CN113392086B - 基于物联网的医疗数据库构建方法、装置及设备 - Google Patents

基于物联网的医疗数据库构建方法、装置及设备 Download PDF

Info

Publication number
CN113392086B
CN113392086B CN202110576601.7A CN202110576601A CN113392086B CN 113392086 B CN113392086 B CN 113392086B CN 202110576601 A CN202110576601 A CN 202110576601A CN 113392086 B CN113392086 B CN 113392086B
Authority
CN
China
Prior art keywords
medical data
strategy
identification result
result
classification
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
Application number
CN202110576601.7A
Other languages
English (en)
Other versions
CN113392086A (zh
Inventor
张军
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.)
Shanghai DC Science Co Ltd
Original Assignee
Shanghai DC Science 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 Shanghai DC Science Co Ltd filed Critical Shanghai DC Science Co Ltd
Priority to CN202110576601.7A priority Critical patent/CN113392086B/zh
Publication of CN113392086A publication Critical patent/CN113392086A/zh
Application granted granted Critical
Publication of CN113392086B publication Critical patent/CN113392086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请的基于物联网的医疗数据库构建方法、装置及设备，通过统计各个医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度确定第一参考策略，在最大相似度大于等于第一预设标准时，将医疗数据策略加载至第一参考策略中，在最大相似度小于第一预设标准且大于等于第二预设标准时，利用医疗数据策略的医疗数据识别结果和第一参考策略的医疗数据识别结果统计分类标准值。本申请将最大相似度大于等于第一预设标准的待处理的医疗数据策略进行简单加载处理，保证了加载的准确效率；将最大相似度小于第一预设标准且大于等于第二预设标准的待处理的医疗数据策略进行加载处理，保证了加载的准确性，实现了精确地构建医疗数据库。

Description

基于物联网的医疗数据库构建方法、装置及设备
技术领域
本公开涉及物联网及数据库构建技术领域，特别涉及基于物联网的医疗数据库构建方法、装置及设备。
背景技术
随着医疗数据量不断的递增过程中，传统上纸质版的医疗数据存储方式，这样需要大量的存储空间对医疗数据进行储存，传统的医疗数据储存的方式难以匹配医疗数据的递增速度。
相关医疗数据的储存方式通过物联网构建一个数据库，对医疗数据进行储存，这样不仅节约了储存空间，还是储存大量的医疗信息。然而，在相关医疗数据的储存技术还存在一些缺陷。
发明内容
为改善相关技术中存在的技术问题，本公开提供了基于物联网的医疗数据库构建方法、装置及设备。
本申请提供了一种基于物联网的医疗数据库构建方法，所述方法包括：
获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据；
统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；
在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中；
在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值，其中，所述第一预设标准大于所述第二预设标准；
在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库。
可选地，所述统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度的步骤，包括：
对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度。
可选地，所述对所述多种医疗数据策略进行相似性处理的步骤，包括：
按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集；
依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度。
可选地，所述将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库的步骤之后，包括：
统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果；
统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果；
统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果；
统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果。
本申请提供了一种基于物联网的医疗数据库构建装置，包括：
策略获取模块，用于获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据；
策略确定模块，用于统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；
策略加载模块，用于在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中；
分类统计模块，用于在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值，其中，所述第一预设标准大于所述第二预设标准；
数据库构建模块，用于在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库。
可选地，所述策略确定模块统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度的步骤，包括：
对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度。
可选地，所述策略确定模块对所述多种医疗数据策略进行相似性处理的步骤，包括：
按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集；
依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度。
可选地，所述数据库构建模块将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库的步骤之后，包括：
统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果；
统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果；
统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果；
统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果。
本申请提供了一种终端设备，包括：
存储器，用于存储计算机程序；
与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述任意一项所述的方法。
本申请提供了一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行上述任意一项所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果。
基于物联网的医疗数据库构建方法、装置及设备，通过获取多种待处理的医疗数据策略，医疗数据策略包括同一目标的多种医疗数据；统计各个医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；在最大相似度大于等于第一预设标准时，将医疗数据策略加载至第一参考策略中；在最大相似度小于第一预设标准且大于等于第二预设标准时，利用医疗数据策略的医疗数据识别结果和第一参考策略的医疗数据识别结果统计分类标准值，分类标准值包括医疗数据策略中的目标和第一参考策略中的目标之间的相似标准值，其中，第一预设标准大于第二预设标准；在分类标准值大于等于预设分类标准值预设标准时，将医疗数据策略加载至第一参考策略中。本申请根据各个待处理的医疗数据策略中关键识别结果与所有参考策略中关键识别结果之间的相似度获取最大相似度，将最大相似度大于等于第一预设标准的待处理的医疗数据策略进行简单加载处理，保证了加载的准确效率；将最大相似度小于第一预设标准且大于等于第二预设标准的待处理的医疗数据策略进行复杂加载处理，保证了加载的准确性，实现了精确地构建医疗数据库。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并组成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。
图1为本申请实施例所提供的基于物联网的医疗数据库构建系统的架构示意图；
图2为本申请实施例所提供的基于物联网的医疗数据库构建方法的流程图；
图3为本申请实施例所提供的基于物联网的医疗数据库构建装置的功能模块框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了便于对上述的基于物联网的医疗数据库构建方法、装置及设备进行阐述，请结合参考图1，提供了本申请实施例所公开的基于物联网的医疗数据库构建系统100的通信架构示意图。其中，所述基于物联网的医疗数据库构建系统100可以包括医疗数据采集端200以及终端设备300，所述医疗数据采集端200与所述终端设备300通信连接。
在具体的实施方式中，终端设备300可以是台式电脑、平板电脑、笔记本电脑或者其他能够实现数据处理以及数据通信的终端设备，在此不作过多限定。
在上述基础上，请结合参阅图2，为本申请实施例所提供的基于物联网的医疗数据库构建方法的流程示意图，所述基于物联网的医疗数据库构建方法可以应用于图1中的终端设备300，进一步地，所述基于物联网的医疗数据库构建方法具体可以包括以下步骤S21-步骤S25所描述的内容。
步骤S21，获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据。
比如，医疗数据策略表示实时接收到的相关医疗数据，例如，患者的检测报告以及患者的医疗处方等。
步骤S22，统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略。
举例而言，参考策略表示患者历史患相同的病的情况。
步骤S23，在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中。
步骤S24，在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值。
示例性的，所述第一预设标准大于所述第二预设标准。
步骤S25，在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库。
可以理解，在执行上述步骤S21-步骤S25所描述的内容时，通过获取多种待处理的医疗数据策略，医疗数据策略包括同一目标的多种医疗数据；统计各个医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；在最大相似度大于等于第一预设标准时，将医疗数据策略加载至第一参考策略中；在最大相似度小于第一预设标准且大于等于第二预设标准时，利用医疗数据策略的医疗数据识别结果和第一参考策略的医疗数据识别结果统计分类标准值，分类标准值包括医疗数据策略中的目标和第一参考策略中的目标之间的相似标准值，其中，第一预设标准大于第二预设标准；在分类标准值大于等于预设分类标准值预设标准时，将医疗数据策略加载至第一参考策略中。本申请根据各个待处理的医疗数据策略中关键识别结果与所有参考策略中关键识别结果之间的相似度获取最大相似度，将最大相似度大于等于第一预设标准的待处理的医疗数据策略进行简单加载处理，保证了加载的准确效率；将最大相似度小于第一预设标准且大于等于第二预设标准的待处理的医疗数据策略进行复杂加载处理，保证了加载的准确性，实现了精确地构建医疗数据库。
在一种可替换的实施例中，统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，存在多个医疗数据策略处理混乱的问题，从而难以精确地得到相似度，为了改善上述技术问题，步骤S22所描述的统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度的步骤，具体可以包括以下步骤S221所描述的内容。
步骤S221，对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度。
可以理解，在执行上述步骤S221所描述的内容时，统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，避免多个医疗数据策略处理混乱的问题，从而能够精确地得到相似度。
在另一种可替换的实施例中，对所述多种医疗数据策略进行相似性处理时，存在医疗数据策略过多为导致相似性处理不准确的问题，从而难以精确地确定多种医疗数据策略之间的相似性，为了改善上述技术问题，步骤S221所描述的对所述多种医疗数据策略进行相似性处理的步骤，具体可以包括以下步骤a1和步骤a2所描述的内容。
步骤a1，按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集。
步骤a2，依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度。
可以理解，在执行上述步骤a1和步骤a2所描述的内容时，对所述多种医疗数据策略进行相似性处理时，避免医疗数据策略过多为导致相似性处理不准确的问题，从而能够精确地确定多种医疗数据策略之间的相似性。
基于上述基础，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库之后，还包括以下步骤q1-步骤q4所描述的内容。
步骤q1，统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果。
步骤q2，统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果。
步骤q3，统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果。
步骤q4，统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果。
可以理解，在执行上述步骤q1-步骤q4所描述的内容时，通过多维度的匹配结果的检测，能对关键识别结果进行不断的更新，提高医疗数据库的精度。
在另一种可替换的实施例中，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计时，存在医疗数据不能准确识别的问题，从而难以准确地得到分类标准值，为了改善上述步骤S24所描述的利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值的步骤，具体可以包括以下步骤S241-步骤S243所描述的内容。
步骤S241，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表。
步骤S242，基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合。
步骤S243，搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值。
可以理解，在执行上述步骤S241-步骤S243所描述的内容时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计时，避免医疗数据不能准确识别的问题，从而能够准确地得到分类标准值。
在另一种可替换的实施例中，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果时，存在不能准确分类的问题，从而难以准确地搭建分类列表，为了改善上述技术问题，步骤S241所描述的利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表的步骤，具体可以包括以下步骤w1和步骤w2所描述的内容。
步骤w1，统计所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中每两种医疗数据识别结果之间的分类。
步骤w2，将所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中任一医疗数据识别结果作为样本结果，依据所述样本结果与其他医疗数据识别结果分类的由小到大，依次筛选预设类别的医疗数据识别结果作为适配结果进行相似，得到分类列表。
可以理解，在执行上述步骤w1和步骤w2所描述的内容时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果时，避免不能准确分类的问题，从而能够准确地搭建分类列表。
在一种可替换的实施例中，基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合时，存在相关数据过多而不能准确统计的问题，从而难以准确地统计所述分类列表的适配集合和医疗数据识别结果集合，为了改善上述技术问题，步骤S242所描述的基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合的步骤，具体可以包括以下步骤e1-步骤e3所描述的内容。
步骤e1，以一样本结果及与所述样本结果相似的适配结果组成子分类列表。
步骤e2，统计所述子分类列表的子医疗数据识别结果集合和子适配集合。
步骤e3，将所有子医疗数据识别结果集合叠加统计获得所述医疗数据识别结果集合，将所有子适配集合进行叠加统计获得所述适配集合。
可以理解，在执行上述步骤e1-步骤e3所描述的内容时，基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合时，避免相关数据过多而不能准确统计的问题，从而能够准确地统计所述分类列表的适配集合和医疗数据识别结果集合。
在另一种可替换的实施例中，分类标准模型包括分类训练模型中和统计层，所述搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型时，存在模型计算错误的问题，从而难以准确地得到分类标准值，为了改善上述技术问题，步骤S243所描述的分类标准模型包括分类训练模型中和统计层，所述搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值的步骤，具体可以包括以下步骤r1和步骤r2所描述的内容。
步骤r1，将所述医疗数据识别结果集合和所述适配集合输入所述分类训练模型中，得到第一类别描述结果和第二类别描述结果。
步骤r2，将所述第一类别描述结果和所述第二类别描述结果输入所述统计层，得到分类标准值。
可以理解，在执行上述步骤r1和步骤r2所描述的内容时，分类标准模型包括分类训练模型中和统计层，所述搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型时，避免模型计算错误的问题，从而能够准确地得到分类标准值。
基于同样的发明构思，还提供了基于物联网的医疗数据库构建系统，所述系统包括医疗数据采集端和终端设备，所述医疗数据采集端与所述终端设备通信连接，终端设备具体用于：
获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据；
统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；
在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中；
在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值，其中，所述第一预设标准大于所述第二预设标准；
在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库。
进一步的，终端设备具体用于：
对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度。
进一步的，终端设备具体用于：
按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集；
依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度。
进一步的，终端设备具体用于：
统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果；
统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果；
统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果；
统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果。
进一步的，终端设备具体用于：
利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表；
基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合；
搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值。
进一步的，终端设备具体用于：
统计所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中每两种医疗数据识别结果之间的分类；
将所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中任一医疗数据识别结果作为样本结果，依据所述样本结果与其他医疗数据识别结果分类的由小到大，依次筛选预设类别的医疗数据识别结果作为适配结果进行相似，得到分类列表。
进一步的，终端设备具体用于：
以一样本结果及与所述样本结果相似的适配结果组成子分类列表；
统计所述子分类列表的子医疗数据识别结果集合和子适配集合；
将所有子医疗数据识别结果集合叠加统计获得所述医疗数据识别结果集合，将所有子适配集合进行叠加统计获得所述适配集合。
进一步的，终端设备具体用于：
将所述医疗数据识别结果集合和所述适配集合输入所述分类训练模型中，得到第一类别描述结果和第二类别描述结果；
将所述第一类别描述结果和所述第二类别描述结果输入所述统计层，得到分类标准值。
基于上述同样的发明构思，请结合参阅图3，还提供了基于物联网的医疗数据库构建装置500的功能模块框图，关于所述基于物联网的医疗数据库构建装置500的详细描述如下。
基于物联网的医疗数据库构建装置500，应用于终端设备，所述装置500包括：
策略获取模块510，用于获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据；
策略确定模块520，用于统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；
策略加载模块530，用于在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中；
分类统计模块540，用于在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值，其中，所述第一预设标准大于所述第二预设标准；
数据库构建模块550，用于在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库。
进一步地，所述策略确定模块统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度的步骤，包括：
对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度。
进一步地，所述策略确定模块对所述多种医疗数据策略进行相似性处理的步骤，包括：
按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集；
依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度。
进一步地，所述数据库构建模块将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库的步骤之后，包括：
统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果；
统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果；
统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果；
统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果。
一种终端设备，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述任意一项所述的方法。
一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行上述任意一项所述的方法。
综上，基于物联网的医疗数据库构建方法、装置及设备，通过获取多种待处理的医疗数据策略，医疗数据策略包括同一目标的多种医疗数据；统计各个医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；在最大相似度大于等于第一预设标准时，将医疗数据策略加载至第一参考策略中；在最大相似度小于第一预设标准且大于等于第二预设标准时，利用医疗数据策略的医疗数据识别结果和第一参考策略的医疗数据识别结果统计分类标准值，分类标准值包括医疗数据策略中的目标和第一参考策略中的目标之间的相似标准值，其中，第一预设标准大于第二预设标准；在分类标准值大于等于预设分类标准值预设标准时，将医疗数据策略加载至第一参考策略中。本申请根据各个待处理的医疗数据策略中关键识别结果与所有参考策略中关键识别结果之间的相似度获取最大相似度，将最大相似度大于等于第一预设标准的待处理的医疗数据策略进行简单加载处理，保证了加载的准确效率；将最大相似度小于第一预设标准且大于等于第二预设标准的待处理的医疗数据策略进行复杂加载处理，保证了加载的准确性，实现了精确地构建医疗数据库。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (4)

1.一种基于物联网的医疗数据库构建方法，其特征在于，所述方法包括：
获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据；
统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；
在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中；
在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值，其中，所述第一预设标准大于所述第二预设标准；
在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库；
其中，所述统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度的步骤，包括：
对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度；
其中，所述对所述多种医疗数据策略进行相似性处理的步骤，包括：
按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集；
依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度；
其中，所述将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库的步骤之后，包括：
统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果；
统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果；
统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果；
统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果；
其中，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，包括：
利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表；
基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合；
搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值；
其中，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表，包括：
统计所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中每两种医疗数据识别结果之间的分类；
将所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中任一医疗数据识别结果作为样本结果，依据所述样本结果与其他医疗数据识别结果分类的由小到大，依次筛选预设类别的医疗数据识别结果作为适配结果进行相似，得到分类列表；
其中，基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合，包括：
以一样本结果及与所述样本结果相似的适配结果组成子分类列表；
统计所述子分类列表的子医疗数据识别结果集合和子适配集合；
将所有子医疗数据识别结果集合叠加统计获得所述医疗数据识别结果集合，将所有子适配集合进行叠加统计获得所述适配集合；
其中，分类标准模型包括分类训练模型中和统计层，所述搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值，包括：
将所述医疗数据识别结果集合和所述适配集合输入所述分类训练模型中，得到第一类别描述结果和第二类别描述结果；
将所述第一类别描述结果和所述第二类别描述结果输入所述统计层，得到分类标准值。
2.一种基于物联网的医疗数据库构建装置，其特征在于，包括：
策略获取模块，用于获取多种待处理的医疗数据策略，所述医疗数据策略包括同一目标的多种医疗数据；
策略确定模块，用于统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度，并确定最大相似度对应的参考策略为第一参考策略；
策略加载模块，用于在所述最大相似度大于等于第一预设标准时，将所述医疗数据策略加载至所述第一参考策略中；
分类统计模块，用于在所述最大相似度小于所述第一预设标准且大于等于第二预设标准时，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，所述分类标准值包括所述医疗数据策略中的目标和所述第一参考策略中的目标之间的相似标准值，其中，所述第一预设标准大于所述第二预设标准；
数据库构建模块，用于在所述分类标准值大于等于预设分类标准值预设标准时，将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库；
其中，所述策略确定模块统计各个所述医疗数据策略的关键识别结果与所有参考策略的关键识别结果之间的相似度的步骤，包括：
对所述多种医疗数据策略进行相似性处理，以获得各个所述医疗数据策略的关键识别结果和所述所有参考策略的关键识别结果之间的相似度；
其中，所述策略确定模块对所述多种医疗数据策略进行相似性处理的步骤，包括：
按照所述相似性的线程类别对所述多种医疗数据策略进行划分，以获得多种子策略集；
依次对各个所述子策略集进行相似性处理，以依次获得各个所述子策略集中各个所述医疗数据策略的关键识别结果与所述所有参考策略的关键识别结果之间的相似度；
其中，所述数据库构建模块将所述医疗数据策略加载至所述第一参考策略中，得到医疗数据库的步骤之后，包括：
统计所述医疗数据策略中医疗数据簇与所述医疗数据策略中关键识别结果的预设识别维度之间的匹配度，得到第一匹配结果；
统计所述第一参考策略中医疗数据簇与所述第一参考策略中关键识别结果的预设识别维度之间的匹配度，得到第二匹配结果；
统计所述医疗数据策略中医疗数据簇与所述第一参考策略中医疗数据簇之和，得到第三匹配结果；
统计所述第一匹配结果和所述第二匹配结果之和与所述第三匹配结果的误差，得到更新后的第一参考策略的关键识别结果；
其中，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果统计分类标准值，包括：
利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表；
基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合；
搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值；
其中，利用所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果搭建分类列表，包括：
统计所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中每两种医疗数据识别结果之间的分类；
将所述医疗数据策略的医疗数据识别结果和所述第一参考策略的医疗数据识别结果中任一医疗数据识别结果作为样本结果，依据所述样本结果与其他医疗数据识别结果分类的由小到大，依次筛选预设类别的医疗数据识别结果作为适配结果进行相似，得到分类列表；
其中，基于所述分类列表，统计所述分类列表的适配集合和医疗数据识别结果集合，包括：
以一样本结果及与所述样本结果相似的适配结果组成子分类列表；
统计所述子分类列表的子医疗数据识别结果集合和子适配集合；
将所有子医疗数据识别结果集合叠加统计获得所述医疗数据识别结果集合，将所有子适配集合进行叠加统计获得所述适配集合；
其中，分类标准模型包括分类训练模型中和统计层，所述搭建分类标准模型，将所述医疗数据识别结果集合和所述适配集合输入所述分类标准模型，得到分类标准值，包括：
将所述医疗数据识别结果集合和所述适配集合输入所述分类训练模型中，得到第一类别描述结果和第二类别描述结果；
将所述第一类别描述结果和所述第二类别描述结果输入所述统计层，得到分类标准值。
3.一种终端设备，其特征在于，包括：
存储器，用于存储计算机程序；
与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1所述的方法。
4.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，该计算机程序运行时执行权利要求1所述的方法。
CN202110576601.7A 2021-05-26 2021-05-26 基于物联网的医疗数据库构建方法、装置及设备 Active CN113392086B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110576601.7A CN113392086B (zh) 2021-05-26 2021-05-26 基于物联网的医疗数据库构建方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110576601.7A CN113392086B (zh) 2021-05-26 2021-05-26 基于物联网的医疗数据库构建方法、装置及设备

Publications (2)

Publication Number Publication Date
CN113392086A CN113392086A (zh) 2021-09-14
CN113392086B true CN113392086B (zh) 2022-08-16

Family

ID=77619101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110576601.7A Active CN113392086B (zh) 2021-05-26 2021-05-26 基于物联网的医疗数据库构建方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113392086B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643818B (zh) * 2021-09-16 2023-11-24 上海德衡数据科技有限公司 基于区域数据的医疗数据集成数据的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209491A (zh) * 2018-11-22 2020-05-29 北京嘀嘀无限科技发展有限公司 用于数据库构建的系统和方法
CN111984641A (zh) * 2020-08-14 2020-11-24 薛东 基于工业互联网和智能制造的数据处理方法及大数据平台
CN112287228A (zh) * 2020-03-20 2021-01-29 张明 在线学习推荐方法、在线学习系统及服务器
CN112800173A (zh) * 2021-04-14 2021-05-14 北京金山云网络技术有限公司 标准化数据库和医学文本库的构建方法、装置及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782996A (zh) * 2019-09-18 2020-02-11 平安科技（深圳）有限公司 医疗数据库的构建方法、装置、计算机设备和存储介质
CN110895961A (zh) * 2019-10-29 2020-03-20 泰康保险集团股份有限公司 医疗数据中的文本匹配方法及装置
CN111540460A (zh) * 2020-04-22 2020-08-14 山东凯鑫宏业生物科技有限公司 一种具有知识库的智能医疗系统及其诊断方法
CN111899821A (zh) * 2020-06-28 2020-11-06 广州万孚生物技术股份有限公司 处理医疗机构数据的方法、构建数据库的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209491A (zh) * 2018-11-22 2020-05-29 北京嘀嘀无限科技发展有限公司 用于数据库构建的系统和方法
CN112287228A (zh) * 2020-03-20 2021-01-29 张明 在线学习推荐方法、在线学习系统及服务器
CN111984641A (zh) * 2020-08-14 2020-11-24 薛东 基于工业互联网和智能制造的数据处理方法及大数据平台
CN112800173A (zh) * 2021-04-14 2021-05-14 北京金山云网络技术有限公司 标准化数据库和医学文本库的构建方法、装置及电子设备

Also Published As

Publication number Publication date
CN113392086A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN113011973B (zh) 基于智能合约数据湖的金融交易监管模型的方法及设备
Khatri et al. Wheat seed classification: utilizing ensemble machine learning approach
CN110929752B (zh) 基于知识驱动和数据驱动的分群方法及相关设备
US20060142956A1 (en) System and method for identifying an object
WO2004053659A2 (en) Method and system for analyzing data and creating predictive models
CN110210625A (zh) 基于迁移学习的建模方法、装置、计算机设备和存储介质
CN113705715B (zh) 一种基于lstm和多尺度fcn的时间序列分类方法
CN112651296A (zh) 一种无先验知识数据质量问题自动探查方法及系统
CN113392894A (zh) 一种多组学数据的聚类分析方法和系统
CN113344079B (zh) 一种图像标签半自动标注方法、系统、终端及介质
CN113704389A (zh) 一种数据评估方法、装置、计算机设备及存储介质
CN113674087A (zh) 企业信用等级评定方法、装置、电子设备和介质
CN111639077A (zh) 数据治理方法、装置、电子设备、存储介质
Vysala et al. Evaluating and validating cluster results
CN113674862A (zh) 一种基于机器学习的急性肾功能损伤发病预测方法
CN115691722A (zh) 医疗数据检测的质控方法、装置、设备、介质及程序产品
CN112420125A (zh) 分子属性预测方法、装置、智能设备和终端
CN113392086B (zh) 基于物联网的医疗数据库构建方法、装置及设备
CN115050442A (zh) 基于挖掘聚类算法的病种数据上报方法、装置及存储介质
CN114358202A (zh) 基于药物分子图像分类的信息推送方法及装置
Mani et al. An investigation of wine quality testing using machine learning techniques
CN116842330B (zh) 一种可对比历史记录的保健信息处理方法及装置
JP2003530651A (ja) 生物学的／製薬学的スクリーニング実験においてアウトライヤーを検出する方法および装置
US20200279148A1 (en) Material structure analysis method and material structure analyzer
CN112328881A (zh) 文章推荐方法、装置、终端设备及存储介质

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
GR01 Patent grant
GR01 Patent grant