CN111986762A - 异常医疗指标确定方法、装置、电子设备及存储介质 - Google Patents

异常医疗指标确定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111986762A
CN111986762A CN202010917008.XA CN202010917008A CN111986762A CN 111986762 A CN111986762 A CN 111986762A CN 202010917008 A CN202010917008 A CN 202010917008A CN 111986762 A CN111986762 A CN 111986762A
Authority
CN
China
Prior art keywords
data
index
physical examination
medical
abnormal
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
Application number
CN202010917008.XA
Other languages
English (en)
Inventor
齐筱珊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Ping An Smart Healthcare Technology Co ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202010917008.XA priority Critical patent/CN111986762A/zh
Publication of CN111986762A publication Critical patent/CN111986762A/zh
Pending legal-status Critical Current

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及智慧医疗，提供一种异常医疗指标确定方法、装置、电子设备及存储介质。该方法能确定检测区域，获取检测区域内所有待确诊患者的体检数据，根据体检数据确定待检测医疗指标及指标群体范围，将体检数据与指标群体范围进行比较，将不在指标群体范围内的体检数据确定为第一数据，将体检数据输入至检测模型中，得到第二数据，根据第一数据及第二数据确定异常体检数据，将与异常体检数据对应的待确诊患者确定为目标患者，将与异常体检数据对应的待检测医疗指标确定为异常医疗指标。本发明能够准确并完整地确定出待确诊患者的异常医疗指标。此外，本发明还涉及区块链技术，所述异常医疗指标可存储于区块链中。

Description

异常医疗指标确定方法、装置、电子设备及存储介质
技术领域
本发明涉及智慧医疗技术领域，尤其涉及一种异常医疗指标确定方法、装置、电子设备及存储介质。
背景技术
为了辅助医生采取一定的措施帮助用户规避风险，目前的方式是通过检测用户的医疗指标数据是否符合制定的医疗指标规则，然而，当制定的医疗指标规则没有覆盖到全部的医疗指标数据时，会造成用户的异常医疗指标数据无法被检测出来，从而导致无法准确确定用户的异常医疗指标。
发明内容
鉴于以上内容，有必要提供一种异常医疗指标确定方法、装置、电子设备及存储介质，在无需制定医疗指标规则的前提下，能够准确并完整地确定出待确诊患者的异常医疗指标。
一方面，本发明提出一种异常医疗指标确定方法，所述异常医疗指标确定方法包括：
当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域；
获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标；
根据所述体检数据确定所述待检测医疗指标的指标群体范围；
将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据；
将所述体检数据输入至预先创建的检测模型中，得到第二数据；
根据所述第一数据及所述第二数据确定异常体检数据；
将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
根据本发明优选实施例，所述获取所述检测区域内所有待确诊患者的体检数据包括：
获取所述所有待确诊患者的体检报告；
识别所述体检报告的文件格式，并将所述文件格式为非文本格式的体检报告转换成具有文本格式的体检报告；
从所述具有文本格式的体检报告中获取所述体检数据。
根据本发明优选实施例，所述根据所述体检数据确定所述待检测医疗指标的指标群体范围包括：
根据所述体检数据确定所述待检测医疗指标的期望值，并根据所述体检数据确定所述待检测医疗指标的标准差；
将所述期望值与所述标准差的预设倍数相减，得到所述待检测医疗指标的第一阈值，并将所述期望值与所述标准差的所述预设倍数相加，得到所述待检测医疗指标的第二阈值；
根据所述第一阈值与所述第二阈值确定所述待检测医疗指标的指标群体范围。
根据本发明优选实施例，在将所述体检数据输入至预先创建的检测模型中，得到第二数据之前，所述方法还包括：
采用网络爬虫技术获取历史医疗数据；
根据所述历史医疗数据所属的指标对所述历史医疗数据进行标识，得到多个指标类别；
基于所述历史医疗数据及对应的指标类别构建每个指标类别的数据集；
将每个指标类别的数据集输入至遗忘门层进行遗忘处理，得到每个指标类别的训练数据；
采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集；
将每个训练集中的历史医疗数据输入至输入门层进行训练，得到与所述多个指标类别对应的多个初级学习器；
将所述多个初级学习器进行融合，得到次级学习器；
根据每个验证集中的历史医疗数据调整所述次级学习器，得到所述检测模型。
根据本发明优选实施例，所述采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集包括：
对于每个指标类别，将所述训练数据按照预设比例随机划分为多个数据包；
确定所述多个数据包包括：
将所述多个数据包中的任意数据包确定为所述验证集，并将其余的数据包确定为所述训练集；
重复确定所述多个数据包，直至每个数据包依次被确定为所述验证集，得到每个指标类别的所述训练集及每个指标类别的所述验证集。
根据本发明优选实施例，所述根据所述第一数据及所述第二数据确定异常体检数据包括：
遍历所述第一数据，并检测遍历到的第一数据是否存在于所述第二数据中；
将存在于所述第二数据中的所述遍历到的第一数据确定为所述异常体检数据。
根据本发明优选实施例，在将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标后，所述方法还包括：
根据所述目标患者、所述异常医疗指标及所述异常体检数据生成医疗报告；
从所述异常医疗指标确定请求中获取展示形式；
以所述展示形式展示所述医疗报告；
当检测到在预设时间内展示的所述医疗报告未被触发时，将所述医疗报告发送至指定联系人的终端设备。
另一方面，本发明还提出一种异常医疗指标确定装置，所述异常医疗指标确定装置包括：
确定单元，用于当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域；
获取单元，用于获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标；
所述确定单元，还用于根据所述体检数据确定所述待检测医疗指标的指标群体范围；
所述确定单元，还用于将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据；
输入单元，用于将所述体检数据输入至预先创建的检测模型中，得到第二数据；
所述确定单元，还用于根据所述第一数据及所述第二数据确定异常体检数据；
所述确定单元，还用于将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
另一方面，本发明还提出一种电子设备，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现所述异常医疗指标确定方法。
另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述异常医疗指标确定方法。
由以上技术方案可以看出，本发明能够当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域，获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标，由于医疗指标数据存在地域性，因此，通过对同一检测区域内所有待确诊患者进行数据分析，能够准确确定出异常医疗指标，根据所述体检数据确定所述待检测医疗指标的指标群体范围，将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据，将所述体检数据输入至预先创建的检测模型中，得到第二数据，根据所述第一数据及所述第二数据确定异常体检数据，分别利用两种方式从所述体检数据中确定出第一数据及第二数据，进而利用确定出的第一数据及第二数据能够完整并准确地确定出异常体检数据，将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。本发明在无需制定医疗指标规则的前提下，能够准确并完整地确定出待确诊患者的异常医疗指标。本发明还应用于智慧医疗场景中，从而推动智慧城市的建设。
附图说明
图1是本发明异常医疗指标确定方法的较佳实施例的流程图。
图2是本发明异常医疗指标确定装置的较佳实施例的功能模块图。
图3是本发明实现异常医疗指标确定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、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明异常医疗指标确定方法的较佳实施例的流程图。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。
所述异常医疗指标确定方法应用于智慧医疗场景中，从而推动智慧城市的建设。所述异常医疗指标确定方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，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(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户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(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域。
在本发明的至少一个实施例中，所述异常医疗指标确定请求可以由任意监测人员触发，所述任意监测任意可以是没有医疗专业经验的人员。
进一步地，所述异常医疗指标确定请求携带的数据信息包括，但不限于：地区标识。
在本发明的至少一个实施例中，所述检测区域可以是任意地域，本发明对所述检测区域不作限制。
在本发明的至少一个实施例中，所述电子设备从所述异常医疗指标确定请求中确定检测区域包括：
从所述异常医疗指标确定请求中获取地区标识；
根据所述地区标识确定所述检测区域。
例如：从异常医疗指标确定请求中获取到的地区标识为SH，进一步地，所述电子设备根据SH确定出检测区域为上海。
通过上述实施方式，能够准确确定出户所述检测区域。
S11，获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标。
在本发明的至少一个实施例中，所述体检数据可以包括，但不限于：血压值、血糖值、眼睛视力值等，相对应地，所述待检测医疗指标包括，但不限于：血压、血糖、视力等。
在本发明的至少一个实施例中，所述电子设备获取所述检测区域内所有待确诊患者的体检数据包括：
获取所述所有待确诊患者的体检报告；
识别所述体检报告的文件格式，并将所述文件格式为非文本格式的体检报告转换成具有文本格式的体检报告；
从所述具有文本格式的体检报告中获取所述体检数据。
其中，所述非文本格式包括图片格式等。
具体地，所述电子设备识别所述体检报告的文件格式包括：
读取所述体检报告的文件名后缀；
根据所述文件名后缀确定所述体检报告的文件格式。
在其他实施例中，当所述文件格式为图片等非文本格式时，所述电子设备利用OCR(Optical Character Recognition，光学字符识别)技术定位该体检报告中包含文字的区域，识别所述区域内的文字，得到具有文本格式的体检报告。
在本发明的至少一个实施例中，所述电子设备根据所述体检数据确定待检测医疗指标包括：
从所述具有文本格式的体检报告中获取与所述体检数据对应的指标项，并将所述指标项确定为所述待检测医疗指标。
例如：体检报告中包含：总胆固醇，6.0mmol/L；甘油三酯，1.9mmol/L；体检数据为6.0mmol/L及1.9mmol/L。所述电子设备获取到与6.0mmol/L对应的指标项为总胆固醇，将总胆固醇确定为待检测医疗指标。所述电子设备获取到与1.9mmol/L对应的指标项为甘油三酯，将甘油三酯确定为待检测医疗指标。
S12，根据所述体检数据确定所述待检测医疗指标的指标群体范围。
在本发明的至少一个实施例中，所述指标群体范围是根据每个待检测医疗指标的体检数据确定的。
在本发明的至少一个实施例中，所述电子设备根据所述体检数据确定所述待检测医疗指标的指标群体范围包括：
根据所述体检数据确定所述待检测医疗指标的期望值，并根据所述体检数据确定所述待检测医疗指标的标准差；
将所述期望值与所述标准差的预设倍数相减，得到所述待检测医疗指标的第一阈值，并将所述期望值与所述标准差的所述预设倍数相加，得到所述待检测医疗指标的第二阈值；
根据所述第一阈值与所述第二阈值确定所述待检测医疗指标的指标群体范围。
其中，所述预设倍数的取值根据所述待检测医疗指标及所述检测区域确定的，所述预设倍数可以是1.96，所述预设倍数也可以是2.58。
通过上述实施方式，能够快速确定出所述待检测医疗指标的指标群体范围。
S13，将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据。
在本发明的至少一个实施例中，所述第一数据是指不在所述指标群体范围内的体检数据。
在本发明的至少一个实施例中，所述电子设备将所述体检数据与所述指标群体范围进行比较包括：
检测所述体检数据是否大于或者等于所述第一阈值；
当所述体检数据大于或者等于所述第一阈值时，检测所述体检数据是否小于或者等于所述第二阈值；
当所述体检数据小于或者等于所述第二阈值时，确定所述体检数据在所述指标群体范围内；或者
当所述体检数据小于所述第一阈值，或者所述体检数据大于所述第二阈值时，确定所述体检数据不在所述指标群体范围内。
通过上述实施方式，由于在体检数据满足第一阈值时，将体检数据与第二阈值进行比较，能够准确检测出所述体检数据是否在所述指标群体范围内。
S14，将所述体检数据输入至预先创建的检测模型中，得到第二数据。
在本发明的至少一个实施例中，所述检测模型是指能够检测出偏离所述体检数据的中心数据的模型。
在本发明的至少一个实施例中，所述第二数据是指偏离所述体检数据的中心的数据。
在本发明的至少一个实施例中，在将所述体检数据输入至预先创建的检测模型中，得到第二数据之前，所述方法还包括：
采用网络爬虫技术获取历史医疗数据；
根据所述历史医疗数据所属的指标对所述历史医疗数据进行标识，得到多个指标类别；
基于所述历史医疗数据及对应的指标类别构建每个指标类别的数据集；
将每个指标类别的数据集输入至遗忘门层进行遗忘处理，得到每个指标类别的训练数据；
采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集；
将每个训练集中的历史医疗数据输入至输入门层进行训练，得到与所述多个指标类别对应的多个初级学习器；
将所述多个初级学习器进行融合，得到次级学习器；
根据每个验证集中的历史医疗数据调整所述次级学习器，得到所述检测模型。
通过验证集中的历史医疗数据对所述学习器进行调整，能够提高所述检测模型的检测准确性。
具体地，所述电子设备采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集包括：
对于每个指标类别，将所述训练数据按照预设比例随机划分为多个数据包；
确定所述多个数据包包括：
将所述多个数据包中的任意数据包确定为所述验证集，并将其余的数据包确定为所述训练集；
重复确定所述多个数据包，直至每个数据包依次被确定为所述验证集，得到每个指标类别的所述训练集及每个指标类别的所述验证集。
其中，所述预设比例可以自定义设置，本发明不作限制。
通过上述实施方式，使所述训练数据中的每个数据均参与训练及验证，由此，提高训练所述检测模型的拟合度。
具体地，所述电子设备将所述多个初级学习器进行融合，得到次级学习器包括：
获取每个初级学习器的预设权值，根据所述预设权值对所述多个初级学习器进行加权和运算，并将运算后的结果确定为所述次级学习器。
通过上述实施方式，使所述次级学习器中具有每个初级学习器的特征。
具体地，所述电子设备根据每个验证集中的历史医疗数据调整所述次级学习器，得到所述检测模型包括：
采用超参数网格搜索方法从每个验证集中的历史医疗数据中确定每个验证集中的最优超参数点；
通过所述最优超参数点对所述次级学习器进行调整，得到所述检测模型。
通过上述实施方式，能够提高模型的训练准确度。
S15，根据所述第一数据及所述第二数据确定异常体检数据。
在本发明的至少一个实施例中，所述异常体检数据是指同时存在于所述第一数据与所述第二数据中的数据。
在本发明的至少一个实施例中，所述电子设备根据所述第一数据及所述第二数据确定异常体检数据包括：
遍历所述第一数据，并检测遍历到的第一数据是否存在于所述第二数据中；
将存在于所述第二数据中的所述遍历到的第一数据确定为所述异常体检数据。
通过上述实施方式，能够准确并完整地确定出所述异常体检数据。
S16，将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
需要强调的是，为进一步保证上述异常医疗指标的私密和安全性，上述异常医疗指标还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述目标患者是指体检数据存在异常体检数据的待确诊患者，进一步地，所述异常医疗指标是指所述异常体检数据对应的待检测医疗指标。
在本发明的至少一个实施例中，在将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标后，所述方法还包括：
根据所述目标患者、所述异常医疗指标及所述异常体检数据生成医疗报告；
从所述异常医疗指标确定请求中获取展示形式；
以所述展示形式展示所述医疗报告；
当检测到在预设时间内展示的所述医疗报告未被触发时，将所述医疗报告发送至指定联系人的终端设备。
其中，所述展示形式可以是表格展示形式、柱形图展示形式等。
进一步地，所述预设时间可以根据需求设定。
更进一步地，所述指定联系人是指触发所述异常医疗指标确定请求的用户。
通过所述展示形式展示所述医疗报告，能够根据用户的需求展示相应的医疗报告，提高用户的体验度，同时，在预设时间内检测到医疗报告未被接收时，向指定联系人发送医疗报告，确保医疗报告能够被接收。
由以上技术方案可以看出，本发明能够当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域，获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标，由于医疗指标数据存在地域性，因此，通过对同一检测区域内所有待确诊患者进行数据分析，能够准确确定出异常医疗指标，根据所述体检数据确定所述待检测医疗指标的指标群体范围，将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据，将所述体检数据输入至预先创建的检测模型中，得到第二数据，根据所述第一数据及所述第二数据确定异常体检数据，分别利用两种方式从所述体检数据中确定出第一数据及第二数据，进而利用确定出的第一数据及第二数据能够完整并准确地确定出异常体检数据，将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。本发明在无需制定医疗指标规则的前提下，能够准确并完整地确定出待确诊患者的异常医疗指标。本发明还应用于智慧医疗场景中，从而推动智慧城市的建设。
如图2所示，是本发明异常医疗指标确定装置的较佳实施例的功能模块图。所述异常医疗指标确定装置11包括确定单元110、获取单元111、输入单元112、标识单元113、构建单元114、划分单元115、融合单元116、调整单元117、生成单元118、展示单元119及发送单元120。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
当接收到异常医疗指标确定请求时，确定单元110从所述异常医疗指标确定请求中确定检测区域。
在本发明的至少一个实施例中，所述异常医疗指标确定请求可以由任意监测人员触发，所述任意监测任意可以是没有医疗专业经验的人员。
进一步地，所述异常医疗指标确定请求携带的数据信息包括，但不限于：地区标识。
在本发明的至少一个实施例中，所述检测区域可以是任意地域，本发明对所述检测区域不作限制。
在本发明的至少一个实施例中，所述确定单元110从所述异常医疗指标确定请求中确定检测区域包括：
从所述异常医疗指标确定请求中获取地区标识；
根据所述地区标识确定所述检测区域。
例如：从异常医疗指标确定请求中获取到的地区标识为SH，进一步地，所述确定单元110根据SH确定出检测区域为上海。
通过上述实施方式，能够准确确定出户所述检测区域。
获取单元111获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标。
在本发明的至少一个实施例中，所述体检数据可以包括，但不限于：血压值、血糖值、眼睛视力值等，相对应地，所述待检测医疗指标包括，但不限于：血压、血糖、视力等。
在本发明的至少一个实施例中，所述获取单元111获取所述检测区域内所有待确诊患者的体检数据包括：
获取所述所有待确诊患者的体检报告；
识别所述体检报告的文件格式，并将所述文件格式为非文本格式的体检报告转换成具有文本格式的体检报告；
从所述具有文本格式的体检报告中获取所述体检数据。
其中，所述非文本格式包括图片格式等。
具体地，所述获取单元111识别所述体检报告的文件格式包括：
读取所述体检报告的文件名后缀；
根据所述文件名后缀确定所述体检报告的文件格式。
在其他实施例中，当所述文件格式为图片等非文本格式时，所述获取单元111利用OCR(Optical Character Recognition，光学字符识别)技术定位该体检报告中包含文字的区域，识别所述区域内的文字，得到具有文本格式的体检报告。
在本发明的至少一个实施例中，所述获取单元111根据所述体检数据确定待检测医疗指标包括：
从所述具有文本格式的体检报告中获取与所述体检数据对应的指标项，并将所述指标项确定为所述待检测医疗指标。
例如：体检报告中包含：总胆固醇，6.0mmol/L；甘油三酯，1.9mmol/L；体检数据为6.0mmol/L及1.9mmol/L。所述获取单元111获取到与6.0mmol/L对应的指标项为总胆固醇，将总胆固醇确定为待检测医疗指标。所述获取单元111获取到与1.9mmol/L对应的指标项为甘油三酯，将甘油三酯确定为待检测医疗指标。
所述确定单元110根据所述体检数据确定所述待检测医疗指标的指标群体范围。
在本发明的至少一个实施例中，所述指标群体范围是根据每个待检测医疗指标的体检数据确定的。
在本发明的至少一个实施例中，所述确定单元110根据所述体检数据确定所述待检测医疗指标的指标群体范围包括：
根据所述体检数据确定所述待检测医疗指标的期望值，并根据所述体检数据确定所述待检测医疗指标的标准差；
将所述期望值与所述标准差的预设倍数相减，得到所述待检测医疗指标的第一阈值，并将所述期望值与所述标准差的所述预设倍数相加，得到所述待检测医疗指标的第二阈值；
根据所述第一阈值与所述第二阈值确定所述待检测医疗指标的指标群体范围。
其中，所述预设倍数的取值根据所述待检测医疗指标及所述检测区域确定的，所述预设倍数可以是1.96，所述预设倍数也可以是2.58。
通过上述实施方式，能够快速确定出所述待检测医疗指标的指标群体范围。
所述确定单元110将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据。
在本发明的至少一个实施例中，所述第一数据是指不在所述指标群体范围内的体检数据。
在本发明的至少一个实施例中，所述确定单元110将所述体检数据与所述指标群体范围进行比较包括：
检测所述体检数据是否大于或者等于所述第一阈值；
当所述体检数据大于或者等于所述第一阈值时，检测所述体检数据是否小于或者等于所述第二阈值；
当所述体检数据小于或者等于所述第二阈值时，确定所述体检数据在所述指标群体范围内；或者
当所述体检数据小于所述第一阈值，或者所述体检数据大于所述第二阈值时，确定所述体检数据不在所述指标群体范围内。
通过上述实施方式，由于在体检数据满足第一阈值时，将体检数据与第二阈值进行比较，能够准确检测出所述体检数据是否在所述指标群体范围内。
输入单元112将所述体检数据输入至预先创建的检测模型中，得到第二数据。
在本发明的至少一个实施例中，所述检测模型是指能够检测出偏离所述体检数据的中心数据的模型。
在本发明的至少一个实施例中，所述第二数据是指偏离所述体检数据的中心的数据。
在本发明的至少一个实施例中，在将所述体检数据输入至预先创建的检测模型中，得到第二数据之前，所述获取单元111采用网络爬虫技术获取历史医疗数据；
标识单元113根据所述历史医疗数据所属的指标对所述历史医疗数据进行标识，得到多个指标类别；
构建单元114基于所述历史医疗数据及对应的指标类别构建每个指标类别的数据集；
所述输入单元112将每个指标类别的数据集输入至遗忘门层进行遗忘处理，得到每个指标类别的训练数据；
划分单元115采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集；
所述输入单元112将每个训练集中的历史医疗数据输入至输入门层进行训练，得到与所述多个指标类别对应的多个初级学习器；
融合单元116将所述多个初级学习器进行融合，得到次级学习器；
调整单元117根据每个验证集中的历史医疗数据调整所述次级学习器，得到所述检测模型。
通过验证集中的历史医疗数据对所述学习器进行调整，能够提高所述检测模型的检测准确性。
具体地，所述划分单元115采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集包括：
对于每个指标类别，将所述训练数据按照预设比例随机划分为多个数据包；
确定所述多个数据包包括：
将所述多个数据包中的任意数据包确定为所述验证集，并将其余的数据包确定为所述训练集；
重复确定所述多个数据包，直至每个数据包依次被确定为所述验证集，得到每个指标类别的所述训练集及每个指标类别的所述验证集。
其中，所述预设比例可以自定义设置，本发明不作限制。
通过上述实施方式，使所述训练数据中的每个数据均参与训练及验证，由此，提高训练所述检测模型的拟合度。
具体地，所述融合单元116将所述多个初级学习器进行融合，得到次级学习器包括：
获取每个初级学习器的预设权值，根据所述预设权值对所述多个初级学习器进行加权和运算，并将运算后的结果确定为所述次级学习器。
通过上述实施方式，使所述次级学习器中具有每个初级学习器的特征。
具体地，所述调整单元117根据每个验证集中的历史医疗数据调整所述次级学习器，得到所述检测模型包括：
采用超参数网格搜索方法从每个验证集中的历史医疗数据中确定每个验证集中的最优超参数点；
通过所述最优超参数点对所述次级学习器进行调整，得到所述检测模型。
通过上述实施方式，能够提高模型的训练准确度。
所述确定单元110根据所述第一数据及所述第二数据确定异常体检数据。
在本发明的至少一个实施例中，所述异常体检数据是指同时存在于所述第一数据与所述第二数据中的数据。
在本发明的至少一个实施例中，所述确定单元110根据所述第一数据及所述第二数据确定异常体检数据包括：
遍历所述第一数据，并检测遍历到的第一数据是否存在于所述第二数据中；
将存在于所述第二数据中的所述遍历到的第一数据确定为所述异常体检数据。
通过上述实施方式，能够准确并完整地确定出所述异常体检数据。
所述确定单元110将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
需要强调的是，为进一步保证上述异常医疗指标的私密和安全性，上述异常医疗指标还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述目标患者是指体检数据存在异常体检数据的待确诊患者，进一步地，所述异常医疗指标是指所述异常体检数据对应的待检测医疗指标。
在本发明的至少一个实施例中，在将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标后，生成单元118根据所述目标患者、所述异常医疗指标及所述异常体检数据生成医疗报告；
所述获取单元111从所述异常医疗指标确定请求中获取展示形式；
展示单元119以所述展示形式展示所述医疗报告；
当检测到在预设时间内展示的所述医疗报告未被触发时，发送单元120将所述医疗报告发送至指定联系人的终端设备。
其中，所述展示形式可以是表格展示形式、柱形图展示形式等。
进一步地，所述预设时间可以根据需求设定。
更进一步地，所述指定联系人是指触发所述异常医疗指标确定请求的用户。
通过所述展示形式展示所述医疗报告，能够根据用户的需求展示相应的医疗报告，提高用户的体验度，同时，在预设时间内检测到医疗报告未被接收时，向指定联系人发送医疗报告，确保医疗报告能够被接收。
由以上技术方案可以看出，本发明能够当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域，获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标，由于医疗指标数据存在地域性，因此，通过对同一检测区域内所有待确诊患者进行数据分析，能够准确确定出异常医疗指标，根据所述体检数据确定所述待检测医疗指标的指标群体范围，将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据，将所述体检数据输入至预先创建的检测模型中，得到第二数据，根据所述第一数据及所述第二数据确定异常体检数据，分别利用两种方式从所述体检数据中确定出第一数据及第二数据，进而利用确定出的第一数据及第二数据能够完整并准确地确定出异常体检数据，将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。本发明在无需制定医疗指标规则的前提下，能够准确并完整地确定出待确诊患者的异常医疗指标。本发明还应用于智慧医疗场景中，从而推动智慧城市的建设。
如图3所示，是本发明实现异常医疗指标确定方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如异常医疗指标确定程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1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1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13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。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，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的，所述计算机可读指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如，所述计算机可读指令可以被分割成确定单元110、获取单元111、输入单元112、标识单元113、构建单元114、划分单元115、融合单元116、调整单元117、生成单元118、展示单元119及发送单元120。
所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12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的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、插接式硬盘，智能存储卡(SmartMedia 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、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1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，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令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可读指令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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1，所述电子设备1中的所述存储器12存储计算机可读指令实现一种异常医疗指标确定方法，所述处理器13可执行所述计算机可读指令从而实现：
当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域；
获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标；
根据所述体检数据确定所述待检测医疗指标的指标群体范围；
将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据；
将所述体检数据输入至预先创建的检测模型中，得到第二数据；
根据所述第一数据及所述第二数据确定异常体检数据；
将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
具体地，所述处理器13对上述计算机可读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。
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：
当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域；
获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标；
根据所述体检数据确定所述待检测医疗指标的指标群体范围；
将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据；
将所述体检数据输入至预先创建的检测模型中，得到第二数据；
根据所述第一数据及所述第二数据确定异常体检数据；
将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
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。
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。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
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)

1.一种异常医疗指标确定方法，其特征在于，所述异常医疗指标确定方法包括：
当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域；
获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标；
根据所述体检数据确定所述待检测医疗指标的指标群体范围；
将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据；
将所述体检数据输入至预先创建的检测模型中，得到第二数据；
根据所述第一数据及所述第二数据确定异常体检数据；
将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
2.如权利要求1所述的异常医疗指标确定方法，其特征在于，所述获取所述检测区域内所有待确诊患者的体检数据包括：
获取所述所有待确诊患者的体检报告；
识别所述体检报告的文件格式，并将所述文件格式为非文本格式的体检报告转换成具有文本格式的体检报告；
从所述具有文本格式的体检报告中获取所述体检数据。
3.如权利要求1所述的异常医疗指标确定方法，其特征在于，所述根据所述体检数据确定所述待检测医疗指标的指标群体范围包括：
根据所述体检数据确定所述待检测医疗指标的期望值，并根据所述体检数据确定所述待检测医疗指标的标准差；
将所述期望值与所述标准差的预设倍数相减，得到所述待检测医疗指标的第一阈值，并将所述期望值与所述标准差的所述预设倍数相加，得到所述待检测医疗指标的第二阈值；
根据所述第一阈值与所述第二阈值确定所述待检测医疗指标的指标群体范围。
4.如权利要求1所述的异常医疗指标确定方法，其特征在于，在将所述体检数据输入至预先创建的检测模型中，得到第二数据之前，所述方法还包括：
采用网络爬虫技术获取历史医疗数据；
根据所述历史医疗数据所属的指标对所述历史医疗数据进行标识，得到多个指标类别；
基于所述历史医疗数据及对应的指标类别构建每个指标类别的数据集；
将每个指标类别的数据集输入至遗忘门层进行遗忘处理，得到每个指标类别的训练数据；
采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集；
将每个训练集中的历史医疗数据输入至输入门层进行训练，得到与所述多个指标类别对应的多个初级学习器；
将所述多个初级学习器进行融合，得到次级学习器；
根据每个验证集中的历史医疗数据调整所述次级学习器，得到所述检测模型。
5.如权利要求4所述的异常医疗指标确定方法，其特征在于，所述采用交叉验证法将每个指标类别的训练数据划分为每个指标类别的训练集及每个指标类别的验证集包括：
对于每个指标类别，将所述训练数据按照预设比例随机划分为多个数据包；
确定所述多个数据包包括：
将所述多个数据包中的任意数据包确定为所述验证集，并将其余的数据包确定为所述训练集；
重复确定所述多个数据包，直至每个数据包依次被确定为所述验证集，得到每个指标类别的所述训练集及每个指标类别的所述验证集。
6.如权利要求1所述的异常医疗指标确定方法，其特征在于，所述根据所述第一数据及所述第二数据确定异常体检数据包括：
遍历所述第一数据，并检测遍历到的第一数据是否存在于所述第二数据中；
将存在于所述第二数据中的所述遍历到的第一数据确定为所述异常体检数据。
7.如权利要求1所述的异常医疗指标确定方法，其特征在于，在将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标后，所述方法还包括：
根据所述目标患者、所述异常医疗指标及所述异常体检数据生成医疗报告；
从所述异常医疗指标确定请求中获取展示形式；
以所述展示形式展示所述医疗报告；
当检测到在预设时间内展示的所述医疗报告未被触发时，将所述医疗报告发送至指定联系人的终端设备。
8.一种异常医疗指标确定装置，其特征在于，所述异常医疗指标确定装置包括：
确定单元，用于当接收到异常医疗指标确定请求时，从所述异常医疗指标确定请求中确定检测区域；
获取单元，用于获取所述检测区域内所有待确诊患者的体检数据，并根据所述体检数据确定待检测医疗指标；
所述确定单元，还用于根据所述体检数据确定所述待检测医疗指标的指标群体范围；
所述确定单元，还用于将所述体检数据与所述指标群体范围进行比较，并将不在所述指标群体范围内的体检数据确定为第一数据；
输入单元，用于将所述体检数据输入至预先创建的检测模型中，得到第二数据；
所述确定单元，还用于根据所述第一数据及所述第二数据确定异常体检数据；
所述确定单元，还用于将与所述异常体检数据对应的待确诊患者确定为目标患者，并将与所述异常体检数据对应的待检测医疗指标确定为所述目标患者的异常医疗指标。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的异常医疗指标确定方法。
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中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的异常医疗指标确定方法。
CN202010917008.XA 2020-09-03 2020-09-03 异常医疗指标确定方法、装置、电子设备及存储介质 Pending CN111986762A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010917008.XA CN111986762A (zh) 2020-09-03 2020-09-03 异常医疗指标确定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010917008.XA CN111986762A (zh) 2020-09-03 2020-09-03 异常医疗指标确定方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111986762A true CN111986762A (zh) 2020-11-24

Family

ID=73448018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010917008.XA Pending CN111986762A (zh) 2020-09-03 2020-09-03 异常医疗指标确定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111986762A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724816A (zh) * 2021-08-30 2021-11-30 平安国际智慧城市科技股份有限公司 基于人工智能的医疗数据质检方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021920A (zh) * 2016-05-17 2016-10-12 华南师范大学 基于神经网络面向自动诊断的医疗数据处理系统和装置
CN109308545A (zh) * 2018-08-21 2019-02-05 中国平安人寿保险股份有限公司 预测患糖尿病几率的方法、装置、计算机设备及存储介质
CN110970105A (zh) * 2019-12-04 2020-04-07 深圳追一科技有限公司 体检报告播报方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021920A (zh) * 2016-05-17 2016-10-12 华南师范大学 基于神经网络面向自动诊断的医疗数据处理系统和装置
CN109308545A (zh) * 2018-08-21 2019-02-05 中国平安人寿保险股份有限公司 预测患糖尿病几率的方法、装置、计算机设备及存储介质
CN110970105A (zh) * 2019-12-04 2020-04-07 深圳追一科技有限公司 体检报告播报方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冯启明: ""正态分布及其应用"", 广西医学, vol. 20, no. 1, pages 43 - 46 *
周飞燕: ""卷积神经网络研究综述"", 计算机学报, vol. 40, no. 6, pages 1229 - 1251 *
唐子惠编: "《智能风控原理、算法与工程实践》", vol. 1, 上海科学技术出版社, pages: 183 - 182 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724816A (zh) * 2021-08-30 2021-11-30 平安国际智慧城市科技股份有限公司 基于人工智能的医疗数据质检方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
WO2021114736A1 (zh) 医疗问诊辅助方法、装置、电子设备及介质
CN113707253B (zh) 医疗方案推荐方法、装置、设备及介质
CN112669138A (zh) 数据处理方法及相关设备
CN109584980B (zh) 数据核验方法及装置、电子设备、存储介质
CN111986763B (zh) 疾病数据分析方法、装置、电子设备及存储介质
CN113724830B (zh) 基于人工智能的用药风险检测方法及相关设备
CN113470775B (zh) 信息采集方法、装置、设备及存储介质
CN112363923A (zh) 基于问卷系统的测试方法、装置、计算机设备及介质
CN112053143A (zh) 资金路由方法、装置、电子设备及存储介质
CN112214588A (zh) 多意图识别方法、装置、电子设备及存储介质
CN112199494A (zh) 医疗信息搜索方法、装置、电子设备及存储介质
CN112435745B (zh) 就诊策略推荐方法、装置、电子设备及存储介质
Sawyer et al. Technological advances in clinical definition and surveillance methodology for surgical site infection incorporating surgical site imaging and patient-generated health data
CN111698302A (zh) 数据预警方法、装置、电子设备及介质
CN111986762A (zh) 异常医疗指标确定方法、装置、电子设备及存储介质
CN111933241B (zh) 医疗数据解析方法、装置、电子设备及存储介质
CN112837781B (zh) 一种基于医院处方信息的药房管理系统及方法
CN114360732B (zh) 医疗数据分析方法、装置、电子设备及存储介质
CN111933245A (zh) 超说明书用药信息处理方法、装置及相关设备
CN113283677B (zh) 指标数据处理方法、装置、设备及存储介质
CN113343970B (zh) 文本图像检测方法、装置、设备及存储介质
CN114238296A (zh) 产品指标数据展示方法、装置、设备及存储介质
CN114490262A (zh) 数据库监控方法、装置、设备及存储介质
CN113284137A (zh) 纸张褶皱检测方法、装置、设备及存储介质
CN112819305A (zh) 业务指标分析方法、装置、设备及存储介质

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

Effective date of registration: 20220921

Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd.

Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000

Applicant before: Ping An International Smart City Technology Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20201124

RJ01 Rejection of invention patent application after publication