CN113299401B - 传染病数据的传播监测方法、装置、计算机设备及介质 - Google Patents
传染病数据的传播监测方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN113299401B CN113299401B CN202110592945.7A CN202110592945A CN113299401B CN 113299401 B CN113299401 B CN 113299401B CN 202110592945 A CN202110592945 A CN 202110592945A CN 113299401 B CN113299401 B CN 113299401B
- Authority
- CN
- China
- Prior art keywords
- infectious disease
- data
- characteristic
- matrix
- transmission
- 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.)
- Active
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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及数据监测统计领域,揭示了一种传染病数据的传播监测方法、装置、设备及介质,其中方法包括:按照单位时间获取两个不同目标地点的传染病数据源;提取所述传染病数据源的特征数据;识别所述特征数据,确定不同目标地点的传染病病例数量;将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立对应的三维特征矩阵;将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵;从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。本申请在数据源、时间、空间上对传染病进行预警,提高传染病传播风险的预测准确率及效率。
Description
技术领域
本申请涉及数据监测统计领域,特别是涉及到一种传染病数据的传播监测方法、装置、计算机设备及存储介质。
背景技术
近些年来,在公共卫生领域,传染病的监测预警已经成为传染病防控的重点和热点研究问题。目前的传染病监测预警系统存在监测数据源单一、监测范围局限、预警不及时、预警精度低等不足之处。无法准确、高效地对传染病的传播进行监测。
发明内容
本申请的主要目的为提供一种传染病数据的传播监测方法、装置、计算机设备及存储介质,旨在解决目前无法准确、高效地对传染病传播数据进行监测的问题。
为了实现上述发明目的,本申请提出一种传染病数据的传播监测方法,包括:
按照单位时间获取两个不同目标地点的传染病数据源;
提取所述传染病数据源包含的特征数据;
识别所述特征数据,确定不同目标地点的传染病病例数量;
分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;
将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵;
从所述传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。
进一步地,所述将所述三维特征矩阵进行融合,还包括:
获取每一个特征数据的识别精度;
根据所述识别精度确定每一个所述三维特征矩阵的融合权重;
按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵。
进一步地,所述确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,还包括:
获取所述时间窗口的时长;
根据所述时间窗口的时长确定所述传染病传播风险等级;
根据所述传染病传播风险等级匹配传播预警提示信息。
进一步地,所述根据所述传染病传播风险等级匹配传播预警提示信息之后,还包括:
获取存在传染病传播风险的时间信息和地点信息;
将所述传播预警提示信息及对应的时间信息和地点信息发送至预设的预防中心。
进一步地,所述从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,还包括:
从若干个传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口;
获取每一个传染病数据传播监测矩阵确定的两个风险目标地点,所述两个风险目标地点在所述时间窗口对应的时间存在传染病传播风险;
对所述风险目标地点进行统计,选取出现频次最高的风险目标地点作为源头传播目标地点。
进一步地,所述提取所述传染病数据源包含的特征数据,还包括:
获取所述传染病数据源的若干个关联特征及每一个关联特征的预测数值;
根据所述预测数值选取满足预设要求的关联特征;所述关联特征的数量为三个;
提取所述传染病数据源包含的三个关联特征的特征数据。
进一步地,所述识别所述特征数据,确定不同目标地点的传染病病例数量,包括:
识别所述特征数据,确定所述特征数据对应的项目实体;
若所述项目实体与所述传染病相关联,将所述目标地点的传染病病例数量增加一。
本申请还提供一种传染病数据的传播监测装置,包括:
数据获取模块,用于按照单位时间获取两个不同目标地点的传染病数据源;
特征提取模块,用于提取所述传染病数据源包含的特征数据;
数量统计模块,用于识别所述特征数据,确定不同目标地点的传染病病例数量;
特征关联模块,用于分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;
矩阵融合模块,用于将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵;
风险监测模块,用于从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述传染病数据的传播监测方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述传染病数据的传播监测方法的步骤。
本申请例提供了一种融合时间维度和空间维度进行传染病传播监测的方法,以两个不同目标地点的传染病数据源作为分析对象,按照单位时间获取两个不同目标地点的传染病数据源,提取所述传染病数据源包含的特征数据,再识别所述特征数据,确定不同目标地点的传染病病例数量,分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵,将所述三维特征矩阵进行融合,得到传染病数据传播监测矩阵,融合后的传染病数据传播监测矩阵已经隐含了特征数据、及特征数据所确定的传染病病例数量,从所述传染病数据传播监测矩阵中捕获聚类的时间窗口,时间窗口表征在该时间窗口范围内的时间,两个目标地点出现的传染病病例数量超过预警值,从而确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险,通过融合时间维度和空间维度及特征数据所确定的传染病病例数量完成对传染病传播风险的预警,提高传染病传播风险的监测效率及准确率。
附图说明
图1为本申请传染病数据的传播监测方法的一实施例流程示意图;
图2为本申请传染病数据的传播监测方法的另一实施例流程示意图;
图3为本申请传染病数据的传播监测装置的一实施例结构示意图;
图4为本申请计算机设备的一实施例结构示意框图。
本申请目的的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例提供一种传染病数据的传播监测方法,包括步骤S10-S60,对于所述传染病数据的传播监测方法的各个步骤的详细阐述如下。
S10、按照单位时间获取两个不同目标地点的传染病数据源。
本实施例应用于传染病数据的传播监测、识别场景,传染病传播都会存在一个潜伏期和爆发期,因此需要对传染病进行及时的预测,本实施例按照单位时间获取两个不同目标地点的传染病数据源,所述单位时间以“天”为单位,可以实时统计目标地点的传染病数据源,所述目标地点优选为医院,所述传染病数据源包括与目标地点相关的数据,包括医院出入人数,门诊人数,住院人数,病例数量,病例症状,检查项目,检查项目的人数,药品库存,药品消耗数量等。本实施例以两个不同目标地点的传染病数据源作为分析对象,根据两个不同目标地点的传染病数据源分析是否存在传染病以及传染病的可能传播风险,其中,两个不同目标地点并非特指2个如目标地点A和目标地点B,可以将地点A1,A2,A3作为目标地点A,地点B1,B2,B3作为目标地点B。
S20、提取所述传染病数据源包含的特征数据。
本实施例中,在获取到两个不同目标地点的传染病数据源后,不同传染病所需研究的特征不同,因而可以根据不同的传染病类型提取所述传染病数据源包含的特征数据,一种实施方式为,从知识图谱中提取传染病的特征数据,知识图谱中构建了不同传染病的相关联的特征数据,包括症状特征数据、药品特征数据、检查项目特征数据,症状特征数据包括发热、鼻出血、咽痛、浓痰、喘息等,药品特征数据包括乙酰水杨酸、右美沙芬、帕拉米韦、氨咖黄敏、酚氨咖敏等,检查项目特征数据包括血常规、病毒核酸、血液生化、胸部CT、胸部X光等,然后从传染病数据源中通过关键词匹配,将与传染病的相关联的数据提取出来,作为特征数据。例如提取传染病数据源包含的特征数据“病例症状”,即单位时间内出现的病例症状的类型及数量;提取传染病数据源包含的特征数据“药品”,即单位时间内消耗的药品的类型及数量;提取传染病数据源包含的特征数据“检查项目”,即单位时间内检查项目的类型及数量。
S30、识别所述特征数据,确定不同目标地点的传染病病例数量。
本实施例中,在得到所述传染病数据源包含的特征数据后,由于特征数据中包含的信息不同,因此通过识别所述特征数据,确定不同目标地点的传染病病例数量,当目标地点的患者的病例中出现某一传染病的相关症状,则将传染病病例的数量增加1;当目标地点的患者的药品清单中出现某一传染病的相关药品,则将传染病病例的数量增加1;当目标地点的患者的体检项目表中出现某一传染病的所需要进行的体检项目,则将传染病病例的数量增加1。例如,针对传染病-流感的监测,应用深度学习技术和自然语言处理技术中的命名实体识别技术,从每个患者的电子病历中获取症状和症状相关的属性,即症状发生的部位、持续时间、严重程度等;然后,根据关键词匹配技术,将患者症状信息的关键词和流感相关联的症状项目进行匹配,将匹配成功的患者标记为流感症状传染病病例。
S40、分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度。
本实施例中,在识别所述特征数据,确定不同目标地点的传染病病例数量后,分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,即每一个特征数据所确定的传染病病例数量、传染病病历出现的目标地点以及出现的单位时间构造一个三维特征矩阵,三维矩阵分为x、y和z轴,一种实施方式中,实施三维矩阵的z轴表示时间,x轴和y轴分别代表两个不同的目标地点,计算每两个目标地点之间的距离d,以及这两个目标地点对应数据源的传染病病例数量a和b,这两个目标地点在x轴和y轴对应的值为d*(a+b)。对每两个目标地点进行计算得到x轴和y轴上的对应值,然后在z轴时间维度上在进行计算,得到特征数据对应的三维特征矩阵。当存在多少个特征数据时,按照上述方式分别生成每个特征数据对应的三维特征矩阵,因此每个所述三维特征矩阵都融合时间、空间及传染病病例数量的三种维度。
S50、将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵。
本实施例中,在得到每个特征数据对应的三维特征矩阵之后,将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵,在一种实施方式中,将两个特征数据对应的三维特征矩阵进行融合,得到一个融合矩阵,再将所述融合矩阵与另外一个特征数据对应的三维特征矩阵进行融合,再次得到一个融合矩阵,依次将所述融合矩阵与另外一个特征数据对应的三维特征矩阵进行融合,直至完成所有特征数据对应的三维特征矩阵的融合,首先确保每一个特征数据对应的三维特征矩阵的维数一样,例如a1=[1 2 34 5];a2=[4 5 6 7 8];a3=[3 4 5 6 7];然后将矩阵进行依次融合,即融合矩阵a1、a2、a3得到融合矩阵AA=[a1;a2;a3],融合后的传染病数据传播监测矩阵的三个维度为时间及两个不同的目标地点,并且融合后的传染病数据传播监测矩阵已经隐含了特征数据、及特征数据所确定的传染病病例数量,融合后的传染病数据传播监测矩阵能够更直接地监测传染病传播与时间、地点的关系。
S60、从所述传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。
本实施例中,在得到传染病数据传播监测矩阵,从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,即捕获在所述传染病数据传播监测矩阵的不同时间点的值在预设阈值内的数量,在一种实施方式中,应用聚类方法DBSCAN对所述传染病数据传播监测矩阵进行聚类,并且对DBSCAN方法设置预设阈值,若所述数量超过预警值,将该多个不同时间聚类为时间窗口,时间窗口表征在该时间窗口范围内的时间,两个目标地点出现的传染病病例数量超过预警值,从而确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险,完成对传染病传播风险的预警。
本实施例提供了一种融合时间维度和空间维度进行传染病传播监测的方法,以两个不同目标地点的传染病数据源作为分析对象,按照单位时间获取两个不同目标地点的传染病数据源,提取所述传染病数据源包含的特征数据,再识别所述特征数据,确定不同目标地点的传染病病例数量,分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵,将所述三维特征矩阵进行融合,得到传染病数据传播监测矩阵,融合后的传染病数据传播监测矩阵已经隐含了特征数据、及特征数据所确定的传染病病例数量,从所述传染病数据传播监测矩阵中捕获聚类的时间窗口,时间窗口表征在该时间窗口范围内的时间,两个目标地点出现的传染病病例数量超过预警值,从而确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险,通过融合时间维度和空间维度及特征数据所确定的传染病病例数量完成对传染病传播风险的预警,提高传染病传播风险的监测效率及准确率。
在一个实施例中,所述将所述三维特征矩阵进行融合,得到传染病数据传播监测矩阵,包括:
获取每一个特征数据的识别精度;
根据所述识别精度确定每一个所述三维特征矩阵的融合权重;
按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵。
本实施例中,在将所述三维特征矩阵进行融合时,获取每一个特征数据的识别精度,即不同的特征数据所能识别出传染病症状不同,根据大数据获取的特征数据与传染病的关联程度,明确的每一个特征数据对于传染病的识别精度,例如,传染病症状Y1包括特征数据A和特征数据B,并不等于特征数据A即能确定为传染病症状Y1,因此每一个特征数据均有不同的识别精度,当得到了特征数据的识别精度后,所述识别精度越高,该特征数据对于传染病的识别更加准确,为该特征数据配置较高的权重,即确定该特征数据对应的三维特征矩阵的融合权重,然后根据所述识别精度确定每一个所述三维特征矩阵的融合权重,按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵,配置了融合权重后得到的传染病数据传播监测矩阵,能够根据不同的权重更加准确地对传染病传播进行监测。
在一个实施例中,所述确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,还包括:
获取所述时间窗口的时长;
根据所述时间窗口的时长确定所述传染病传播风险等级;
根据所述传染病传播风险等级匹配传播预警提示信息。
本实施例中,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,获取所述时间窗口的时长,当所述时间窗口的时长越长,则确定传染病病例存在的持续时间越长,越有可能存在广泛传播的风险,此时根据所述时间窗口的时长确定所述传染病传播风险等级,根据所述传染病传播风险等级匹配传播预警提示信息,不同的传播风险等级匹配不同的预警提示信息,能够更好地对不同传播风险发出警示,提高传染病传播风险的预防效率。
在一个实施例中,所述根据所述传染病传播风险等级匹配传播预警提示信息之后,还包括:
获取存在传染病传播风险的时间信息和地点信息;
将所述传播预警提示信息及对应的时间信息和地点信息发送至预设的预防中心。
本实施例中,根据所述传染病传播风险等级匹配传播预警提示信息之后,获取存在传染病传播风险的时间信息和地点信息,即获取存在传染病传播风险的目标地点和单位时间,从而确定传染病在哪里、何时开始传播,大范围传播,然后将所述传播预警提示信息及对应的时间信息和地点信息发送至预设的预防中心,预防中心收到所述信息后,能够第一时间针对所述传染病传播作出预警措施,提高传染病传播监测的效率。
在一个实施例中,如图2所示,所述从所述传染病数据传播监测矩阵中捕获聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,还包括:
S61:从若干个传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口;
S62:获取每一个传染病数据传播监测矩阵确定的两个风险目标地点,所述两个风险目标地点在所述时间窗口对应的时间存在传染病传播风险;
S63:对所述风险目标地点进行统计,选取出现频次最高的风险目标地点作为源头传播目标地点。
本实施例中,从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,同一时间是从多组两个目标地点进行传染病传播风险的统计,因此能够得到多个传染病数据传播监测矩阵,再从每一个传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,获取每一个传染病数据传播监测矩阵确定的两个风险目标地点,所述两个风险目标地点在所述时间窗口对应的时间存在传染病传播风险,对所述风险目标地点进行统计,选取出现频次最高的风险目标地点作为源头传播目标地点,通过统计出现频次最高的风险目标地点作为源头传播目标地点,可以及时发现传染病传播可能的源头,提高传染病传播的监测效率。
在一个实施例中,所述提取所述传染病数据源包含的特征数据,包括:
获取所述传染病数据源的若干个关联特征及每一个关联特征的预测数值;
根据所述预测数值选取满足预设要求的关联特征;所述关联特征的数量为三个;
提取所述传染病数据源包含的三个关联特征的特征数据。
本实施例中,在提取所述传染病数据源包含的特征数据时,获取所述传染病数据源的若干个关联特征及每一个关联特征的预测数值,所述关联特征为与某一种传染病相关联的特征,所述关联特征的预测数值为所述关联特征与该传染病的相关程度,根据所述预测数值选取满足预设要求的关联特征,提取所述传染病数据源所述关联特征的特征数据。在一种实施方式中,所述预设要求为预测数值最高的前三个,因此选取的所述关联特征的数量为三个,提取所述传染病数据源包含的三个关联特征的特征数据,即从传染病数据源的若干个关联特征选取3个最相关的关联特征进行特征数据的统计,可以有效地降低数据统计的计算量,减少冗余数据的计算,提高计算效率,并且选取的是关联程度最高的3个关联特征,能够保证传染病数据统计的准确度。
在一个实施例中,所述识别所述特征数据,确定不同目标地点的传染病病例数量,包括:
识别所述特征数据,确定所述特征数据对应的项目实体;所述项目实体为所述特征数据中的目标信息;
若所述项目实体与所述传染病相关联,将所述目标地点的传染病病例数量增加一。
本实施例中,在识别所述特征数据,确定不同目标地点的传染病病例数量时,识别所述特征数据,确定所述特征数据对应的项目实体,述项目实体为所述特征数据中的目标信息,因为特征数据中包含有冗余信息,例如药品特征数据中包含有药品名称、药品数量、药品用量、药品用法等信息,通过识别所述特征数据,获取所述特征数据的项目实体为“药品名称”,从而确定特征数据的目标信息,若所述项目实体与所述传染病相关联,将所述目标地点的传染病病例数量增加一,以此统计不同特征数据所得到的传染病病例数量。
参照图3,本申请还提供一种传染病数据的传播监测装置,包括:
数据获取模块10,用于按照单位时间获取两个不同目标地点的传染病数据源;
特征提取模块20,用于提取所述传染病数据源包含的特征数据;
数量统计模块30,用于识别所述特征数据,确定不同目标地点的传染病病例数量;
特征关联模块40,用于分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;
矩阵融合模块50,用于将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵;
风险监测模块60,用于从所述传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。
如上所述,可以理解地,本申请中提出的所述传染病数据的传播监测装置的各组成部分可以实现如上所述传染病数据的传播监测方法任一项的功能。
在一个实施例中,所述矩阵融合模块50还包括执行:
获取每一个特征数据的识别精度;
根据所述识别精度确定每一个所述三维特征矩阵的融合权重;
按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵。
在一个实施例中,所述风险监测模块60还包括执行:
获取所述时间窗口的时长;
根据所述时间窗口的时长确定所述传染病传播风险等级;
根据所述传染病传播风险等级匹配传播预警提示信息。
在一个实施例中,所述风险监测模块60还包括执行:
获取存在传染病传播风险的时间信息和地点信息;
将所述传播预警提示信息及对应的时间信息和地点信息发送至预设的预防中心。
在一个实施例中,所述风险监测模块60还包括执行:
从若干个传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口;
获取每一个传染病数据传播监测矩阵确定的两个风险目标地点,所述两个风险目标地点在所述时间窗口对应的时间存在传染病传播风险;
对所述风险目标地点进行统计,选取出现频次最高的风险目标地点作为源头传播目标地点。
在一个实施例中,所述特征提取模块20还包括执行:
获取所述传染病数据源的若干个关联特征及每一个关联特征的预测数值;所述关联特征为与某一种传染病相关联的特征,所述关联特征的预测数值为所述关联特征与该传染病的相关程度;
根据所述预测数值选取满足预设要求的关联特征;
提取所述传染病数据源所述关联特征的特征数据在一个实施例中,所述数量统计模块30还包括执行:
识别所述特征数据,确定所述特征数据对应的项目实体;所述项目实体为所述特征数据中的目标信息;
若所述项目实体与所述传染病相关联,将所述目标地点的传染病病例数量增加一。
参照图4,本申请实施例中还提供一种计算机设备,该计算机设备可以是移动终端,其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和显示装置及输入装置。其中,该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的输入装置用于接收用户的输入。该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质。该存储介质存储有操作系统、计算机程序和数据库。该计算机设备的数据库用于存放数据。该计算机程序被处理器执行时以实现一种传染病数据的传播监测方法。
上述处理器执行上述的传染病数据的传播监测方法,包括:按照单位时间获取两个不同目标地点的传染病数据源;提取所述传染病数据源包含的特征数据;识别所述特征数据,确定不同目标地点的传染病病例数量;分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵;从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。
所述计算机设备提供了一种融合时间维度和空间维度进行传染病传播监测的方法,以两个不同目标地点的传染病数据源作为分析对象,按照单位时间获取两个不同目标地点的传染病数据源,提取所述传染病数据源包含的特征数据,再识别所述特征数据,确定不同目标地点的传染病病例数量,分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵,将所述三维特征矩阵进行融合,得到传染病数据传播监测矩阵,融合后的传染病数据传播监测矩阵已经隐含了特征数据、及特征数据所确定的传染病病例数量,从所述传染病数据传播监测矩阵中捕获聚类的时间窗口,时间窗口表征在该时间窗口范围内的时间,两个目标地点出现的传染病病例数量超过预警值,从而确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险,通过融合时间维度和空间维度及特征数据所确定的传染病病例数量完成对传染病传播风险的预警,提高传染病传播风险的监测效率及准确率。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现一种传染病数据的传播监测方法,包括步骤:按照单位时间获取两个不同目标地点的传染病数据源;提取所述传染病数据源包含的特征数据;识别所述特征数据,确定不同目标地点的传染病病例数量;分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵;从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险。
所述计算机可读存储介质提供了一种融合时间维度和空间维度进行传染病传播监测的方法,以两个不同目标地点的传染病数据源作为分析对象,按照单位时间获取两个不同目标地点的传染病数据源,提取所述传染病数据源包含的特征数据,再识别所述特征数据,确定不同目标地点的传染病病例数量,分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵,将所述三维特征矩阵进行融合,得到传染病数据传播监测矩阵,融合后的传染病数据传播监测矩阵已经隐含了特征数据、及特征数据所确定的传染病病例数量,从所述传染病数据传播监测矩阵中捕获聚类的时间窗口,时间窗口表征在该时间窗口范围内的时间,两个目标地点出现的传染病病例数量超过预警值,从而确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险,通过融合时间维度和空间维度及特征数据所确定的传染病病例数量完成对传染病传播风险的预警,提高传染病传播风险的监测效率及准确率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。
非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围。
凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种传染病数据的传播监测方法,其特征在于,包括:
按照单位时间获取两个不同目标地点的传染病数据源;
提取所述传染病数据源包含的特征数据;
识别所述特征数据,确定不同目标地点的传染病病例数量;
分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;
获取每一个特征数据的识别精度;
根据所述识别精度确定每一个所述三维特征矩阵的融合权重;
按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到传染病数据传播监测矩阵;
每一个特征数据均有不同的识别精度,当得到了特征数据的识别精度后,所述识别精度越高,该特征数据对于传染病的识别更加准确,为该特征数据配置较高的权重,即确定该特征数据对应的三维特征矩阵的融合权重,然后根据所述识别精度确定每一个所述三维特征矩阵的融合权重,按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵,配置了融合权重后得到的传染病数据传播监测矩阵,能够根据不同的权重更加准确地对传染病传播进行监测;
从所述传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险;
获取所述时间窗口的时长;
根据所述时间窗口的时长确定所述传染病传播风险等级;
根据所述传染病传播风险等级匹配传播预警提示信息。
2.根据权利要求1所述的传染病数据的传播监测方法,其特征在于,所述根据所述传染病传播风险等级匹配传播预警提示信息之后,还包括:
获取存在传染病传播风险的时间信息和地点信息;
将所述传播预警提示信息及对应的时间信息和地点信息发送至预设的预防中心。
3.根据权利要求1所述的传染病数据的传播监测方法,其特征在于,所述从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险之后,还包括:
从若干个传染病数据传播监测矩阵中捕获基于预设阈值的时间窗口;
获取每一个传染病数据传播监测矩阵确定的两个风险目标地点,所述两个风险目标地点在所述时间窗口对应的时间存在传染病传播风险;
对所述风险目标地点进行统计,选取出现频次最高的风险目标地点作为源头传播目标地点。
4.根据权利要求1所述的传染病数据的传播监测方法,其特征在于,所述提取所述传染病数据源包含的特征数据,还包括:
获取所述传染病数据源的若干个关联特征及每一个关联特征的预测数值;所述关联特征为与某一种传染病相关联的特征,所述关联特征的预测数值为所述关联特征与该传染病的相关程度;
根据所述预测数值选取满足预设要求的关联特征;
提取所述传染病数据源所述关联特征的特征数据。
5.根据权利要求1所述的传染病数据的传播监测方法,其特征在于,所述识别所述特征数据,确定不同目标地点的传染病病例数量,包括:
识别所述特征数据,确定所述特征数据对应的项目实体;所述项目实体为所述特征数据中的目标信息;
若所述项目实体与所述传染病相关联,将所述目标地点的传染病病例数量增加一。
6.一种传染病数据的传播监测装置,其特征在于,包括:
数据获取模块,用于按照单位时间获取两个不同目标地点的传染病数据源;
特征提取模块,用于提取所述传染病数据源包含的特征数据;
数量统计模块,用于识别所述特征数据,确定不同目标地点的传染病病例数量;
特征关联模块,用于分别将每一个所述特征数据所确定的传染病病例数量与所述目标地点及单位时间建立关联,得到每个特征数据对应的三维特征矩阵;所述三维特征矩阵融合时间、空间及传染病病例数量维度;
矩阵融合模块,用于将所述特征数据对应的三维特征矩阵进行融合,得到传染病数据传播监测矩阵,获取每一个特征数据的识别精度;根据所述识别精度确定每一个所述三维特征矩阵的融合权重;按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵;每一个特征数据均有不同的识别精度,当得到了特征数据的识别精度后,所述识别精度越高,该特征数据对于传染病的识别更加准确,为该特征数据配置较高的权重,即确定该特征数据对应的三维特征矩阵的融合权重,然后根据所述识别精度确定每一个所述三维特征矩阵的融合权重,按照每一个三维特征矩阵的融合权重将所有所述三维特征矩阵进行融合,得到所述传染病数据传播监测矩阵,配置了融合权重后得到的传染病数据传播监测矩阵,能够根据不同的权重更加准确地对传染病传播进行监测;
风险监测模块,用于从所述传染病数据传播监测矩阵中捕获基于预设阈值聚类的时间窗口,确定两个目标地点在所述时间窗口对应的时间存在传染病传播风险,获取所述时间窗口的时长;根据所述时间窗口的时长确定所述传染病传播风险等级;根据所述传染病传播风险等级匹配传播预警提示信息。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述传染病数据的传播监测方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述传染病数据的传播监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592945.7A CN113299401B (zh) | 2021-05-28 | 2021-05-28 | 传染病数据的传播监测方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110592945.7A CN113299401B (zh) | 2021-05-28 | 2021-05-28 | 传染病数据的传播监测方法、装置、计算机设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113299401A CN113299401A (zh) | 2021-08-24 |
CN113299401B true CN113299401B (zh) | 2023-04-07 |
Family
ID=77325920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110592945.7A Active CN113299401B (zh) | 2021-05-28 | 2021-05-28 | 传染病数据的传播监测方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113299401B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113707337B (zh) * | 2021-08-30 | 2024-05-10 | 平安科技(深圳)有限公司 | 基于多源数据的疾病预警方法、装置、设备及存储介质 |
CN114067935B (zh) * | 2021-11-03 | 2022-05-20 | 广西壮族自治区通信产业服务有限公司技术服务分公司 | 一种流行病调查方法、系统、电子设备及存储介质 |
CN114724730B (zh) * | 2022-02-18 | 2024-04-30 | 深圳平安智慧医健科技有限公司 | 基于人工智能的传染病预警方法、装置、电子设备及介质 |
CN116705340B (zh) * | 2023-04-07 | 2024-02-02 | 中南大学湘雅三医院 | 一种基于区块链的公共卫生智慧监测系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145917A (zh) * | 2020-01-20 | 2020-05-12 | 罗晖 | 一种面向流行病防控的大规模人口接触网络建模方法 |
CN111968753A (zh) * | 2020-08-06 | 2020-11-20 | 平安科技(深圳)有限公司 | 疫情监控方法、装置、计算机设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093106B (zh) * | 2013-01-25 | 2016-03-23 | 上海市浦东新区疾病预防控制中心 | 大型活动中多源数据的传染病症状监测与预警方法 |
CA3027424A1 (en) * | 2016-07-15 | 2018-01-18 | Knox Spencer Associates Llc | Systems and methods for determining, tracking, and predicting common infectious illness outbreaks |
CN111695048B (zh) * | 2020-05-09 | 2023-06-02 | 珠海中科先进技术研究院有限公司 | 疫情溯源方法及介质 |
CN112117011A (zh) * | 2020-09-25 | 2020-12-22 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的传染病早期风险预警方法、装置 |
CN112671856A (zh) * | 2020-12-15 | 2021-04-16 | 青岛智能产业技术研究院 | 一种基于疾病传播特征的智能预警系统及预警方法 |
CN112712903A (zh) * | 2021-01-15 | 2021-04-27 | 杭州中科先进技术研究院有限公司 | 一种基于人机物三元空间协同感知的传染病监测方法 |
-
2021
- 2021-05-28 CN CN202110592945.7A patent/CN113299401B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145917A (zh) * | 2020-01-20 | 2020-05-12 | 罗晖 | 一种面向流行病防控的大规模人口接触网络建模方法 |
CN111968753A (zh) * | 2020-08-06 | 2020-11-20 | 平安科技(深圳)有限公司 | 疫情监控方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113299401A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113299401B (zh) | 传染病数据的传播监测方法、装置、计算机设备及介质 | |
CN109766534B (zh) | 报表生成方法、装置、计算机设备及可读存储介质 | |
CN110752035A (zh) | 健康数据处理方法、装置、计算机设备及存储介质 | |
CN111178069B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN104318355A (zh) | 疫苗临床试验网络管理方法及系统 | |
CN111818011A (zh) | 异常访问行为识别方法、装置、计算机设备和存储介质 | |
CN111739620A (zh) | 检测信息管理方法、装置、设备及存储介质 | |
CN110782965A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110729054B (zh) | 异常就诊行为检测方法、装置、计算机设备及存储介质 | |
EP3460704A1 (en) | Virus database acquisition method and device, equipment, server and system | |
CN116701130A (zh) | 基于指标画像的动态基线优化方法、装置及电子设备 | |
CN111767192B (zh) | 基于人工智能的业务数据检测方法、装置、设备和介质 | |
CN112035437A (zh) | 病案数据的传输方法、装置、计算机设备及存储介质 | |
CN112036749A (zh) | 基于医疗数据识别风险用户的方法、装置和计算机设备 | |
CN111461610A (zh) | 目标追踪方法、设备及可读存储介质 | |
CN113900955A (zh) | 自动化测试方法、装置、设备及存储介质 | |
CN111354448A (zh) | 孕检项目处理方法、装置、计算机设备和存储介质 | |
CN111372042A (zh) | 故障检测方法、装置、计算机设备和存储介质 | |
CN113921122A (zh) | 基于智慧医疗的医护资源分配系统 | |
CN114328968A (zh) | 医学知识图谱的构建方法、装置、电子设备和介质 | |
KR100384270B1 (ko) | 임상시험 데이터 처리 시스템 및 그 처리 방법 | |
CN111063452A (zh) | 药物匹配方法、计算机设备 | |
CN114490262A (zh) | 数据库监控方法、装置、设备及存储介质 | |
CN111274231B (zh) | 异常医保数据排查方法、装置、计算机设备和存储介质 | |
EP4226383A1 (en) | A system and a way to automatically monitor clinical trials - virtual monitor (vm) and a way to record medical history |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |