CN113643818A - 基于区域数据的医疗数据集成数据的方法及系统 - Google Patents
基于区域数据的医疗数据集成数据的方法及系统 Download PDFInfo
- Publication number
- CN113643818A CN113643818A CN202110811136.0A CN202110811136A CN113643818A CN 113643818 A CN113643818 A CN 113643818A CN 202110811136 A CN202110811136 A CN 202110811136A CN 113643818 A CN113643818 A CN 113643818A
- Authority
- CN
- China
- Prior art keywords
- data
- interactive medical
- model evaluation
- template
- interactive
- 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
Links
- 230000010354 integration Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002452 interceptive effect Effects 0.000 claims abstract description 365
- 238000012360 testing method Methods 0.000 claims abstract description 136
- 238000012545 processing Methods 0.000 claims abstract description 122
- 238000011156 evaluation Methods 0.000 claims description 221
- 230000006837 decompression Effects 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 15
- 230000006835 compression Effects 0.000 claims description 13
- 238000007906 compression Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001668 ameliorated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G16H50/70—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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供的基于区域数据的医疗数据集成数据的方法及系统，在集成过程中，第一数据处理线程对输入的第一互动医疗数据模板同时执行互动医疗种类测试和数据重要性识别，并且同时使用高重要性的第二互动医疗数据模板、互动医疗种类标签数据、测试识别数据以及测试互动医疗种类数据对第一数据处理线程进行集成，也就是说，在集成互动医疗集成线程的同时，还考虑了数据重要性对于互动医疗集成的影响，使得后续基于集成完成的第一数据处理线程生成的互动医疗集成线程能够对误差的互动医疗数据具有更高的集成精度，从而提高对互动医疗数据中的互动医疗进行集成的完整性。
Description
技术领域
本申请涉及数据集成技术领域，具体而言，涉及基于区域数据的医疗数据集成数据的方法及系统。
背景技术
在构建集成系统时将各数据源的医疗数据集成为全局模式，全局模式描述了数据源共享数据的结构、语义、互动及操作等，这样能够有效地节约时间成本。但是数据集成系统处理这些请求，转换成各个数据源在本地医疗数据基础上能够执行的请求时，还存在一些瑕疵。
发明内容
鉴于此，本申请提供了基于区域数据的医疗数据集成数据的方法及系统。
第一方面，提供一种基于区域数据的医疗数据集成数据的方法所述方法包括：
获取第一互动医疗数据模板、第二互动医疗数据模板以及互动医疗种类标签数据；
所述第一互动医疗数据模板是所述第二互动医疗数据模板对应的误差数据，所述互动医疗种类标签数据用于表征所述第一互动医疗数据模板中被标签出的大于二种类型互动医疗的种类；
将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据；
所述测试识别数据是对所述第一互动医疗数据模板进行重要性识别后的数据；其中，所述测试互动医疗种类数据用于表征所述第一互动医疗数据模板中被测试出的大于二种类型互动医疗的种类；
基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据；
基于所述模型评估数据对所述第一数据处理线程进行集成；
集成完成后的所述第一数据处理线程用于生成第二数据处理线程，所述第二数据处理线程用于对输入的目标互动医疗数据进行集成处理，以输出所述目标互动医疗数据的互动医疗集成数据，所述互动医疗集成数据用于表征所述目标互动医疗数据中的目标类型互动医疗，所述目标类型互动医疗是所述大于二种类型互动医疗中的至少一种。
进一步地，所述将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据，包括：
将所述第一互动医疗数据模板输入第一数据处理线程；
通过所述第一数据处理线程中的数据划分描述内容对所述第一互动医疗数据模板进行处理，获得所述数据划分描述内容输出的所述测试互动医疗种类数据；
通过所述第一数据处理线程中的数据识别描述内容对所述第一互动医疗数据模板进行处理，获得所述数据识别描述内容输出的所述测试识别数据；
其中，所述基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据，包括：
基于所述互动医疗种类标签数据以及所述测试互动医疗种类数据，获取所述模型评估数据中的互动医疗集成模型评估数据；
基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据；
其中，所述基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据，包括：
基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据；
所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少一种；
基于所述子模型评估数据获取所述数据识别模型评估数据；
所述第一子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的全局误差向量；
所述第二子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的关键策略误差向量；所述第三子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据各自对应的互动医疗位置的数据误差向量。
进一步地，响应于所述子模型评估数据包括所述第三子模型评估数据，所述基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据，包括：
基于所述第二互动医疗数据模板以及所述互动医疗种类标签数据获取第一部分数据，所述第一部分数据是所述第二互动医疗数据模板中的互动医疗位置的数据；
基于所述测试识别数据以及所述测试互动医疗种类数据获取第二部分数据，所述第二部分数据是所述测试识别数据中的互动医疗位置的数据；
基于所述第一部分数据和所述第二部分数据，获取所述第三子模型评估数据。
进一步地，响应于所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少两项评估系数，所述基于所述子模型评估数据获取所述数据识别模型评估数据，包括：
对所述子模型评估数据中的至少两项评估系数进行乘以权重处理，获得所述数据识别模型评估数据。
进一步地，所述数据划分描述内容和所述数据识别描述内容相关压缩模型，所述数据划分描述内容还包含第一解压模型，所述数据识别描述内容还包含第二解压模型；所述基于所述模型评估数据对所述第一数据处理线程进行集成，包括：
基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代；
基于所述互动医疗集成模型评估数据对所述第一解压模型进行特征迭代；
基于所述数据识别模型评估数据对所述第二解压模型进行特征迭代；
其中，所述基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代，包括：
对所述互动医疗集成模型评估数据以及所述数据识别模型评估数据进行乘以权重处理，获得全局模型评估数据；
基于所述全局模型评估数据对所述压缩模型进行特征迭代。
第二方面，提供一种基于区域数据的医疗数据集成数据的系统，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终具体用于：
获取第一互动医疗数据模板、第二互动医疗数据模板以及互动医疗种类标签数据；
所述第一互动医疗数据模板是所述第二互动医疗数据模板对应的误差数据，所述互动医疗种类标签数据用于表征所述第一互动医疗数据模板中被标签出的大于二种类型互动医疗的种类；
将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据；
所述测试识别数据是对所述第一互动医疗数据模板进行重要性识别后的数据；其中，所述测试互动医疗种类数据用于表征所述第一互动医疗数据模板中被测试出的大于二种类型互动医疗的种类；
基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据；
基于所述模型评估数据对所述第一数据处理线程进行集成；
集成完成后的所述第一数据处理线程用于生成第二数据处理线程，所述第二数据处理线程用于对输入的目标互动医疗数据进行集成处理，以输出所述目标互动医疗数据的互动医疗集成数据，所述互动医疗集成数据用于表征所述目标互动医疗数据中的目标类型互动医疗，所述目标类型互动医疗是所述大于二种类型互动医疗中的至少一种。
进一步地，所述数据处理终具体用于：
将所述第一互动医疗数据模板输入第一数据处理线程；
通过所述第一数据处理线程中的数据划分描述内容对所述第一互动医疗数据模板进行处理，获得所述数据划分描述内容输出的所述测试互动医疗种类数据；
通过所述第一数据处理线程中的数据识别描述内容对所述第一互动医疗数据模板进行处理，获得所述数据识别描述内容输出的所述测试识别数据；
其中，所述数据处理终具体用于：
基于所述互动医疗种类标签数据以及所述测试互动医疗种类数据，获取所述模型评估数据中的互动医疗集成模型评估数据；
基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据；
其中，所述数据处理终具体用于：
基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据；
所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少一种；
基于所述子模型评估数据获取所述数据识别模型评估数据；
所述第一子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的全局误差向量；
所述第二子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的关键策略误差向量；所述第三子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据各自对应的互动医疗位置的数据误差向量。
进一步地，所述数据处理终具体用于：
基于所述第二互动医疗数据模板以及所述互动医疗种类标签数据获取第一部分数据，所述第一部分数据是所述第二互动医疗数据模板中的互动医疗位置的数据；
基于所述测试识别数据以及所述测试互动医疗种类数据获取第二部分数据，所述第二部分数据是所述测试识别数据中的互动医疗位置的数据；
基于所述第一部分数据和所述第二部分数据，获取所述第三子模型评估数据。
进一步地，所述数据处理终具体用于：
对所述子模型评估数据中的至少两项评估系数进行乘以权重处理，获得所述数据识别模型评估数据。
进一步地，所述数据处理终具体用于：
基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对压缩模型进行特征迭代；
基于所述互动医疗集成模型评估数据对第一解压模型进行特征迭代；
基于所述数据识别模型评估数据对第二解压模型进行特征迭代；
其中，所述数据处理终具体用于：
对所述互动医疗集成模型评估数据以及所述数据识别模型评估数据进行乘以权重处理，获得全局模型评估数据；
基于所述全局模型评估数据对所述压缩模型进行特征迭代。
本申请实施例所提供的基于区域数据的医疗数据集成数据的方法及系统，在集成过程中，第一数据处理线程对输入的第一互动医疗数据模板同时执行互动医疗种类测试和数据重要性识别，并且同时使用高重要性的第二互动医疗数据模板、互动医疗种类标签数据、测试识别数据以及测试互动医疗种类数据对第一数据处理线程进行集成，也就是说，在集成互动医疗集成线程的同时，还考虑了数据重要性对于互动医疗集成的影响，使得后续基于集成完成的第一数据处理线程生成的互动医疗集成线程能够对误差的互动医疗数据具有更高的集成精度，从而提高对互动医疗数据中的互动医疗进行集成的完整性。
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区域数据的医疗数据集成数据的方法的流程图。
图2为本申请实施例所提供的一种基于区域数据的医疗数据集成数据的装置的框图。
图3为本申请实施例所提供的一种基于区域数据的医疗数据集成数据的系统的架构图。
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，示出了一种基于区域数据的医疗数据集成数据的方法，该方法可以包括以下步骤100-步骤700所描述的技术方案。
步骤100，获取第一互动医疗数据模板、第二互动医疗数据模板以及互动医疗种类标签数据。
举例而言，互动医疗数据模板用于表征患者患病情况填写表格。
进一步地，互动医疗种类标签数据用于表征患者患病的分类。
步骤200，所述第一互动医疗数据模板是所述第二互动医疗数据模板对应的误差数据，所述互动医疗种类标签数据用于表征所述第一互动医疗数据模板中被标签出的大于二种类型互动医疗的种类。
举例而言，误差数据用于表征第一互动医疗数据模板和第二互动医疗数据模板之间的误差。
步骤300，将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据。
步骤400，所述测试识别数据是对所述第一互动医疗数据模板进行重要性识别后的数据。
举例而言，所述测试互动医疗种类数据用于表征所述第一互动医疗数据模板中被测试出的大于二种类型互动医疗的种类。
步骤500，基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据。
步骤600，基于所述模型评估数据对所述第一数据处理线程进行集成。
步骤700，集成完成后的所述第一数据处理线程用于生成第二数据处理线程。
举例而言，所述第二数据处理线程用于对输入的目标互动医疗数据进行集成处理，以输出所述目标互动医疗数据的互动医疗集成数据。
举例而言，所述互动医疗集成数据用于表征所述目标互动医疗数据中的目标类型互动医疗，所述目标类型互动医疗是所述大于二种类型互动医疗中的至少一种。
可以理解，在执行上述步骤100-步骤700所描述的技术方案时，在集成过程中，第一数据处理线程对输入的第一互动医疗数据模板同时执行互动医疗种类测试和数据重要性识别，并且同时使用高重要性的第二互动医疗数据模板、互动医疗种类标签数据、测试识别数据以及测试互动医疗种类数据对第一数据处理线程进行集成，也就是说，在集成互动医疗集成线程的同时，还考虑了数据重要性对于互动医疗集成的影响，使得后续基于集成完成的第一数据处理线程生成的互动医疗集成线程能够对误差的互动医疗数据具有更高的集成精度，从而提高对互动医疗数据中的互动医疗进行集成的完整性。
在一种看了替换的实施例中，发明人发现，将所述第一互动医疗数据模板输入第一数据处理线程时，存在测试互动医疗种类数据不准确的问题，从而难以准确地获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据，为了改善上述技术问题，步骤300所描述的将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据的步骤，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，将所述第一互动医疗数据模板输入第一数据处理线程。
步骤q2，通过所述第一数据处理线程中的数据划分描述内容对所述第一互动医疗数据模板进行处理，获得所述数据划分描述内容输出的所述测试互动医疗种类数据。
步骤q3，通过所述第一数据处理线程中的数据识别描述内容对所述第一互动医疗数据模板进行处理，获得所述数据识别描述内容输出的所述测试识别数据。
可以理解，在执行上述步骤q1-步骤q3所描述的技术方案时，将所述第一互动医疗数据模板输入第一数据处理线程时，改善测试互动医疗种类数据不准确的问题，从而能够准确地获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据。
在一种可替换的实施例中，发明人发现，基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据时，存在互动医疗集成模型评估数据步骤可靠的问题，从而难以可靠地获取模型评估数据，为了改善上述技术问题，步骤500所描述的基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据的步骤，具体可以包括以下步骤w1和步骤w2所描述的技术方案。
步骤w1，基于所述互动医疗种类标签数据以及所述测试互动医疗种类数据，获取所述模型评估数据中的互动医疗集成模型评估数据。
步骤w2，基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据。
可以理解，在执行上述步骤w1和步骤w2所描述的技术方案时，基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据时，改善互动医疗集成模型评估数据步骤可靠的问题，从而能够可靠地获取模型评估数据。
在一种可替换的实施例中，发明人发现，基于所述第二互动医疗数据模板以及所述测试识别数据时，存在数据识别模型评估数据不准确的问题，从而难以准确地获取所述模型评估数据中的数据识别模型评估数据，为了改善上述技术问题，步骤w2所描述的基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据的步骤，具体可以包括以下步骤w21-步骤w25所描述的技术方案。
步骤w21，基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据。
步骤w22，所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少一种。
步骤w23，基于所述子模型评估数据获取所述数据识别模型评估数据。
步骤w24，所述第一子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的全局误差向量。
步骤w25，所述第二子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的关键策略误差向量；所述第三子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据各自对应的互动医疗位置的数据误差向量。
可以理解，在执行上述步骤w21-步骤w25所描述的技术方案时，基于所述第二互动医疗数据模板以及所述测试识别数据时，尽可能地避免数据识别模型评估数据不准确的问题，从而能够准确地获取所述模型评估数据中的数据识别模型评估数据。
在一种可替换的实施例中，发明人发现，响应于所述子模型评估数据包括所述第三子模型评估数据，所述基于所述第二互动医疗数据模板以及所述测试识别数据时，存在互动医疗位置的数据不精确的问题，从而难以精确地获取子模型评估数据，为了改善上述技术问题，步骤w21所描述的响应于所述子模型评估数据包括所述第三子模型评估数据，所述基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据的步骤，具体可以包括以下步骤e1-步骤e3所描述的技术方案。
步骤e1，基于所述第二互动医疗数据模板以及所述互动医疗种类标签数据获取第一部分数据，所述第一部分数据是所述第二互动医疗数据模板中的互动医疗位置的数据。
步骤e2，基于所述测试识别数据以及所述测试互动医疗种类数据获取第二部分数据，所述第二部分数据是所述测试识别数据中的互动医疗位置的数据。
步骤e3，基于所述第一部分数据和所述第二部分数据，获取所述第三子模型评估数据。
可以理解，在执行上述步骤e1-步骤e3所描述的技术方案时，响应于所述子模型评估数据包括所述第三子模型评估数据，所述基于所述第二互动医疗数据模板以及所述测试识别数据时，改善互动医疗位置的数据不精确的问题，从而能够精确地获取子模型评估数据。
在一种可替换的实施例中，发明人发现，响应于所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少两项评估系数，所述基于所述子模型评估数据时，存在多种评估系数导致评估不准确的问题，从而难以准确地获取所述数据识别模型评估数据，为了改善上述技术问题，步骤w23所描述的响应于所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少两项评估系数，所述基于所述子模型评估数据获取所述数据识别模型评估数据的步骤，具体可以包括以下步骤t1所描述的技术方案。
步骤t1，对所述子模型评估数据中的至少两项评估系数进行乘以权重处理，获得所述数据识别模型评估数据。
可以理解，在执行上述步骤t1所描述的技术方案时，响应于所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少两项评估系数，所述基于所述子模型评估数据时，改善多种评估系数导致评估不准确的问题，从而能够准确地获取所述数据识别模型评估数据。
在一种可替换的实施例中，发明人发现，数据划分描述内容和所述数据识别描述内容相关压缩模型，所述数据划分描述内容还包含第一解压模型，所述数据识别描述内容还包含第二解压模型；所述基于所述模型评估数据对所述第一数据处理线程进行集成时，存在第一解压模型进行特征迭代不准确的问题，从而难以准确地进行集成，为了改善上述技术问题，步骤600所描述的数据划分描述内容和所述数据识别描述内容相关压缩模型，所述数据划分描述内容还包含第一解压模型，所述数据识别描述内容还包含第二解压模型；所述基于所述模型评估数据对所述第一数据处理线程进行集成的步骤，具体可以包括以下步骤p1-步骤p3所描述的技术方案。
步骤p1，基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代。
步骤p2，基于所述互动医疗集成模型评估数据对所述第一解压模型进行特征迭代。
步骤p3，基于所述数据识别模型评估数据对所述第二解压模型进行特征迭代。
可以理解，在执行上述步骤p1-步骤p3所描述的技术方案时，数据划分描述内容和所述数据识别描述内容相关压缩模型，所述数据划分描述内容还包含第一解压模型，所述数据识别描述内容还包含第二解压模型；所述基于所述模型评估数据对所述第一数据处理线程进行集成时，改善第一解压模型进行特征迭代不准确的问题，从而能够准确地进行集成。
在一种可替换的实施例中，发明人发现，基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代时，存在全局模型评估数据不准确的问题，从而难以准确地进行特征迭代，为了改善上述技术问题，步骤p1所描述的基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代的步骤，具体可以包括以下步骤p11和步骤p12所描述的技术方案。
步骤p11，对所述互动医疗集成模型评估数据以及所述数据识别模型评估数据进行乘以权重处理，获得全局模型评估数据。
步骤p12，基于所述全局模型评估数据对所述压缩模型进行特征迭代。
可以理解，在执行上述步骤p11和步骤p12所描述的技术方案时，，基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代时，避免全局模型评估数据不准确的问题，从而能够准确地进行特征迭代。
基于上述基础，还可以包括以下步骤a1所描述的技术方案。
步骤a1，响应于所述第一数据处理线程集成完成，基于所述数据划分描述内容生成所述第二数据处理线程。
可以理解，在执行上述步骤a1所描述的技术方案时，通过准确的将第一数据处理线程集成完成，从而提高第二数据处理线程的精度。
基于上述基础，还可以包括以下步骤s1和步骤s2所描述的技术方案。
步骤s1，将所述目标互动医疗数据输入所述第二数据处理线程，获得所述第二数据处理线程输出的互动医疗种类数据，所述互动医疗种类数据至少表征所述目标互动医疗数据中被测试出的所述目标类型互动医疗的种类。
步骤s2，基于所述互动医疗种类数据，输出互动医疗集成结果数据，所述互动医疗集成结果数据用于表征所述目标互动医疗数据中的所述目标类型互动医疗。
可以理解，在执行上述步骤s1和步骤s2所描述的技术方案时，通过精确地获得互动医疗种类数据，从而提高互动医疗集成结果数据的精度。
在上述基础上，请结合参阅图2，提供了一种基于区域数据的医疗数据集成数据的装置200，应用于数据处理终端，所述装置包括：
数据获取模块210，用于获取第一互动医疗数据模板、第二互动医疗数据模板以及互动医疗种类标签数据；
误差获取模块220，用于所述第一互动医疗数据模板是所述第二互动医疗数据模板对应的误差数据，所述互动医疗种类标签数据用于表征所述第一互动医疗数据模板中被标签出的大于二种类型互动医疗的种类；
数据测试模块230，用于将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据；
数据识别模块240，用于所述测试识别数据是对所述第一互动医疗数据模板进行重要性识别后的数据；其中，所述测试互动医疗种类数据用于表征所述第一互动医疗数据模板中被测试出的大于二种类型互动医疗的种类；
数据评估模型250，用于基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据；
数据集成模块260，用于基于所述模型评估数据对所述第一数据处理线程进行集成；
数据互动模块270，用于集成完成后的所述第一数据处理线程用于生成第二数据处理线程，所述第二数据处理线程用于对输入的目标互动医疗数据进行集成处理，以输出所述目标互动医疗数据的互动医疗集成数据，所述互动医疗集成数据用于表征所述目标互动医疗数据中的目标类型互动医疗，所述目标类型互动医疗是所述大于二种类型互动医疗中的至少一种。
在上述基础上，请结合参阅图3，示出了一种基于区域数据的医疗数据集成数据的系统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，在集成过程中，第一数据处理线程对输入的第一互动医疗数据模板同时执行互动医疗种类测试和数据重要性识别，并且同时使用高重要性的第二互动医疗数据模板、互动医疗种类标签数据、测试识别数据以及测试互动医疗种类数据对第一数据处理线程进行集成，也就是说，在集成互动医疗集成线程的同时，还考虑了数据重要性对于互动医疗集成的影响，使得后续基于集成完成的第一数据处理线程生成的互动医疗集成线程能够对误差的互动医疗数据具有更高的集成精度，从而提高对互动医疗数据中的互动医疗进行集成的完整性。
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 (10)
1.一种基于区域数据的医疗数据集成数据的方法，其特征在于，所述方法包括：
获取第一互动医疗数据模板、第二互动医疗数据模板以及互动医疗种类标签数据；
所述第一互动医疗数据模板是所述第二互动医疗数据模板对应的误差数据，所述互动医疗种类标签数据用于表征所述第一互动医疗数据模板中被标签出的大于二种类型互动医疗的种类；
将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据；
所述测试识别数据是对所述第一互动医疗数据模板进行重要性识别后的数据；其中，所述测试互动医疗种类数据用于表征所述第一互动医疗数据模板中被测试出的大于二种类型互动医疗的种类；
基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据；
基于所述模型评估数据对所述第一数据处理线程进行集成；
集成完成后的所述第一数据处理线程用于生成第二数据处理线程，所述第二数据处理线程用于对输入的目标互动医疗数据进行集成处理，以输出所述目标互动医疗数据的互动医疗集成数据，所述互动医疗集成数据用于表征所述目标互动医疗数据中的目标类型互动医疗，所述目标类型互动医疗是所述大于二种类型互动医疗中的至少一种。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据，包括：
将所述第一互动医疗数据模板输入第一数据处理线程；
通过所述第一数据处理线程中的数据划分描述内容对所述第一互动医疗数据模板进行处理，获得所述数据划分描述内容输出的所述测试互动医疗种类数据；
通过所述第一数据处理线程中的数据识别描述内容对所述第一互动医疗数据模板进行处理，获得所述数据识别描述内容输出的所述测试识别数据；
其中，所述基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据，包括：
基于所述互动医疗种类标签数据以及所述测试互动医疗种类数据，获取所述模型评估数据中的互动医疗集成模型评估数据；
基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据；
其中，所述基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据，包括：
基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据；
所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少一种；
基于所述子模型评估数据获取所述数据识别模型评估数据；
所述第一子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的全局误差向量；
所述第二子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的关键策略误差向量；所述第三子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据各自对应的互动医疗位置的数据误差向量。
3.根据权利要求2所述的方法，其特征在于，响应于所述子模型评估数据包括所述第三子模型评估数据，所述基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据，包括：
基于所述第二互动医疗数据模板以及所述互动医疗种类标签数据获取第一部分数据，所述第一部分数据是所述第二互动医疗数据模板中的互动医疗位置的数据；
基于所述测试识别数据以及所述测试互动医疗种类数据获取第二部分数据，所述第二部分数据是所述测试识别数据中的互动医疗位置的数据；
基于所述第一部分数据和所述第二部分数据，获取所述第三子模型评估数据。
4.根据权利要求2所述的方法，其特征在于，响应于所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少两项评估系数，所述基于所述子模型评估数据获取所述数据识别模型评估数据，包括：
对所述子模型评估数据中的至少两项评估系数进行乘以权重处理，获得所述数据识别模型评估数据。
5.根据权利要求2所述的方法，其特征在于，所述数据划分描述内容和所述数据识别描述内容相关压缩模型，所述数据划分描述内容还包含第一解压模型，所述数据识别描述内容还包含第二解压模型；所述基于所述模型评估数据对所述第一数据处理线程进行集成，包括：
基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代；
基于所述互动医疗集成模型评估数据对所述第一解压模型进行特征迭代；
基于所述数据识别模型评估数据对所述第二解压模型进行特征迭代；
其中，所述基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对所述压缩模型进行特征迭代，包括：
对所述互动医疗集成模型评估数据以及所述数据识别模型评估数据进行乘以权重处理，获得全局模型评估数据；
基于所述全局模型评估数据对所述压缩模型进行特征迭代。
6.一种基于区域数据的医疗数据集成数据的系统，其特征在于，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终具体用于：
获取第一互动医疗数据模板、第二互动医疗数据模板以及互动医疗种类标签数据；
所述第一互动医疗数据模板是所述第二互动医疗数据模板对应的误差数据，所述互动医疗种类标签数据用于表征所述第一互动医疗数据模板中被标签出的大于二种类型互动医疗的种类；
将所述第一互动医疗数据模板输入第一数据处理线程，获得所述第一数据处理线程输出的测试识别数据，以及测试互动医疗种类数据；
所述测试识别数据是对所述第一互动医疗数据模板进行重要性识别后的数据；其中，所述测试互动医疗种类数据用于表征所述第一互动医疗数据模板中被测试出的大于二种类型互动医疗的种类；
基于所述第二互动医疗数据模板、所述互动医疗种类标签数据、所述测试识别数据以及所述测试互动医疗种类数据，获取模型评估数据；
基于所述模型评估数据对所述第一数据处理线程进行集成；
集成完成后的所述第一数据处理线程用于生成第二数据处理线程，所述第二数据处理线程用于对输入的目标互动医疗数据进行集成处理，以输出所述目标互动医疗数据的互动医疗集成数据，所述互动医疗集成数据用于表征所述目标互动医疗数据中的目标类型互动医疗，所述目标类型互动医疗是所述大于二种类型互动医疗中的至少一种。
7.根据权利要求6所述的系统，其特征在于，所述数据处理终具体用于：
将所述第一互动医疗数据模板输入第一数据处理线程；
通过所述第一数据处理线程中的数据划分描述内容对所述第一互动医疗数据模板进行处理，获得所述数据划分描述内容输出的所述测试互动医疗种类数据；
通过所述第一数据处理线程中的数据识别描述内容对所述第一互动医疗数据模板进行处理，获得所述数据识别描述内容输出的所述测试识别数据；
其中，所述数据处理终具体用于：
基于所述互动医疗种类标签数据以及所述测试互动医疗种类数据，获取所述模型评估数据中的互动医疗集成模型评估数据；
基于所述第二互动医疗数据模板以及所述测试识别数据，获取所述模型评估数据中的数据识别模型评估数据；
其中，所述数据处理终具体用于：
基于所述第二互动医疗数据模板以及所述测试识别数据，获取子模型评估数据；
所述子模型评估数据包括第一子模型评估数据、第二子模型评估数据、以及第三子模型评估数据中的至少一种；
基于所述子模型评估数据获取所述数据识别模型评估数据；
所述第一子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的全局误差向量；
所述第二子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据之间的关键策略误差向量；所述第三子模型评估数据用于表征所述第二互动医疗数据模板与所述测试识别数据各自对应的互动医疗位置的数据误差向量。
8.根据权利要求7所述的系统，其特征在于，所述数据处理终具体用于：
基于所述第二互动医疗数据模板以及所述互动医疗种类标签数据获取第一部分数据，所述第一部分数据是所述第二互动医疗数据模板中的互动医疗位置的数据；
基于所述测试识别数据以及所述测试互动医疗种类数据获取第二部分数据，所述第二部分数据是所述测试识别数据中的互动医疗位置的数据；
基于所述第一部分数据和所述第二部分数据，获取所述第三子模型评估数据。
9.根据权利要求7所述的系统，其特征在于，所述数据处理终具体用于：
对所述子模型评估数据中的至少两项评估系数进行乘以权重处理，获得所述数据识别模型评估数据。
10.根据权利要求7所述的系统，其特征在于，所述数据处理终具体用于：
基于所述互动医疗集成模型评估数据以及所述数据识别模型评估数据，对压缩模型进行特征迭代；
基于所述互动医疗集成模型评估数据对第一解压模型进行特征迭代；
基于所述数据识别模型评估数据对第二解压模型进行特征迭代；
其中，所述数据处理终具体用于：
对所述互动医疗集成模型评估数据以及所述数据识别模型评估数据进行乘以权重处理，获得全局模型评估数据；
基于所述全局模型评估数据对所述压缩模型进行特征迭代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110811136.0A CN113643818B (zh) | 2021-09-16 | 2021-09-16 | 基于区域数据的医疗数据集成数据的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110811136.0A CN113643818B (zh) | 2021-09-16 | 2021-09-16 | 基于区域数据的医疗数据集成数据的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113643818A true CN113643818A (zh) | 2021-11-12 |
| CN113643818B CN113643818B (zh) | 2023-11-24 |
Family
ID=78417682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110811136.0A Active CN113643818B (zh) | 2021-09-16 | 2021-09-16 | 基于区域数据的医疗数据集成数据的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113643818B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777970A (zh) * | 2016-12-15 | 2017-05-31 | 北京锐软科技股份有限公司 | 一种医疗信息系统数据模板化的集成系统及方法 |
| CN107103320A (zh) * | 2017-04-28 | 2017-08-29 | 常熟理工学院 | 嵌入式医疗数据图像识别及集成方法 |
| CN108763432A (zh) * | 2018-05-24 | 2018-11-06 | 思派（北京）网络科技有限公司 | 一种应用于互联网医疗的跨平台数据整合方法 |
| WO2019071965A1 (zh) * | 2017-10-13 | 2019-04-18 | 平安科技（深圳）有限公司 | 数据处理的方法、数据处理装置及计算机可读存储介质 |
| US10726359B1 (en) * | 2019-08-06 | 2020-07-28 | Clarify Health Solutions, Inc. | Computer network architecture with machine learning and artificial intelligence and automated scalable regularization |
| CN111696675A (zh) * | 2020-05-22 | 2020-09-22 | 平安国际智慧城市科技股份有限公司 | 基于物联网数据的用户数据分类方法、装置及计算机设备 |
| CN111831662A (zh) * | 2020-07-24 | 2020-10-27 | 深圳市网通兴技术发展有限公司 | 一种医疗数据信息处理方法及系统 |
| US20200402663A1 (en) * | 2019-06-18 | 2020-12-24 | Canon Medical Systems Corporation | Medical information processing apparatus and medical information processing method |
| CN112507681A (zh) * | 2020-12-12 | 2021-03-16 | 深圳市臻络科技有限公司 | 基于模板设计模式的多源异构医疗数据采集方法 |
| CN113361977A (zh) * | 2021-08-02 | 2021-09-07 | 深圳市合美鑫精密电子有限公司 | 一种智慧医疗大数据安全风险处理方法及智慧医疗服务器 |
| CN113366580A (zh) * | 2018-12-31 | 2021-09-07 | 通用电气精准医疗有限责任公司 | 使用分布式学习平台促进将人工智能集成到系统中 |
| CN113378554A (zh) * | 2021-06-08 | 2021-09-10 | 湖南创星科技股份有限公司 | 一种医疗信息智能交互的方法及系统 |
| CN113392086A (zh) * | 2021-05-26 | 2021-09-14 | 上海德衡数据科技有限公司 | 基于物联网的医疗数据库构建方法、装置及设备 |
-
2021
- 2021-09-16 CN CN202110811136.0A patent/CN113643818B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777970A (zh) * | 2016-12-15 | 2017-05-31 | 北京锐软科技股份有限公司 | 一种医疗信息系统数据模板化的集成系统及方法 |
| CN107103320A (zh) * | 2017-04-28 | 2017-08-29 | 常熟理工学院 | 嵌入式医疗数据图像识别及集成方法 |
| WO2019071965A1 (zh) * | 2017-10-13 | 2019-04-18 | 平安科技（深圳）有限公司 | 数据处理的方法、数据处理装置及计算机可读存储介质 |
| CN108763432A (zh) * | 2018-05-24 | 2018-11-06 | 思派（北京）网络科技有限公司 | 一种应用于互联网医疗的跨平台数据整合方法 |
| CN113366580A (zh) * | 2018-12-31 | 2021-09-07 | 通用电气精准医疗有限责任公司 | 使用分布式学习平台促进将人工智能集成到系统中 |
| US20200402663A1 (en) * | 2019-06-18 | 2020-12-24 | Canon Medical Systems Corporation | Medical information processing apparatus and medical information processing method |
| US10726359B1 (en) * | 2019-08-06 | 2020-07-28 | Clarify Health Solutions, Inc. | Computer network architecture with machine learning and artificial intelligence and automated scalable regularization |
| CN111696675A (zh) * | 2020-05-22 | 2020-09-22 | 平安国际智慧城市科技股份有限公司 | 基于物联网数据的用户数据分类方法、装置及计算机设备 |
| CN111831662A (zh) * | 2020-07-24 | 2020-10-27 | 深圳市网通兴技术发展有限公司 | 一种医疗数据信息处理方法及系统 |
| CN112507681A (zh) * | 2020-12-12 | 2021-03-16 | 深圳市臻络科技有限公司 | 基于模板设计模式的多源异构医疗数据采集方法 |
| CN113392086A (zh) * | 2021-05-26 | 2021-09-14 | 上海德衡数据科技有限公司 | 基于物联网的医疗数据库构建方法、装置及设备 |
| CN113378554A (zh) * | 2021-06-08 | 2021-09-10 | 湖南创星科技股份有限公司 | 一种医疗信息智能交互的方法及系统 |
| CN113361977A (zh) * | 2021-08-02 | 2021-09-07 | 深圳市合美鑫精密电子有限公司 | 一种智慧医疗大数据安全风险处理方法及智慧医疗服务器 |
Non-Patent Citations (9)
| Title |
|---|
| BUKOWSKI M，等: "Implementation of eHealth and AI integrated diagnostics with multidisciplinary digitized data: are we ready from an international perspective?", EUR RADIOL, pages 5510 - 5524 * |
| CHUNFEI ZHANG，等: "Research on Regional Medical Heterogeneous Data Integration Technology", JOURNAL OF PHYSICS: CONFERENCE SERIES, pages 1 - 6 * |
| 周乐明，等: "公立医院区域医疗数据集成与接入的难点及对策", 中国卫生信息管理杂志, vol. 15, no. 6, pages 719 - 722 * |
| 尤超;巩清源;黄宇飞;潘伟华;: "基于物联网技术的全院级医疗设备数据采集管理平台建设与实践", 中国医疗设备, no. 03, pages 120 - 123 * |
| 李彬: "手机银行APP带来的生态与场景探析", 互联网周刊, pages 48 - 50 * |
| 翟运开;路薇;张瑞霞;孙东旭;赵杰;: "多维集成视角下精准医疗数据融合标准体系构建", 中国卫生资源, no. 01, pages 29 - 33 * |
| 葛敬军;张宝昌;王其华;胡珊珊;李庆玲;: "基于医院系统的多源数据集成技术研究", 医学信息学杂志, no. 08, pages 41 - 45 * |
| 谈永奇;王换换;阳媛;张鑫;: "基于智能化集成设备的医院大数据信息化云测试系统设计", 计算机测量与控制, no. 08, pages 104 - 107 * |
| 邢丹;姚俊明;: "医疗健康大数据:概念、特点、平台及数据集成问题研究", 物联网技术, no. 08, pages 110 - 112 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113643818B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113378554B (zh) | 一种医疗信息智能交互的方法及系统 | |
| CN113886468A (zh) | 基于互联网的在线互动数据挖掘方法及系统 | |
| CN113903473A (zh) | 基于人工智能的医疗信息智能交互的方法及系统 | |
| CN113239229A (zh) | 一种智能筛选数据处理方法、系统及云平台 | |
| CN115481197B (zh) | 一种分布式数据处理方法、系统及云平台 | |
| CN113626538B (zh) | 基于大数据的医疗信息智能分类的方法及系统 | |
| CN113643818A (zh) | 基于区域数据的医疗数据集成数据的方法及系统 | |
| CN113380363B (zh) | 基于人工智能的医疗数据质量评价方法及系统 | |
| CN115359203A (zh) | 一种三维高精度地图生成方法、系统及云平台 | |
| CN115473822A (zh) | 一种5g智能网关数据传输方法、系统及云平台 | |
| CN113947709A (zh) | 基于人工智能的图像处理方法及系统 | |
| CN113610373A (zh) | 基于智能制造的信息决策处理方法及系统 | |
| CN113610117B (zh) | 基于深度数据的水下传感数据处理方法及系统 | |
| CN113645063B (zh) | 基于边缘计算的智能集成数据的方法及系统 | |
| CN115618850B (zh) | 基于穴位医疗微服务的局部语法表达方法及系统 | |
| CN115079882B (zh) | 基于虚拟现实的人机交互处理方法及系统 | |
| CN113626429B (zh) | 基于元数据的智能化范围急救医疗知识库构建方法及系统 | |
| CN113342271B (zh) | 一种智能化区域采集医疗数据储存的方法及电子设备 | |
| CN113627490B (zh) | 基于多核异构处理器的运维多模态决策方法及系统 | |
| CN115409510B (zh) | 一种在线交易安全系统及方法 | |
| CN113609362B (zh) | 基于5g的数据管理方法及系统 | |
| CN113590952B (zh) | 一种数据中心构建的方法及系统 | |
| CN115756576B (zh) | 软件开发包的翻译方法及软件开发系统 | |
| CN114661980B (zh) | 一种网页数据推送方法、系统及云平台 | |
| CN113609931A (zh) | 基于神经网络的人脸识别方法及系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231017 Address after: 201600 Room 202, 2nd floor, building 1, 255 zhoujiabang Road, Dongjing Town, Songjiang District, Shanghai Applicant after: SHANGHAI DATACENTER SCIENCE Co.,Ltd. Address before: 201600 1586 East Changxin Road, Dongjing Town, Songjiang District, Shanghai Applicant before: SHANGHAI QIWANG NETWORK TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |