量矩阵X,权重矩阵W,进行加权计算求取相似度分值的公式可以为:
可选的,所述方法还包括:
获取携带有标记的训练数据;
从所述训练数据中提取训练特征;
计算所述训练特征的相似度分值,并使用度量矩阵模型,计算每个所述训练特征的权重参数;
根据每个所述权重参数,构建权重矩阵,并生成相似度模型。
其中,训练特征通常是根据业务自定义的人工特征,主要是具有业务意义的特征:比如疾病,有主疾病、解剖部位、病损、分期分型等,药品,会有药品名称、剂型、规格、厂商等;相似度算法常用的特征包括但不限于nGram、编辑距离、最长公共子序列等。
S17、根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据。
具体的,所述根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据包括:
判断多个关联数据中是否存在相似度分值相同的多个第一数据;
若多个关联数据中存在相似度分值相同的多个第一数据,获取所述多个第一数据的使用频率,并提取使用频率最高的第一数据;
将所述使用频率最高的第一数据以及相似度分值不同的多个关联数据组成第二数据;
根据所述相似度分值从高到低的顺序,对多个所述第二数据进行排序,获得排序数据;
从排序数据中挑选出排名靠前的预设数量的目标数据。
其中,多个关联数据中可能存在相似度分值相同的数据,也可能存在相似度不同的数据。对于相似度分值相同的数据只需要一个数据即可,可以进一步根据使用频率来筛选出第一数据,这样,可以减少数据的冗余度,同时,提高数据的有效性。其中,使用频率可以是预先从各个医院平台统计出来的,具有权威性。
S18、将所述目标数据确定为所述医学源数据对应的标准数据。
其中,对于诊疗、疾病、手术、药品等医疗数据进行语义分割及分析,然后再进行精准映射,获得标准数据,可以有效地识别医院上传的数据是否存在对码错误。
可选的,所述方法还包括:
将所述目标数据上传至所述区块链。
其中,为了确保数据的私密性和安全性,需要将所述目标数据上传至所述区块链进行保存。
在图1所描述的方法流程中,可以利用语义分割方法、医学知识图谱以及相似度模型对医学源数据进行标准化处理,获得标准数据,从而能够对医学源数据进行有效识别,后续其他医生可以直接调用标准数据而不是医学源数据,可以快速的进行医学诊断,而不需要重新进行检查,从而可以节省医疗资源,便于医疗资源得到充分合理利用。
以上所述,仅是本发明的具体实施方式,但本发明的保护范围并不局限于此,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出改进,但这些均属于本发明的保护范围。
请参见图3,图3是本发明公开的一种数据处理装置的较佳实施例的功能模块图。
在一些实施例中,所述数据处理装置运行于电子设备中。所述数据处理装置可以包括多个由程序代码段所组成的功能模块。所述数据处理装置中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行图1所描述的数据处理方法中的部分或全部步骤。
本实施例中,所述数据处理装置根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:接收模块301、判断模块302、处理模块303、分割模块304、召回模块305、输入模块306及确定模块307。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在一些实施例中,关于各模块的功能将在本实施例中详述。
接收模块301,用于接收输入的医学源数据。
其中,所述医学源数据可以包括但不限于诊疗、疾病、手术、药品等医疗数据。
判断模块302,用于判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据。
其中,为了确保数据的私密性和安全性,可以预先将医学知识库存储在区块链上。
其中,医学知识库中存储的数据通常是历史映射数据的积累,可以将历史的数据映射成一个标准数据,医学知识库中可以存储这种映射关系。其中,标准数据可以理解为医疗技术领域公认的数据,具有唯一性,不可替代性。
当接收到医学源数据时,可以根据该映射关系,从医学知识库中查询匹配。比如医学源数据为:“左侧三叉、面、后组颅神经MVD”,根据映射关系,可以匹配为:“面神经微血管减压术”。
处理模块303,用于若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据。
具体的,所述对所述医学源数据进行预处理,获得处理数据包括:
将所述医学源数据中的非标化数据进行数据标化处理;
将所述医学源数据中的全角数据进行半角处理;
将所述医学源数据中的停用词进行删除处理。
举例来说,比如2型糖尿病,输入中的“2型”可能是二型、2型、ii型,II型、②型、Ⅱ型等多种形式,对于此类的词语,进行统一标准化,比如全部转成“2型”;又比如:“ca”是全角,需要转换成半角的“ca”,否则“ca”与“ca”其实是一个词,但是由于全半角关系,两个词相似度会是0。
其中,可以预先设置一些停用词,这些停用词通常是根据历史经验获得的对存储和检索没有实际意义,还可能在相似度计算模块进行干扰的词句,比如:“的”、“是”、“了”、标点符号等。如果医学源数据中存在预先设备的停用词,即可将这些停用词删除。
分割模块304,用于对所述处理数据进行语义分割,获得多个不同语义类别的分词。
其中,「语义分割」顾名思义就是将词语按照表达的语义含义的不同进行分组(Grouping)/分割(Segmentation)。
在医疗领域,可以预先设置多个不同的语义,比如医学解剖语义、分期分型、主疾病。后续即可按照不同的语义,对处理数据进行语义分割。比如:“冠状动脉粥样硬化性心脏病”,通过语义分割,得到了三种医学相关范畴的语义类型,分别是“冠状动脉(医学解剖语义)”“粥样硬化性(分期分型)”和“心脏病(主疾病)”。
召回模块305,用于利用医学知识图谱,召回与多个所述分词相关的关联数据。
具体的,所述利用医学知识图谱,召回与多个所述分词相关的关联数据包括:
利用医学知识图谱,在相关语义树内查询所述分词的同义词或所述分词的上下位语义词;
根据所述分词以及查询到的所述同义词或所述上下位语义词,在基表索引库中召回与多个所述分词相关的关联数据。
其中,医学知识图谱类似一个树形结构,可以查询到各个相关联的数据。可以参见图2,图2是本发明公开的一种医学知识图谱的示例。
在获得多个不同语义类别的分词之后,可以在医学知识图谱上查询每个分词的同义词、上位语义词或下位语义词。在查询到同义词或上下位语义词之后,即可从基表索引库中获取同义词对应的关联数据、上下位语义词对应的关联数据。其中,基表数据库比如某地市医保局疾病基表,表中有10万条数据,可以召回来与之相关的500条数据。
输入模块306,用于将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值。
具体的,所述将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值包括:
对所述医学源数据与每个所述关联数据进行相似度计算,获得特征向量矩阵;
将所述特征向量矩阵输入至相似度模型中,并将所述相似度模型中的权重矩阵与所述特征向量矩阵进行加权计算,获得每个所述关联数据相对于所述医学源数据的相似度分值。
其中,假设特征向量矩阵X,权重矩阵W,进行加权计算求取相似度分值的公式可以为:
确定模块307,用于根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据。
具体的,所述根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据包括:
判断多个关联数据中是否存在相似度分值相同的多个第一数据;
若多个关联数据中存在相似度分值相同的多个第一数据,获取所述多个第一数据的使用频率,并提取使用频率最高的第一数据;
将所述使用频率最高的第一数据以及相似度分值不同的多个关联数据组成第二数据;
根据所述相似度分值从高到低的顺序,对多个所述第二数据进行排序,获得排序数据;
从排序数据中挑选出排名靠前的预设数量的目标数据。
其中,多个关联数据中可能存在相似度分值相同的数据,也可能存在相似度不同的数据。对于相似度分值相同的数据只需要一个数据即可,可以进一步根据使用频率来筛选出第一数据,这样,可以减少数据的冗余度,同时,提高数据的有效性。其中,使用频率可以是预先从各个医院平台统计出来的,具有权威性。
可选的,所述数据处理装置还包括:
获取模块,用于获取携带有标记的训练数据;
提取模块,用于从所述训练数据中提取训练特征;
计算模块课,用于计算所述训练特征的相似度分值,并使用度量矩阵模型,计算每个所述训练特征的权重参数;
生成模块,用于根据每个所述权重参数,构建权重矩阵,并生成相似度模型。
其中,训练特征通常是根据业务自定义的人工特征,主要是具有业务意义的特征:比如疾病,有主疾病、解剖部位、病损、分期分型等,药品,会有药品名称、剂型、规格、厂商等;相似度算法常用的特征包括但不限于nGram、编辑距离、最长公共子序列等。
所述确定模块307,还用于将所述目标数据确定为所述医学源数据对应的标准数据。
其中,对于诊疗、疾病、手术、药品等医疗数据进行语义分割及分析,然后再进行精准映射,获得标准数据,可以有效地识别医院上传的数据是否存在对码错误。
可选的,所述数据处理装置还包括:
上传模块,用于将所述目标数据上传至所述区块链。
其中,为了确保数据的私密性和安全性,需要将所述目标数据上传至所述区块链进行保存。
可选的,所述确定模块307,还用于若医学知识库中存在与所述医学源数据匹配的数据,确定医学知识库中与所述医学源数据匹配的数据为所述医学源数据对应的标准数据;
所述数据处理装置还包括:
输出模块,用于输出所述标准数据。
在图3所描述的数据处理装置中,可以利用语义分割方法、医学知识图谱以及相似度模型对医学源数据进行标准化处理,获得标准数据,从而能够对医学源数据进行有效识别,后续其他医生可以直接调用标准数据而不是医学源数据,可以快速的进行医学诊断,而不需要重新进行检查,从而可以节省医疗资源,便于医疗资源得到充分合理利用。
如图4所示,图4是本发明实现数据处理方法的较佳实施例的电子设备的结构示意图。所述电子设备4包括存储器41、至少一个处理器42、存储在所述存储器41中并可在所述至少一个处理器42上运行的计算机程序43及至少一条通讯总线44。
本领域技术人员可以理解,图4所示的示意图仅仅是所述电子设备4的示例,并不构成对所述电子设备4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,例如所述电子设备4还可以包括输入输出设备、网络接入设备等。
所述至少一个处理器42可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。该处理器42可以是微处理器或者该处理器42也可以是任何常规的处理器等,所述处理器42是所述电子设备4的控制中心,利用各种接口和线路连接整个电子设备4的各个部分。
所述存储器41可用于存储所述计算机程序43和/或模块/单元,所述处理器42通过运行或执行存储在所述存储器41内的计算机程序和/或模块/单元,以及调用存储在存储器41内的数据,实现所述电子设备4的各种功能。所述存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备4的使用所创建的数据(比如音频数据)等。此外,存储器41可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
结合图1,所述电子设备4中的所述存储器41存储多个指令以实现一种数据处理方法,所述处理器42可执行所述多个指令从而实现:
接收输入的医学源数据;
判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据;
若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据;
对所述处理数据进行语义分割,获得多个不同语义类别的分词;
利用医学知识图谱,召回与多个所述分词相关的关联数据;
将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值;
根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据;
将所述目标数据确定为所述医学源数据对应的标准数据。
具体地,所述处理器42对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在图4所描述的电子设备4中,可以利用语义分割方法、医学知识图谱以及相似度模型对医学源数据进行标准化处理,获得标准数据,从而能够对医学源数据进行有效识别,后续其他医生可以直接调用标准数据而不是医学源数据,可以快速的进行医学诊断,而不需要重新进行检查,从而可以节省医疗资源,便于医疗资源得到充分合理利用。
所述电子设备4集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器以及只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。系统权利要求中陈述的多个单元或装置也可以通过软件或者硬件来实现。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数据处理方法,其特征在于,所述数据处理方法包括:
接收输入的医学源数据;
判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据;
若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据;
对所述处理数据进行语义分割,获得多个不同语义类别的分词;
利用医学知识图谱,召回与多个所述分词相关的关联数据;
将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值;
根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据;
将所述目标数据确定为所述医学源数据对应的标准数据。
2.根据权利要求1所述的数据处理方法,其特征在于,所述对所述医学源数据进行预处理,获得处理数据包括:
将所述医学源数据中的非标化数据进行数据标化处理;
将所述医学源数据中的全角数据进行半角处理;
将所述医学源数据中的停用词进行删除处理。
3.根据权利要求1所述的数据处理方法,其特征在于,所述利用医学知识图谱,召回与多个所述分词相关的关联数据包括:
利用医学知识图谱,在相关语义树内查询所述分词的同义词或所述分词的上下位语义词;
根据所述分词以及查询到的所述同义词或所述上下位语义词,在基表索引库中召回与多个所述分词相关的关联数据。
4.根据权利要求1所述的数据处理方法,其特征在于,所述将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值包括:
对所述医学源数据与每个所述关联数据进行相似度计算,获得特征向量矩阵;
将所述特征向量矩阵输入至相似度模型中,并将所述相似度模型中的权重矩阵与所述特征向量矩阵进行加权计算,获得每个所述关联数据相对于所述医学源数据的相似度分值。
5.根据权利要求1所述的数据处理方法,其特征在于,所述根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据包括:
判断多个关联数据中是否存在相似度分值相同的多个第一数据;
若多个关联数据中存在相似度分值相同的多个第一数据,获取所述多个第一数据的使用频率,并提取使用频率最高的第一数据;
将所述使用频率最高的第一数据以及相似度分值不同的多个关联数据组成第二数据;
根据所述相似度分值从高到低的顺序,对多个所述第二数据进行排序,获得排序数据;
从所述排序数据中挑选出排名靠前的预设数量的目标数据。
6.根据权利要求1至5中任一项所述的数据处理方法,其特征在于,所述数据处理方法还包括:
若医学知识库中存在与所述医学源数据匹配的数据,确定医学知识库中与所述医学源数据匹配的数据为所述医学源数据对应的标准数据;
输出所述标准数据。
7.根据权利要求1至5中任一项所述的数据处理方法,其特征在于,所述数据处理方法还包括:
获取携带有标记的训练数据;
从所述训练数据中提取训练特征;
计算所述训练特征的相似度分值,并使用度量矩阵模型,计算每个所述训练特征的权重参数;
根据每个所述权重参数,构建权重矩阵,并生成相似度模型。
8.一种数据处理装置,其特征在于,所述数据处理装置包括:
接收模块,用于接收输入的医学源数据;
判断模块,用于判断区块链上存储的医学知识库中是否存在与所述医学源数据匹配的数据;
处理模块,用于若医学知识库中不存在与所述医学源数据匹配的数据,对所述医学源数据进行预处理,获得处理数据;
分割模块,用于对所述处理数据进行语义分割,获得多个不同语义类别的分词;
召回模块,用于利用医学知识图谱,召回与多个所述分词相关的关联数据;
输入模块,用于将所述医学源数据以及所述关联数据输入相似度模型中,获得每个所述关联数据相对于所述医学源数据的相似度分值;
确定模块,用于根据所述相似度分值以及预设数量,确定多个所述关联数据中的目标数据;
所述确定模块,还用于将所述目标数据确定为所述医学源数据对应的标准数据;
上传模块,用于将所述目标数据上传至所述区块链。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的数据处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至7任意一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010606937.9A CN111785383A (zh) | 2020-06-29 | 2020-06-29 | 数据处理方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010606937.9A CN111785383A (zh) | 2020-06-29 | 2020-06-29 | 数据处理方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111785383A true CN111785383A (zh) | 2020-10-16 |
Family
ID=72761066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010606937.9A Pending CN111785383A (zh) | 2020-06-29 | 2020-06-29 | 数据处理方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111785383A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139498A (zh) * | 2021-05-10 | 2021-07-20 | 泰康保险集团股份有限公司 | 医疗票据对码方法及装置 |
CN113838582A (zh) * | 2021-11-29 | 2021-12-24 | 中国人民解放军军事科学院军事医学研究院 | 一种基于区域相似度的传染病趋势预测方法和系统 |
CN116033048A (zh) * | 2023-03-31 | 2023-04-28 | 中汽数据(天津)有限公司 | 物联网的多协议解析方法、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933806A (zh) * | 2017-03-15 | 2017-07-07 | 北京大数医达科技有限公司 | 医疗同义词的确定方法和装置 |
CN109256216A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 医学数据处理方法、装置、计算机设备和存储介质 |
CN110162593A (zh) * | 2018-11-29 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种搜索结果处理、相似度模型训练方法及装置 |
CN110287337A (zh) * | 2019-06-19 | 2019-09-27 | 上海交通大学 | 基于深度学习和知识图谱获取医学同义词的系统及方法 |
CN111061841A (zh) * | 2019-12-19 | 2020-04-24 | 京东方科技集团股份有限公司 | 知识图谱的构建方法及装置 |
-
2020
- 2020-06-29 CN CN202010606937.9A patent/CN111785383A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933806A (zh) * | 2017-03-15 | 2017-07-07 | 北京大数医达科技有限公司 | 医疗同义词的确定方法和装置 |
CN109256216A (zh) * | 2018-08-14 | 2019-01-22 | 平安医疗健康管理股份有限公司 | 医学数据处理方法、装置、计算机设备和存储介质 |
CN110162593A (zh) * | 2018-11-29 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种搜索结果处理、相似度模型训练方法及装置 |
CN110287337A (zh) * | 2019-06-19 | 2019-09-27 | 上海交通大学 | 基于深度学习和知识图谱获取医学同义词的系统及方法 |
CN111061841A (zh) * | 2019-12-19 | 2020-04-24 | 京东方科技集团股份有限公司 | 知识图谱的构建方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139498A (zh) * | 2021-05-10 | 2021-07-20 | 泰康保险集团股份有限公司 | 医疗票据对码方法及装置 |
CN113838582A (zh) * | 2021-11-29 | 2021-12-24 | 中国人民解放军军事科学院军事医学研究院 | 一种基于区域相似度的传染病趋势预测方法和系统 |
CN116033048A (zh) * | 2023-03-31 | 2023-04-28 | 中汽数据(天津)有限公司 | 物联网的多协议解析方法、电子设备和存储介质 |
CN116033048B (zh) * | 2023-03-31 | 2024-04-09 | 中汽数据(天津)有限公司 | 物联网的多协议解析方法、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696675B (zh) | 基于物联网数据的用户数据分类方法、装置及计算机设备 | |
CN108876636B (zh) | 理赔智能风控方法、系统、计算机设备及存储介质 | |
US11481411B2 (en) | Systems and methods for automated generation classifiers | |
US11464455B2 (en) | Method and apparatus of context-based patient similarity | |
CN111785383A (zh) | 数据处理方法及相关设备 | |
CN110299209B (zh) | 相似病历查找方法、装置、设备及可读存储介质 | |
CN111710420A (zh) | 一种基于电子病历大数据的并发症发病风险预测方法、系统、终端以及存储介质 | |
CN111292817A (zh) | 电子病历的生成方法及装置 | |
WO2017180475A1 (en) | Query optimizer for combined structured and unstructured data records | |
CN110569349B (zh) | 基于大数据的患教文章推送方法、系统、设备及存储介质 | |
CN112885478A (zh) | 医疗文献的检索方法、装置、电子设备及存储介质 | |
CN110752027B (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
CN113724858A (zh) | 基于人工智能的疾病检查项目推荐设备、方法及装置 | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
CN109299238B (zh) | 一种数据查询方法和装置 | |
CN110245242B (zh) | 医学知识图谱构建方法、装置以及终端 | |
Feng et al. | Usability of the clinical care classification system for representing nursing practice according to specialty | |
CN115438040A (zh) | 一种病理档案信息管理方法及系统 | |
CN114328968A (zh) | 医学知识图谱的构建方法、装置、电子设备和介质 | |
CN112655047A (zh) | 对医学记录分类的方法 | |
CN111524515A (zh) | 语音交互方法、装置、电子设备及可读存储介质 | |
CN113821641B (zh) | 基于权重分配的药品分类的方法、装置、设备及存储介质 | |
US20230377697A1 (en) | System and a way to automatically monitor clinical trials - virtual monitor (vm) and a way to record medical history | |
CN115631823A (zh) | 相似病例推荐方法及系统 | |
KR101484766B1 (ko) | 의료정보 시스템에서의 전자서식 작성기 및 전자서식 작성 방법 |
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: 20220525 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |