CN113380363A - 基于人工智能的医疗数据质量评价方法及系统 - Google Patents

基于人工智能的医疗数据质量评价方法及系统 Download PDF

Info

Publication number
CN113380363A
CN113380363A CN202110701594.9A CN202110701594A CN113380363A CN 113380363 A CN113380363 A CN 113380363A CN 202110701594 A CN202110701594 A CN 202110701594A CN 113380363 A CN113380363 A CN 113380363A
Authority
CN
China
Prior art keywords
medical data
candidate
target candidate
interval range
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110701594.9A
Other languages
English (en)
Other versions
CN113380363B (zh
Inventor
苏芳胜
解雯
王先知
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.)
Hunan Trasen Technology Co ltd
Original Assignee
Hunan Trasen 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 Hunan Trasen Technology Co ltd filed Critical Hunan Trasen Technology Co ltd
Priority to CN202110701594.9A priority Critical patent/CN113380363B/zh
Publication of CN113380363A publication Critical patent/CN113380363A/zh
Application granted granted Critical
Publication of CN113380363B publication Critical patent/CN113380363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提供的基于人工智能的医疗数据质量评价方法及系统，根据样本医疗数据标签统计候选医疗数据，可以从目标候选医疗数据，并从多个候选时刻中确定出与目标候选医疗数据对应的目标候选时刻，可以根据候选医疗数据。依据上述方案描述，本公开一方面能够通过对样本医疗数据标签和时刻进行关联，进而确定出符合预设质量标准的目标候选时刻和目标候选医疗数据，依据目标候选时刻和目标候选医疗数据能够实现对于文本的数据评价，有利于相关人员根据评价结果制定应对措施，以提升对于文本的可控性，另一方面，通过对文本的数据评价，能够有利于相关人员根据评价结果制定应对措施，进而最大化确定医疗数据质量评价的准确性。

Description

基于人工智能的医疗数据质量评价方法及系统
技术领域
本申请涉及数据处理技术领域，具体而言，涉及基于人工智能的医疗数据质量评价方法及系统。
背景技术
随着人工智能的不断发展，在医疗数据质量评价的过程中，需要对医疗数据进行评价，从而确保相关医疗数据的准确性，这样在医疗数据的交互的过程中，提高了交互医疗数据的完整性，从而可以提高医疗数据交互的效率。然而，在相关医疗数据质量评价技术中还存在一些缺陷。
发明内容
鉴于此，本申请提供了基于人工智能的医疗数据质量评价方法及系统。
第一方面，提供一种基于人工智能的医疗数据质量评价方法，包括：
根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻；其中，所述多个候选时刻之间的关联性为所述指定时刻；
获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据；其中，所述样本医疗数据标签用于在时间刻度上表征所述待处理文本的校验标准；
从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻；
根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
进一步地，根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻，包括：
确定所述预先设置时间段内各单元时间对应的一个或者两个指定医疗策略；
根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻；
依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新，直到遍历所述单元时间变化区间范围内所有特征向量，得到各所述指定时刻分别对应的所述多个候选时刻。
进一步地，根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻，包括：
将所述指定医疗策略归属想通类别的单元时间进行类别划分，得到包括多个所述指定时刻的类别划分结果。
进一步地，依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新，包括：
将各所述指定时刻的最大区间范围与所述时刻变化区间范围中的特征向量进行组合，得到各所述指定时刻分别对应的第一最大区间范围，并根据所述第一最大区间范围和所述最小区间范围的整合得到各所述指定时刻分别对应的一种候选时刻；
以及，将各所述指定时刻的最小区间范围与所述时刻变化区间范围中的特征向量进行组合，得到各所述指定时刻分别对应的第一最小区间范围，并根据所述最大区间范围和所述第一最小区间范围的整合得到各所述指定时刻分别对应的另一种候选时刻；
以及，根据所述第一最大区间范围和所述第一最小区间范围的整合得到各所述指定时刻分别对应的又一种候选时刻。
进一步地，获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，包括：
确定所述待处理文本在所述前一预先设置时间段内各单元时间对应的单元数据，将所述各单元时间对应的单元数据进行整合，得到所述待处理文本在所述前一预先设置时间段内对应的所述样本医疗数据标签。
进一步地，根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据，包括：
确定各个所述候选时刻分别对应的最大区间范围和最小区间范围；
从所述各单元时间对应的单元数据中确定出所述最大区间范围对应的第一单元数据和所述最小区间范围分别对应的第二单元数据；
统计所述第一单元数据与对应的所述第二单元数据的占比，得到所述多个候选时刻分别对应的占比，并对所述占比和预先设置标准系数的差异度，得到所述多个候选时刻分别对应的差异向量；
将多个所述差异向量确定为所述待处理文本分别在所述多个候选时刻对应的候选医疗数据。
进一步地，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，包括：
对所述候选医疗数据由前到后进行分布，将符合所述预设质量标准为高于预先设置标准系数的候选医疗数据确定为所述目标候选医疗数据；
或者，对所述候选医疗数据由后到前进行分布，将符合所述预设质量标准为满足所述预先设置标准系数的候选医疗数据确定为所述目标候选医疗数据。
进一步地，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，包括：
根据多个所述候选时刻的所属类别对所述候选医疗数据进行类别划分，得到多个类别划分结果；
统计各所述类别划分结果的平均标准值，并将所述平均标准值中的最大值确定为所述目标候选医疗数据；
所述预设质量标准为筛选所述平均标准值中的最大值。
进一步地，若所述目标候选医疗数据为多个，从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻，包括：
从所述候选时刻中确定出各所述目标候选医疗数据对应的目标候选时刻，所述目标候选时刻为多个；
若多个所述目标候选时刻中存在一个目标候选时刻的最大区间范围为另一个目标候选时刻的最小区间范围，则将所述一个目标候选时刻和所述另一个目标候选时刻进行整合处理，得到整合后的与所述目标候选医疗数据对应的目标候选时刻；
其中，根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据，包括：
将所述目标候选医疗数据输入数据评价模型，并根据所述数据评价模型中的评价系数评价所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
第二方面，提供一种基于人工智能的医疗数据质量评价系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的基于人工智能的医疗数据质量评价方法及系统，可以根据预先设置时间段内的指定时刻和时刻变化区间范围(如，20天)确定多个候选时刻；其中，多个候选时刻之间的关联性为指定时刻；进而，可以获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据样本医疗数据标签统计待处理文本分别在多个候选时刻对应的候选医疗数据；其中，样本医疗数据标签用于在时间刻度上表征待处理文本的校验标准；进而，可以从候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从多个候选时刻中确定出与目标候选医疗数据对应的目标候选时刻；进而，可以根据目标候选医疗数据评价待处理文本在当前预先设置时间段内的目标候选时刻对应的候选医疗数据。依据上述方案描述，本公开一方面能够通过对样本医疗数据标签和时刻进行关联，进而确定出符合预设质量标准的目标候选时刻和目标候选医疗数据，依据目标候选时刻和目标候选医疗数据能够实现对于文本的数据评价，有利于相关人员根据评价结果制定应对措施，以提升对于文本的可控性；另一方面，通过对文本的数据评价，能够有利于相关人员根据评价结果制定应对措施，进而最大化确定医疗数据质量评价的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于人工智能的医疗数据质量评价方法的流程图。
图2为本申请实施例所提供的一种基于人工智能的医疗数据质量评价装置的框图。
图3为本申请实施例所提供的一种基于人工智能的医疗数据质量评价系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于人工智能的医疗数据质量评价方法，该方法可以包括以下步骤100-步骤400所描述的技术方案。
步骤100，根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻。
示例性的，所述多个候选时刻之间的关联性为所述指定时刻。
步骤200，获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据。
示例性的，所述样本医疗数据标签用于在时间刻度上表征所述待处理文本的校验标准
步骤300，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻。
示例性的，目标候选时刻表示目标候选医疗数据对应的时刻。
步骤400，根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
示例性的，候选医疗数据表示经过质量评价的医疗数据。
可以理解，在执行上述步骤100-步骤400所描述的技术方案时，可以根据预先设置时间段内的指定时刻和时刻变化区间范围(如，20天)确定多个候选时刻；其中，多个候选时刻之间的关联性为指定时刻；进而，可以获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据样本医疗数据标签统计待处理文本分别在多个候选时刻对应的候选医疗数据；其中，样本医疗数据标签用于在时间刻度上表征待处理文本的校验标准；进而，可以从候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从多个候选时刻中确定出与目标候选医疗数据对应的目标候选时刻；进而，可以根据目标候选医疗数据评价待处理文本在当前预先设置时间段内的目标候选时刻对应的候选医疗数据。依据上述方案描述，本公开一方面能够通过对样本医疗数据标签和时刻进行关联，进而确定出符合预设质量标准的目标候选时刻和目标候选医疗数据，依据目标候选时刻和目标候选医疗数据能够实现对于文本的数据评价，有利于相关人员根据评价结果制定应对措施，以提升对于文本的可控性；另一方面，通过对文本的数据评价，能够有利于相关人员根据评价结果制定应对措施，进而最大化确定医疗数据质量评价的准确性。
在一种可替换的实施例中，发明人发现，根据预先设置时间段内的指定时刻和时刻变化区间范围时，存在单元时间对应的一个或者两个指定医疗策略不准确的问题，从而难以准确地确定多个候选时刻，为了改善上述技术问题，步骤100所描述的根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻的步骤，具体可以包括以下步骤q1-步骤q3所描述的技术方案。
步骤q1，确定所述预先设置时间段内各单元时间对应的一个或者两个指定医疗策略。
步骤q2，根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻。
步骤q3，依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新，直到遍历所述单元时间变化区间范围内所有特征向量，得到各所述指定时刻分别对应的所述多个候选时刻。
可以理解，在执行上述步骤q1-步骤q3所描述的技术方案时，根据预先设置时间段内的指定时刻和时刻变化区间范围时，避免单元时间对应的一个或者两个指定医疗策略不准确的问题，从而能够准确地确定多个候选时刻。
在一种可替换的实施例中，发明人发现，根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻时，存在指定医疗策略归属想通类别的单元时间进行类别划分不准确的问题，从而难以准确地确定指定医疗策略将所述各单元时间区分为多个所述指定时刻，为了改善上述技术问题，步骤q2所描述的根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻的步骤，具体可以包括以下步骤q2a1所描述的技术方案。
步骤q2a1，将所述指定医疗策略归属想通类别的单元时间进行类别划分，得到包括多个所述指定时刻的类别划分结果。
可以理解，在执行上述步骤q2a1所描述的技术方案时，根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻时，避免指定医疗策略归属想通类别的单元时间进行类别划分不准确的问题，从而能够准确地确定指定医疗策略将所述各单元时间区分为多个所述指定时刻。
在一种可替换的实施例中，发明人发现，依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新时，存在特征向量进行组合错误的问题，从而难以准确地进行反馈更新，为了改善上述技术问题，步骤q3所描述的依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新的步骤，具体可以包括以下步骤q3a1-步骤q3a3所描述的技术方案。
步骤q3a1，将各所述指定时刻的最大区间范围与所述时刻变化区间范围中的特征向量进行组合，得到各所述指定时刻分别对应的第一最大区间范围，并根据所述第一最大区间范围和所述最小区间范围的整合得到各所述指定时刻分别对应的一种候选时刻。
步骤q3a2，以及，将各所述指定时刻的最小区间范围与所述时刻变化区间范围中的特征向量进行组合，得到各所述指定时刻分别对应的第一最小区间范围，并根据所述最大区间范围和所述第一最小区间范围的整合得到各所述指定时刻分别对应的另一种候选时刻。
步骤q3a3，以及，根据所述第一最大区间范围和所述第一最小区间范围的整合得到各所述指定时刻分别对应的又一种候选时刻。
可以理解，在执行上述步骤q3a1-步骤q3a3所描述的技术方案时，依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新时，避免特征向量进行组合错误的问题，从而能够准确地进行反馈更新。
在一种可替换的实施例中，发明人发现，获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签时，存在各单元时间对应的单元数据进行整合错误的问题，从而难以准确地获取样本医疗数据标签，为了改善上述技术问题，步骤200所描述的获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签的步骤，具体可以包括以下步骤w1所描述的技术方案。
步骤w1，确定所述待处理文本在所述前一预先设置时间段内各单元时间对应的单元数据，将所述各单元时间对应的单元数据进行整合，得到所述待处理文本在所述前一预先设置时间段内对应的所述样本医疗数据标签。
可以理解，在执行上述步骤w1所描述的技术方案时，获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签时，避免各单元时间对应的单元数据进行整合错误的问题，从而能够准确地获取样本医疗数据标签。
在一种可替换的实施例中，发明人发现，根据所述样本医疗数据标签统计所述待处理文本时，存在最大区间范围和最小区间范围不准确的问题，从而难以准确地分别在所述多个候选时刻对应的候选医疗数据，为了改善上述技术问题，步骤200所描述的根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据的步骤，具体可以包括以下步骤e1-步骤e4所描述的技术方案。
步骤e1，确定各个所述候选时刻分别对应的最大区间范围和最小区间范围。
步骤e2，从所述各单元时间对应的单元数据中确定出所述最大区间范围对应的第一单元数据和所述最小区间范围分别对应的第二单元数据。
步骤e3，统计所述第一单元数据与对应的所述第二单元数据的占比，得到所述多个候选时刻分别对应的占比，并对所述占比和预先设置标准系数的差异度，得到所述多个候选时刻分别对应的差异向量。
步骤e4，将多个所述差异向量确定为所述待处理文本分别在所述多个候选时刻对应的候选医疗数据。
可以理解，在执行上述步骤e1-步骤e4所描述的技术方案时，根据所述样本医疗数据标签统计所述待处理文本时，避免最大区间范围和最小区间范围不准确的问题，从而能够准确地分别在所述多个候选时刻对应的候选医疗数据。
在一种可替换的实施例中，发明人发现，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据时，存在分布混乱的问题，从而难以准确地筛选符合预设质量标准的目标候选医疗数据，为了改善上述技术问题，步骤300所描述的从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据的步骤，具体可以包括以下步骤r1和步骤r2所描述的技术方案。
步骤r1，对所述候选医疗数据由前到后进行分布，将符合所述预设质量标准为高于预先设置标准系数的候选医疗数据确定为所述目标候选医疗数据。
步骤r2，或者，对所述候选医疗数据由后到前进行分布，将符合所述预设质量标准为满足所述预先设置标准系数的候选医疗数据确定为所述目标候选医疗数据。
可以理解，在执行上述步骤r1和步骤r2所描述的技术方案时，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据时，避免分布混乱的问题，从而能够准确地筛选符合预设质量标准的目标候选医疗数据。
在一种可替换的实施例中，发明人发现，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据时，存在类别划分不准确的问题，从而难以准确地确定目标候选医疗数据，为了改善上述技术问题，步骤300所描述的从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据的步骤，具体可以包括以下步骤t1-步骤t3所描述的技术方案。
步骤t1，根据多个所述候选时刻的所属类别对所述候选医疗数据进行类别划分，得到多个类别划分结果。
步骤t2，统计各所述类别划分结果的平均标准值，并将所述平均标准值中的最大值确定为所述目标候选医疗数据。
步骤t3，所述预设质量标准为筛选所述平均标准值中的最大值。
可以理解，在执行上述步骤t1-步骤t3所描述的技术方案时，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据时，避免类别划分不准确的问题，从而能够准确地确定目标候选医疗数据。
在一种可替换的实施例中，发明人发现，若所述目标候选医疗数据为多个，从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻时，存在目标候选时刻不精确的问题，从而难以精确地确定出与所述目标候选医疗数据对应的目标候选时刻，为了改善上述技术问题，步骤300所描述的若所述目标候选医疗数据为多个，从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻的步骤，具体可以包括以下步骤y1和步骤y2所描述的技术方案。
步骤y1，从所述候选时刻中确定出各所述目标候选医疗数据对应的目标候选时刻，所述目标候选时刻为多个。
步骤y2，若多个所述目标候选时刻中存在一个目标候选时刻的最大区间范围为另一个目标候选时刻的最小区间范围，则将所述一个目标候选时刻和所述另一个目标候选时刻进行整合处理，得到整合后的与所述目标候选医疗数据对应的目标候选时刻。
可以理解，在执行上述步骤y1和步骤y2所描述的技术方案时，，若所述目标候选医疗数据为多个，从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻时，避免目标候选时刻不精确的问题，从而能够精确地确定出与所述目标候选医疗数据对应的目标候选时刻。
在一种可替换的实施例中，发明人发现，根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据时，存在数据评价模型计算错误的问题，从而难以准确地得到候选医疗数据，为了改善上述技术问题，步骤400所描述的根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据的步骤，具体可以包括以下步骤u1所描述的技术方案。
步骤u1，将所述目标候选医疗数据输入数据评价模型，并根据所述数据评价模型中的评价系数评价所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
可以理解，在执行上述步骤u1所描述的技术方案时，根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据时，避免数据评价模型计算错误的问题，从而能够准确地得到候选医疗数据。
基于上述基础，根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据之后，还可以包括以下步骤a1和步骤a2所描述的技术方案。
步骤a1，统计所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据与所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的实时数据之间的模型评价数据。
步骤a2，根据所述模型评价数据更新所述评价系数。
可以理解，在执行上述步骤a1和步骤a2所描述的技术方案时，通过精确地确定目标候选时刻对应的候选医疗数据与所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的实时数据之间的模型评价数据，从而提高更新所述评价系数的精度。
基于上述基础，还可以包括以下步骤s1所描述的技术方案。
步骤s1，根据所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据确定出待处理的一个或者两个质量评价并输出。
可以理解，在执行上述步骤s1所描述的技术方案时，通过根据所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据，从而提高待处理的一个或者两个质量评价并输出的完整性。
在上述基础上，请结合参阅图2，提供了一种基于人工智能的医疗数据质量评价装置200，应用于数据处理终端，所述装置包括：
候选时刻确定模块210，用于根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻；其中，所述多个候选时刻之间的关联性为所述指定时刻；
医疗数据获取模块220，用于获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据；其中，所述样本医疗数据标签用于在时间刻度上表征所述待处理文本的校验标准；
医疗数据确定模块230，用于从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻；
医疗数据评价模块240，用于根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
在上述基础上，请结合参阅图3，示出了一种基于人工智能的医疗数据质量评价系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的统计机程序在运行时实现上述的方法。
综上，基于上述方案，可以根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻，其中，多个候选时刻之间的关联性为指定时刻，进而，可以获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据样本医疗数据标签统计待处理文本分别在多个候选时刻对应的候选医疗数据，其中，样本医疗数据标签用于在时间刻度上表征待处理文本的校验标准，进而，可以从候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从多个候选时刻中确定出与目标候选医疗数据对应的目标候选时刻，进而，可以根据目标候选医疗数据评价待处理文本在当前预先设置时间段内的目标候选时刻对应的候选医疗数据。依据上述方案描述，本公开一方面能够通过对样本医疗数据标签和时刻进行关联，进而确定出符合预设质量标准的目标候选时刻和目标候选医疗数据，依据目标候选时刻和目标候选医疗数据能够实现对于文本的数据评价，有利于相关人员根据评价结果制定应对措施，以提升对于文本的可控性，另一方面，通过对文本的数据评价，能够有利于相关人员根据评价结果制定应对措施，进而最大化确定医疗数据质量评价的准确性。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值系数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值系数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和系数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于人工智能的医疗数据质量评价方法，其特征在于，包括：
根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻；其中，所述多个候选时刻之间的关联性为所述指定时刻；
获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，并根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据；其中，所述样本医疗数据标签用于在时间刻度上表征所述待处理文本的校验标准；
从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，并从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻；
根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
2.根据权利要求1所述的方法，其特征在于，根据预先设置时间段内的指定时刻和时刻变化区间范围确定多个候选时刻，包括：
确定所述预先设置时间段内各单元时间对应的一个或者两个指定医疗策略；
根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻；
依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新，直到遍历所述单元时间变化区间范围内所有特征向量，得到各所述指定时刻分别对应的所述多个候选时刻。
3.根据权利要求2所述的方法，其特征在于，根据所述指定医疗策略将所述各单元时间区分为多个所述指定时刻，包括：
将所述指定医疗策略归属想通类别的单元时间进行类别划分，得到包括多个所述指定时刻的类别划分结果。
4.根据权利要求2所述的方法，其特征在于，依据所述时刻变化区间范围中的特征向量对各所述指定时刻的最大区间范围和最小区间范围分别进行反馈更新，包括：
将各所述指定时刻的最大区间范围与所述时刻变化区间范围中的特征向量进行组合，得到各所述指定时刻分别对应的第一最大区间范围，并根据所述第一最大区间范围和所述最小区间范围的整合得到各所述指定时刻分别对应的一种候选时刻；
以及，将各所述指定时刻的最小区间范围与所述时刻变化区间范围中的特征向量进行组合，得到各所述指定时刻分别对应的第一最小区间范围，并根据所述最大区间范围和所述第一最小区间范围的整合得到各所述指定时刻分别对应的另一种候选时刻；
以及，根据所述第一最大区间范围和所述第一最小区间范围的整合得到各所述指定时刻分别对应的又一种候选时刻。
5.根据权利要求1所述的方法，其特征在于，获取待处理文本在前一预先设置时间段内对应的样本医疗数据标签，包括：
确定所述待处理文本在所述前一预先设置时间段内各单元时间对应的单元数据，将所述各单元时间对应的单元数据进行整合，得到所述待处理文本在所述前一预先设置时间段内对应的所述样本医疗数据标签。
6.根据权利要求5所述的方法，其特征在于，根据所述样本医疗数据标签统计所述待处理文本分别在所述多个候选时刻对应的候选医疗数据，包括：
确定各个所述候选时刻分别对应的最大区间范围和最小区间范围；
从所述各单元时间对应的单元数据中确定出所述最大区间范围对应的第一单元数据和所述最小区间范围分别对应的第二单元数据；
统计所述第一单元数据与对应的所述第二单元数据的占比，得到所述多个候选时刻分别对应的占比，并对所述占比和预先设置标准系数的差异度，得到所述多个候选时刻分别对应的差异向量；
将多个所述差异向量确定为所述待处理文本分别在所述多个候选时刻对应的候选医疗数据。
7.根据权利要求1所述的方法，其特征在于，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，包括：
对所述候选医疗数据由前到后进行分布，将符合所述预设质量标准为高于预先设置标准系数的候选医疗数据确定为所述目标候选医疗数据；
或者，对所述候选医疗数据由后到前进行分布，将符合所述预设质量标准为满足所述预先设置标准系数的候选医疗数据确定为所述目标候选医疗数据。
8.根据权利要求1所述的方法，其特征在于，从所述候选医疗数据中筛选符合预设质量标准的目标候选医疗数据，包括：
根据多个所述候选时刻的所属类别对所述候选医疗数据进行类别划分，得到多个类别划分结果；
统计各所述类别划分结果的平均标准值，并将所述平均标准值中的最大值确定为所述目标候选医疗数据；
所述预设质量标准为筛选所述平均标准值中的最大值。
9.根据权利要求1所述的方法，其特征在于，若所述目标候选医疗数据为多个，从所述多个候选时刻中确定出与所述目标候选医疗数据对应的目标候选时刻，包括：
从所述候选时刻中确定出各所述目标候选医疗数据对应的目标候选时刻，所述目标候选时刻为多个；
若多个所述目标候选时刻中存在一个目标候选时刻的最大区间范围为另一个目标候选时刻的最小区间范围，则将所述一个目标候选时刻和所述另一个目标候选时刻进行整合处理，得到整合后的与所述目标候选医疗数据对应的目标候选时刻；
其中，根据所述目标候选医疗数据评价所述待处理文本在当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据，包括：
将所述目标候选医疗数据输入数据评价模型，并根据所述数据评价模型中的评价系数评价所述待处理文本在所述当前预先设置时间段内的所述目标候选时刻对应的候选医疗数据。
10.一种基于人工智能的医疗数据质量评价系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。
CN202110701594.9A 2021-06-24 2021-06-24 基于人工智能的医疗数据质量评价方法及系统 Active CN113380363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110701594.9A CN113380363B (zh) 2021-06-24 2021-06-24 基于人工智能的医疗数据质量评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110701594.9A CN113380363B (zh) 2021-06-24 2021-06-24 基于人工智能的医疗数据质量评价方法及系统

Publications (2)

Publication Number Publication Date
CN113380363A true CN113380363A (zh) 2021-09-10
CN113380363B CN113380363B (zh) 2023-04-07

Family

ID=77578703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110701594.9A Active CN113380363B (zh) 2021-06-24 2021-06-24 基于人工智能的医疗数据质量评价方法及系统

Country Status (1)

Country Link
CN (1) CN113380363B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113779150A (zh) * 2021-09-14 2021-12-10 杭州数梦工场科技有限公司 一种数据质量评估方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090281837A1 (en) * 2008-04-28 2009-11-12 Bo Li Method and system for automatically evaluating the quality of medical records
US20150356270A1 (en) * 2014-06-10 2015-12-10 International Business Machines Corporation Automated medical problem list generation from electronic medical record
CN106202891A (zh) * 2016-06-30 2016-12-07 电子科技大学 一种面向医疗质量评价的大数据挖掘方法
US20190206529A1 (en) * 2017-12-28 2019-07-04 International Business Machines Corporation Evaluating Completeness and Data Quality of Electronic Medical Record Data Sources
CN110362829A (zh) * 2019-07-16 2019-10-22 北京百度网讯科技有限公司 结构化病历数据的质量评估方法、装置及设备
CN111081325A (zh) * 2019-12-27 2020-04-28 医渡云（北京）技术有限公司 医疗数据处理方法与装置
CN112216359A (zh) * 2020-09-29 2021-01-12 百度国际科技（深圳）有限公司 医疗数据校验方法、装置及电子设备
CN112712118A (zh) * 2020-12-29 2021-04-27 银江股份有限公司 一种面向医疗文本数据的过滤方法及系统
CN112711579A (zh) * 2020-12-30 2021-04-27 医渡云（北京）技术有限公司 医疗数据的质量检测方法及装置、存储介质及电子设备
CN112734202A (zh) * 2020-12-31 2021-04-30 平安医疗健康管理股份有限公司 基于电子病历的医疗能力评价方法、装置、设备及介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090281837A1 (en) * 2008-04-28 2009-11-12 Bo Li Method and system for automatically evaluating the quality of medical records
US20150356270A1 (en) * 2014-06-10 2015-12-10 International Business Machines Corporation Automated medical problem list generation from electronic medical record
CN106202891A (zh) * 2016-06-30 2016-12-07 电子科技大学 一种面向医疗质量评价的大数据挖掘方法
US20190206529A1 (en) * 2017-12-28 2019-07-04 International Business Machines Corporation Evaluating Completeness and Data Quality of Electronic Medical Record Data Sources
CN110362829A (zh) * 2019-07-16 2019-10-22 北京百度网讯科技有限公司 结构化病历数据的质量评估方法、装置及设备
CN111081325A (zh) * 2019-12-27 2020-04-28 医渡云（北京）技术有限公司 医疗数据处理方法与装置
CN112216359A (zh) * 2020-09-29 2021-01-12 百度国际科技（深圳）有限公司 医疗数据校验方法、装置及电子设备
CN112712118A (zh) * 2020-12-29 2021-04-27 银江股份有限公司 一种面向医疗文本数据的过滤方法及系统
CN112711579A (zh) * 2020-12-30 2021-04-27 医渡云（北京）技术有限公司 医疗数据的质量检测方法及装置、存储介质及电子设备
CN112734202A (zh) * 2020-12-31 2021-04-30 平安医疗健康管理股份有限公司 基于电子病历的医疗能力评价方法、装置、设备及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113779150A (zh) * 2021-09-14 2021-12-10 杭州数梦工场科技有限公司 一种数据质量评估方法及装置

Also Published As

Publication number Publication date
CN113380363B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN114625741A (zh) 一种基于人工智能的数据处理方法、系统及云平台
CN113378554A (zh) 一种医疗信息智能交互的方法及系统
CN113380363B (zh) 基于人工智能的医疗数据质量评价方法及系统
CN116737975A (zh) 应用于图像分析的公共卫生数据查询方法及系统
CN115757370A (zh) 基于物联网的用户信息通信方法及系统
CN113485203B (zh) 一种智能控制网络资源共享的方法及系统
CN104834567B (zh) 一种分区和应用时间窗符合性检测系统
CN114187552A (zh) 一种机房动力环境监控方法及系统
CN113626688B (zh) 基于软件定义的智能化医疗数据采集方法及系统
CN113407582B (zh) 一种多智能体的集成数据的监控方法及云服务器
CN115079881A (zh) 基于虚拟现实的画面校正方法及系统
CN113626594A (zh) 基于多智能体的运维知识库的建立方法及系统
CN113360562A (zh) 基于人工智能与大数据的接口配对方法、系统及云平台
US20190317733A1 (en) Method and tool for system development
CN113610133B (zh) 一种激光数据和视觉数据融合方法及系统
CN113645604B (zh) 基于智慧医疗的病房呼救方法及系统
CN111242449A (zh) 一种企业情报流失预测方法
CN113342864B (zh) 一种电子设备发热量的监控方法、系统及装置
CN113609931B (zh) 基于神经网络的人脸识别方法及系统
CN113610123B (zh) 基于物联网的多源异构数据融合方法及系统
CN113611425A (zh) 基于软件定义的智能化区域医疗集成数据库的方法及系统
CN113420158B (zh) 一种标准医疗术语录入方法及系统
CN114611478A (zh) 一种基于人工智能的信息处理方法、系统及云平台
CN113590951A (zh) 一种感知数据处理方法及系统
CN115345143A (zh) 基于数据中心的能耗检测方法及系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 410205 7th and 8th floors of building B1 and 7th and 8th floors of building B2, Lugu science and technology innovation and entrepreneurship Park, No. 1698, Yuelu West Avenue, Changsha high tech Development Zone, Hunan Province

Applicant after: HUNAN TRASEN TECHNOLOGY CO.,LTD.

Address before: 410205 room 601-603, building 5, Xinggong Science Park, No. 100 Luyun Road, high tech Development Zone, Changsha, Hunan

Applicant before: HUNAN TRASEN TECHNOLOGY CO.,LTD.

GR01 Patent grant
GR01 Patent grant