CN113627495B - 医疗数据融合方法、系统及服务器 - Google Patents

医疗数据融合方法、系统及服务器 Download PDF

Info

Publication number
CN113627495B
CN113627495B CN202110847534.8A CN202110847534A CN113627495B CN 113627495 B CN113627495 B CN 113627495B CN 202110847534 A CN202110847534 A CN 202110847534A CN 113627495 B CN113627495 B CN 113627495B
Authority
CN
China
Prior art keywords
medical
data
target
fusion
medical data
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
CN202110847534.8A
Other languages
English (en)
Other versions
CN113627495A (zh
Inventor
刘鹤
王羽
赵汀
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 Qiwang Network 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 Shanghai Qiwang Network Technology Co ltd filed Critical Shanghai Qiwang Network Technology Co ltd
Priority to CN202110847534.8A priority Critical patent/CN113627495B/zh
Publication of CN113627495A publication Critical patent/CN113627495A/zh
Application granted granted Critical
Publication of CN113627495B publication Critical patent/CN113627495B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请提供的医疗数据融合方法、系统及服务器，可在获得医疗数据分类指示之后，自动抽取医疗数据中的目标医疗数据集，然后将多个医疗数据所包括的目标样本治疗数据和目标互动医疗事件通过加载分类医疗指示的加载种类标签或搭建种类标签显示给用户，然后可将显示的目标互动医疗事件和目标样本治疗数据进行整合，得到医疗用户融合数据，最后将各医疗用户融合数据进行划分得到目标医疗数据集融合策略。通过快速将的医疗数据片段中抽取目标医疗数据集，提高目标医疗数据集的抽取准确度从而提高划分准确度，而且可直接将医疗用户融合数据进行划分，因此实施步骤简单从而提高了划分效率。

Description

医疗数据融合方法、系统及服务器
技术领域
本申请涉及数据融合技术领域，具体而言，涉及医疗数据融合方法、系统及服务器。
背景技术
随着信息时代的不断发在，相关医疗数据不断的增加，这样就可能存在医疗平台涉及的医疗数据之间，经常存在着异构关系，或者说，各医疗数据经常由于数据源的关系，在数据结构上存在着不同，而要应用这些异构数据，则需要进行数据融合，以便利用这些异构数据。
然而，在相关医疗数据数据过大时，存在医疗数据混乱的情况，从而导致融合问题。
发明内容
鉴于此，本申请提供了医疗数据融合方法、系统及服务器。
第一方面，提供一种医疗数据融合方法，包括：
响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集；
将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件，显示于所述加载分类医疗指示的加载种类标签或搭建种类标签；
将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据；
当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略。
进一步地，所述响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集，包括：
响应于在加载分类医疗指示触发的医疗数据分类指示，将所述医疗数据分类指示触发生成的医疗数据加载数据节点作为样本数据；
根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集。
进一步地，所述预先设置标准数据包括预先设置反馈间隔周期和预先设置适配间隔周期；所述根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集包括：
以所述样本数据为基本医疗数据，获取所述预先设置反馈间隔周期内的当前医疗数据的数据片段，以及获取所述预先设置适配间隔周期内的历史医疗数据的数据片段；
划分所述当前医疗数据的数据片段和所述历史医疗数据的数据片段，得到所述目标医疗数据集。
进一步地，所述将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据包括：
从显示的所述目标样本治疗数据中筛选待整合目标样本治疗数据；
从显示的所述目标互动医疗事件中筛选待整合目标互动医疗事件；
响应于触发的互动医疗事件的重组指示，对筛选的所述待整合目标互动医疗事件进行重组，得到包括所述待整合目标样本治疗数据和通过重组的待整合目标互动医疗事件的医疗用户融合数据。
进一步地，所述对筛选的所述待整合目标互动医疗事件进行重组包括：
在所述待整合目标互动医疗事件上增加新的互动医疗事件；
或者，剔除所述待整合目标互动医疗事件中原有的互动医疗事件，并重新增加新的互动医疗事件。
进一步地，所述将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据包括：
从显示的所述目标样本治疗数据中筛选待整合目标样本治疗数据；
从显示的所述目标互动医疗事件中筛选待整合目标互动医疗事件；
将所述待整合目标互动医疗事件移动至所述待整合目标样本治疗数据中，得到医疗用户融合数据。
进一步地，所述当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略包括：
响应于整合子指示，从所得的各医疗用户融合数据中筛选进行划分的多个医疗用户融合数据；
当根据划分子指示将筛选的多个医疗用户融合数据进行划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略。
进一步地，所述方法还包括：
根据划分子指示将所述医疗用户融合数据纵向划分，得到所述目标医疗数据集融合策略；
或者，根据划分子指示将所述医疗用户融合数据横向划分，得到所述目标医疗数据集融合策略；
或者，根据划分子指示将所述医疗用户融合数据中的目标样本治疗数据进行迭代，并将所述医疗用户融合数据中的目标互动医疗事件依照顺序排布在所述目标样本治疗数据中的第一组治疗数据中，得到所述目标医疗数据集融合策略。
第二方面，提供一种医疗数据融合系统，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。
第三方面，一种服务器，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，以实上述的方法。
本申请实施例所提供的医疗数据融合方法、系统及服务器，可在获得医疗数据分类指示之后，自动抽取医疗数据中的目标医疗数据集，该目标医疗数据集中的多个医疗数据包括目标样本治疗数据和目标互动医疗事件，然后将多个医疗数据所包括的目标样本治疗数据和目标互动医疗事件通过加载分类医疗指示的加载种类标签或搭建种类标签显示给用户，然后可将显示的目标互动医疗事件和目标样本治疗数据进行整合，得到医疗用户融合数据，最后将各医疗用户融合数据进行划分得到目标医疗数据集融合策略。通过快速将的医疗数据片段中抽取目标医疗数据集，提高目标医疗数据集的抽取准确度从而提高划分准确度，而且可直接将医疗用户融合数据进行划分，因此实施步骤简单从而提高了划分效率。
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医疗数据融合方法的流程图。
图2为本申请实施例所提供的一种医疗数据融合装置的框图。
图3为本申请实施例所提供的一种医疗数据融合系统的架构图。
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，示出了一种医疗数据融合方法，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，响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集。
示例性的，医疗数据分类指示用于表征医疗数据的分类指令。
进一步地，医疗数据策略表示医疗数据关键种类特征。
进而，目标医疗数据集用于表征医疗数据关键种类特征形成的集合。
步骤200，将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件，显示于所述加载分类医疗指示的加载种类标签或搭建种类标签。
示例性的，目标样本治疗数据用于表征历史医疗数据，比如，用户的治疗数据。
进一步地，目标互动医疗事件用于表征患者与医务人员的互动信息。
步骤300，将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据。
示例性的，医疗用户融合数据用于表征目标互动医疗事件和目标样本治疗数据融合后的相关数据。
步骤400，当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略。
可以理解，在执行上述步骤100-步骤400所描述的技术方案时，可在获得医疗数据分类指示之后，自动抽取医疗数据中的目标医疗数据集，该目标医疗数据集中的多个医疗数据包括目标样本治疗数据和目标互动医疗事件，然后将多个医疗数据所包括的目标样本治疗数据和目标互动医疗事件通过加载分类医疗指示的加载种类标签或搭建种类标签显示给用户，然后可将显示的目标互动医疗事件和目标样本治疗数据进行整合，得到医疗用户融合数据，最后将各医疗用户融合数据进行划分得到目标医疗数据集融合策略。通过快速将的医疗数据片段中抽取目标医疗数据集，提高目标医疗数据集的抽取准确度从而提高划分准确度，而且可直接将医疗用户融合数据进行划分，因此实施步骤简单从而提高了划分效率。
在一种可替换的实施例中，发明人发现，响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略时，存在生成的医疗数据加载数据节点作为样本数据不准确的问题，从而难以准确地得到目标医疗数据集，为了改善上述技术问题，步骤100所描述的响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集的步骤，具体可以可以包括以下步骤q1和步骤q2所描述的技术方案。
步骤q1，响应于在加载分类医疗指示触发的医疗数据分类指示，将所述医疗数据分类指示触发生成的医疗数据加载数据节点作为样本数据。
步骤q2，根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集。
可以理解，在执行上述步骤q1和步骤q2所描述的技术方案时，响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略时，避免生成的医疗数据加载数据节点作为样本数据不准确的问题，从而能够准确地得到目标医疗数据集。
在一种可替换的实施例中，发明人发现，预先设置标准数据包括预先设置反馈间隔周期和预先设置适配间隔周期；所述根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略时，存在数据片段不准确的问题，从而难以准确地得到目标医疗数据集，为了改善上述技术问题，步骤q2所描述的预先设置标准数据包括预先设置反馈间隔周期和预先设置适配间隔周期；所述根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集的步骤，具体可以包括以下步骤q21和步骤q22所描述的技术方案。
步骤q21，以所述样本数据为基本医疗数据，获取所述预先设置反馈间隔周期内的当前医疗数据的数据片段，以及获取所述预先设置适配间隔周期内的历史医疗数据的数据片段。
步骤q22，划分所述当前医疗数据的数据片段和所述历史医疗数据的数据片段，得到所述目标医疗数据集。
可以理解，在执行上述步骤q21和步骤q22所描述的技术方案时，预先设置标准数据包括预先设置反馈间隔周期和预先设置适配间隔周期；所述根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略时，避免数据片段不准确的问题，从而能够准确地得到目标医疗数据集。
在一种可替换的实施例中，发明人发现，将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合时，存在互动医疗事件的重组指示不精确的问题，从而难以精确地得到医疗用户融合数据，为了改善上述技术问题，步骤300所描述的将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据的步骤，具体可以包括以下步骤w1-步骤w3所描述的技术方案。
步骤w1，从显示的所述目标样本治疗数据中筛选待整合目标样本治疗数据。
步骤w2，从显示的所述目标互动医疗事件中筛选待整合目标互动医疗事件。
步骤w3，响应于触发的互动医疗事件的重组指示，对筛选的所述待整合目标互动医疗事件进行重组，得到包括所述待整合目标样本治疗数据和通过重组的待整合目标互动医疗事件的医疗用户融合数据。
可以理解，在执行上述步骤w1-步骤w3所描述的技术方案时，将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合时，避免互动医疗事件的重组指示不精确的问题，从而能够精确地得到医疗用户融合数据。
在一种可替换的实施例中，发明人发现，对筛选的所述待整合目标互动医疗事件进行重组时，存在新的互动医疗事件不准确的问题，从而难以准确地进行重组，为了改善上述技术问题，步骤w3所描述的对筛选的所述待整合目标互动医疗事件进行重组的步骤，具体可以包括以下步骤w31和步骤w32所描述的技术方案。
步骤w31，在所述待整合目标互动医疗事件上增加新的互动医疗事件。
步骤w32，或者，剔除所述待整合目标互动医疗事件中原有的互动医疗事件，并重新增加新的互动医疗事件。
可以理解，在执行上述步骤w31和步骤w32所描述的技术方案时，对筛选的所述待整合目标互动医疗事件进行重组时，避免新的互动医疗事件不准确的问题，从而能够准确地进行重组。
在一种可替换的实施例中，发明人发现，将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合时，存在整合错误的问题，从而难以准确地得到医疗用户融合数据，为了改善上述技术问题，步骤300所描述的将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据的步骤，具体可以包括以下步骤r1-步骤r3所描述的技术方案。
步骤r1，从显示的所述目标样本治疗数据中筛选待整合目标样本治疗数据。
步骤r2，从显示的所述目标互动医疗事件中筛选待整合目标互动医疗事件。
步骤r3，将所述待整合目标互动医疗事件移动至所述待整合目标样本治疗数据中，得到医疗用户融合数据。
可以理解，在执行上述步骤r1-步骤r3所描述的技术方案时，将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合时，避免整合错误的问题，从而能够准确地得到医疗用户融合数据。
在一种可替换的实施例中，发明人发现，当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，存在多个医疗用户融合数据不准确的问题，从而难以准确地显示所述目标医疗数据集融合策略，为了改善上述技术问题，步骤400所描述的当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略的步骤，具体可以以下步骤t1和步骤t2所描述的技术方案。
步骤t1，响应于整合子指示，从所得的各医疗用户融合数据中筛选进行划分的多个医疗用户融合数据。
步骤t2，当根据划分子指示将筛选的多个医疗用户融合数据进行划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略。
可以理解，在执行上述步骤t1和步骤t2所描述的技术方案时，对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，避免多个医疗用户融合数据不准确的问题，从而能够准确地显示所述目标医疗数据集融合策略。
基于上述基础，还可以包括以下步骤y1-步骤y3所描述的技术方案。
步骤y1，根据划分子指示将所述医疗用户融合数据纵向划分，得到所述目标医疗数据集融合策略。
步骤y2，或者，根据划分子指示将所述医疗用户融合数据横向划分，得到所述目标医疗数据集融合策略。
步骤y3，或者，根据划分子指示将所述医疗用户融合数据中的目标样本治疗数据进行迭代，并将所述医疗用户融合数据中的目标互动医疗事件依照顺序排布在所述目标样本治疗数据中的第一组治疗数据中，得到所述目标医疗数据集融合策略。
可以理解，在执行上述步骤y1-步骤y3所描述的技术方案时，通过精确地进行划分，从而提高目标医疗数据集融合策略的精度。
在一种可能的实施例中，发明人发现，将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件时，存在提取样本治疗数据和互动医疗事件不准确的问题，从而难以准确地显示于所述加载分类医疗指示的加载种类标签或搭建种类标签，为了改善上述技术问题，步骤200所描述的将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件，显示于所述加载分类医疗指示的加载种类标签或搭建种类标签的步骤，具体可以包括以下步骤a1-步骤a4所描述的技术方案。
步骤a1，从所述目标医疗数据集的医疗数据中提取样本治疗数据和互动医疗事件。
步骤a2，对提取出的样本治疗数据和互动医疗事件进行筛选，分别得到样本治疗数据集合和互动医疗事件集合。
步骤a3，所述样本治疗数据集合包括所述多个医疗数据中不重复的目标样本治疗数据，所述互动医疗事件集合包括所述多个医疗数据中不重复的目标互动医疗事件。
步骤a4，通过所述加载分类医疗指示的加载种类标签或搭建种类标签，显示所述样本治疗数据集合以及所述互动医疗事件集合。
可以理解，在执行上述步骤a1-步骤a4所描述的技术方案时，将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件时，避免提取样本治疗数据和互动医疗事件不准确的问题，从而能够准确地显示于所述加载分类医疗指示的加载种类标签或搭建种类标签。
基于上述基础，加载分类医疗指示是加载分类的医疗数据加载医疗指示，还可以包括以下步骤s1所描述的技术方案。
步骤s1，在通过所述加载分类加载医疗数据的步骤中，通过设置在所述医疗数据加载医疗指示中的医疗数据融合指示控件上触发医疗数据分类指示。
可以理解，在执行上述步骤s1所描述的技术方案时，通过精确地加载分类加载医疗数据的步骤，从而提高融合指示控件上触发医疗数据分类指示的完整性。
在上述基础上，请结合参阅图2，提供了一种医疗数据融合装置200，应用于数据处理终端，所述装置包括：
医疗数据得到模块210，用于响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集；
医疗数据显示模块220，用于将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件，显示于所述加载分类医疗指示的加载种类标签或搭建种类标签；
融合数据整合模块230，用于将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据；
融合策略显示模块240，用于当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略。
在上述基础上，请结合参阅图3，示出了一种医疗数据融合系统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，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，可在获得医疗数据分类指示之后，自动抽取医疗数据中的目标医疗数据集，该目标医疗数据集中的多个医疗数据包括目标样本治疗数据和目标互动医疗事件，然后将多个医疗数据所包括的目标样本治疗数据和目标互动医疗事件通过加载分类医疗指示的加载种类标签或搭建种类标签显示给用户，然后可将显示的目标互动医疗事件和目标样本治疗数据进行整合，得到医疗用户融合数据，最后将各医疗用户融合数据进行划分得到目标医疗数据集融合策略。通过快速将的医疗数据片段中抽取目标医疗数据集，提高目标医疗数据集的抽取准确度从而提高划分准确度，而且可直接将医疗用户融合数据进行划分，因此实施步骤简单从而提高了划分效率。
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参数均为近似值，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，数值参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参数为近似值，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 (7)

1.一种医疗数据融合方法，其特征在于，包括：
响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集；
将所述目标医疗数据集中多个医疗数据的目标样本治疗数据和目标互动医疗事件，显示于所述加载分类医疗指示的加载种类标签或搭建种类标签；
将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据；
当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略；
其中，所述将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据包括：
从显示的所述目标样本治疗数据中筛选待整合目标样本治疗数据；
从显示的所述目标互动医疗事件中筛选待整合目标互动医疗事件；
响应于触发的互动医疗事件的重组指示，对筛选的所述待整合目标互动医疗事件进行重组，得到包括所述待整合目标样本治疗数据和通过重组的待整合目标互动医疗事件的医疗用户融合数据；
其中，所述对筛选的所述待整合目标互动医疗事件进行重组包括：
在所述待整合目标互动医疗事件上增加新的互动医疗事件；
或者，剔除所述待整合目标互动医疗事件中原有的互动医疗事件，并重新增加新的互动医疗事件；
其中，所述当对所得的各医疗用户融合数据划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略包括：
响应于整合子指示，从所得的各医疗用户融合数据中筛选进行划分的多个医疗用户融合数据；
当根据划分子指示将筛选的多个医疗用户融合数据进行划分得到目标医疗数据集融合策略时，显示所述目标医疗数据集融合策略。
2.根据权利要求1所述的方法，其特征在于，所述响应于在加载分类医疗指示触发的医疗数据分类指示，从加载的医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集，包括：
响应于在加载分类医疗指示触发的医疗数据分类指示，将所述医疗数据分类指示触发生成的医疗数据加载数据节点作为样本数据；
根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集。
3.根据权利要求2所述的方法，其特征在于，所述预先设置标准数据包括预先设置反馈间隔周期和预先设置适配间隔周期；所述根据所述样本数据和预先设置标准数据从加载的所述医疗数据中抽取关键种类的医疗数据策略，得到目标医疗数据集包括：
以所述样本数据为基本医疗数据，获取所述预先设置反馈间隔周期内的当前医疗数据的数据片段，以及获取所述预先设置适配间隔周期内的历史医疗数据的数据片段；
划分所述当前医疗数据的数据片段和所述历史医疗数据的数据片段，得到所述目标医疗数据集。
4.根据权利要求1所述的方法，其特征在于，所述将显示的所述目标互动医疗事件和所述目标样本治疗数据进行整合，得到医疗用户融合数据包括：
从显示的所述目标样本治疗数据中筛选待整合目标样本治疗数据；
从显示的所述目标互动医疗事件中筛选待整合目标互动医疗事件；
将所述待整合目标互动医疗事件移动至所述待整合目标样本治疗数据中，得到医疗用户融合数据。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据划分子指示将所述医疗用户融合数据纵向划分，得到所述目标医疗数据集融合策略；
或者，根据划分子指示将所述医疗用户融合数据横向划分，得到所述目标医疗数据集融合策略；
或者，根据划分子指示将所述医疗用户融合数据中的目标样本治疗数据进行迭代，并将所述医疗用户融合数据中的目标互动医疗事件依照顺序排布在所述目标样本治疗数据中的第一组治疗数据中，得到所述目标医疗数据集融合策略。
6.一种医疗数据融合系统，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1-5任一项所述的方法。
7.一种服务器，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1-5任意一项所述的方法。
CN202110847534.8A 2021-07-27 2021-07-27 医疗数据融合方法、系统及服务器 Active CN113627495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110847534.8A CN113627495B (zh) 2021-07-27 2021-07-27 医疗数据融合方法、系统及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110847534.8A CN113627495B (zh) 2021-07-27 2021-07-27 医疗数据融合方法、系统及服务器

Publications (2)

Publication Number Publication Date
CN113627495A CN113627495A (zh) 2021-11-09
CN113627495B true CN113627495B (zh) 2024-04-16

Family

ID=78381024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110847534.8A Active CN113627495B (zh) 2021-07-27 2021-07-27 医疗数据融合方法、系统及服务器

Country Status (1)

Country Link
CN (1) CN113627495B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997421A (zh) * 2016-01-25 2017-08-01 清华大学 个性化医疗信息采集和健康监测的智能系统和方法
CN107330238A (zh) * 2016-08-12 2017-11-07 中国科学院上海技术物理研究所 医疗信息采集、处理、存储与显示方法与装置
CN110349652A (zh) * 2019-07-12 2019-10-18 之江实验室 一种融合结构化影像数据的医疗数据分析系统
CN111063433A (zh) * 2019-12-20 2020-04-24 南京医睿科技有限公司 医疗数据处理方法与装置、电子设备、存储介质
CN111326236A (zh) * 2020-03-25 2020-06-23 朱利锋 一种医疗图像自动处理系统
CN112309550A (zh) * 2020-11-11 2021-02-02 复旦大学 一种多维医疗影像数据存储管理系统
CN112365939A (zh) * 2020-10-14 2021-02-12 山东大学 一种基于医疗健康大数据的数据治理方法及系统
CN212809784U (zh) * 2020-06-23 2021-03-26 北京清湖润海投资管理顾问有限公司 一种基于图像识别和大数据的个人健康管理系统
CN113159208A (zh) * 2021-04-29 2021-07-23 上海德衡数据科技有限公司 基于云边缘雾计算医疗信息融合方法、系统、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10558783B2 (en) * 2015-10-30 2020-02-11 Medstreaming, Inc. Image data ingestion application of a medical imaging data processing and retrieval system

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997421A (zh) * 2016-01-25 2017-08-01 清华大学 个性化医疗信息采集和健康监测的智能系统和方法
CN107330238A (zh) * 2016-08-12 2017-11-07 中国科学院上海技术物理研究所 医疗信息采集、处理、存储与显示方法与装置
CN110349652A (zh) * 2019-07-12 2019-10-18 之江实验室 一种融合结构化影像数据的医疗数据分析系统
CN111063433A (zh) * 2019-12-20 2020-04-24 南京医睿科技有限公司 医疗数据处理方法与装置、电子设备、存储介质
CN111326236A (zh) * 2020-03-25 2020-06-23 朱利锋 一种医疗图像自动处理系统
CN212809784U (zh) * 2020-06-23 2021-03-26 北京清湖润海投资管理顾问有限公司 一种基于图像识别和大数据的个人健康管理系统
CN112365939A (zh) * 2020-10-14 2021-02-12 山东大学 一种基于医疗健康大数据的数据治理方法及系统
CN112309550A (zh) * 2020-11-11 2021-02-02 复旦大学 一种多维医疗影像数据存储管理系统
CN113159208A (zh) * 2021-04-29 2021-07-23 上海德衡数据科技有限公司 基于云边缘雾计算医疗信息融合方法、系统、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多源异构健康医疗大数据治理平台设计与实现;艾丽娜;《中国优秀硕士学位论文全文数据库 医药卫生科技辑》;第2020卷(第09期);第E054-11页 *

Also Published As

Publication number Publication date
CN113627495A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
US10936293B2 (en) Container image layer reordering
CN109062563B (zh) 用于生成页面的方法和装置
US10268568B2 (en) System and method for data element tracing
CN110428319B (zh) 一种数据比对平台、方法、设备和存储介质
CN109634587B (zh) 一种生成入库脚本以及数据入库的方法和设备
CN106897072A (zh) 业务工程调用方法、装置及电子设备
CN111158741A (zh) 监控业务模块对第三方类库依赖关系变化的方法及装置
US9384045B2 (en) Intelligent inclusion/exclusion automation
US10430802B2 (en) Screen-image based classification
CN113792341A (zh) 应用程序的隐私合规自动化检测方法、装置、设备及介质
CN112346952A (zh) 用于测试用例的回归测试的方法、设备和电子设备
US20120137297A1 (en) Modifying scheduled execution of object modification methods associated with database objects
CN113627495B (zh) 医疗数据融合方法、系统及服务器
US11347533B2 (en) Enhanced virtual machine image management system
CN115373688B (zh) 一种软件开发线程的优化方法、系统及云平台
US20220239700A1 (en) Method and apparatus for security assurance automation
CN113626688B (zh) 基于软件定义的智能化医疗数据采集方法及系统
CN111435306A (zh) 一种代码的管理方法和装置
US20220076263A1 (en) Configurable data container for fraud detection system
US20210049008A1 (en) Identifying implicit dependencies between code artifacts
US20240086979A1 (en) Systems and methods for generating annual product quality reviews
CN115495017B (zh) 一种基于大数据的数据存储方法及系统
CN113611425B (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
US20240370290A1 (en) Method and apparatus, device and medium for user-based service isolation
CN113721916B (zh) 一种操作系统的编译方法、装置、设备及可读存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20241010

Address after: 201600 Room 202, 2nd floor, building 1, 255 zhoujiabang Road, Dongjing Town, Songjiang District, Shanghai

Patentee after: SHANGHAI DATACENTER SCIENCE Co.,Ltd.

Country or region after: China

Address before: 201600 1586 East Changxin Road, Dongjing Town, Songjiang District, Shanghai

Patentee before: SHANGHAI QIWANG NETWORK TECHNOLOGY CO.,LTD.

Country or region before: China