CN115376668A - 一种应用于智慧医疗的大数据业务分析方法及系统 - Google Patents
一种应用于智慧医疗的大数据业务分析方法及系统 Download PDFInfo
- Publication number
- CN115376668A CN115376668A CN202211047026.2A CN202211047026A CN115376668A CN 115376668 A CN115376668 A CN 115376668A CN 202211047026 A CN202211047026 A CN 202211047026A CN 115376668 A CN115376668 A CN 115376668A
- Authority
- CN
- China
- Prior art keywords
- requirement
- medical
- information
- user
- original
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 138
- 238000011282 treatment Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 238000003745 diagnosis Methods 0.000 claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 20
- 238000011176 pooling Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 11
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 4
- 238000011221 initial treatment Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process 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
- 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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G16H40/40—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 of medical equipment or devices, e.g. scheduling maintenance or upgrades
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种应用于智慧医疗的大数据业务分析方法,涉及医疗技术领域,包括以下步骤:步骤S1:获取用户原始医疗需求信息;步骤S2:将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;步骤S3:获取确定的原始医疗需求评价描述的文本相应的特征信息;步骤S4:针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求类型;步骤S5:根据优化的就诊类型为用户推荐合适的医疗需求项目;本发明能够提高用户就诊咨询分类推荐的准确性以及系统的响应以及分析效率。
Description
技术领域
本发明涉及医疗技术领域,具体涉及一种应用于智慧医疗的大数据业务分析方法。
背景技术
目前传统医疗系统存在着一些人数分配不均以及入院手续多等问题,随着互联网的发展,智慧医疗体系能够解决传统医疗系统面临的医院人数分配不均以及入院手续多等问题,智慧医疗系统一定程度上改善了医疗资源分布不均、方便用户就医,但也存在着一些问题,比如对用户的医疗需求分析的准确性以及可靠性不高,不能给用户推荐具体的有针对性的医疗项目服务等问题。
因此,急需对一种应用于智慧医疗的大数据业务分析方法及系统解决上述问题。
发明内容
有鉴于此,本发明提供一种应用于智慧医疗的大数据业务分析方法,以解决上述技术问题。
为实现上述目的,本发明提供如下技术方案:
一种应用于智慧医疗的大数据业务分析方法,包括以下步骤:
步骤S1:获取用户原始医疗需求信息;
步骤S2:将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;
步骤S3:获取确定的原始医疗需求评价描述的文本相应的特征信息;
步骤S4:针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求类型。
步骤S5:根据优化的就诊类型为用户推荐合适的医疗需求项目。
进一步地,该应用于智慧医疗的大数据业务分析方法,还包括:输出调用的服务结果并向用户展示服务结果。
进一步地,所述获取确定的原始医疗需求评价描述的文本相应的特征信息,包括以下步骤:获取确定的原始医疗需求评价描述的原始医疗需求文本信息,并对原始医疗需求文本信息进行预处理,得到预处理后的原始医疗文本信息;通过改进的互信息方法提取预处理后的文本数据中相应的特征值,并将得到的特征值进行降序排列,筛选m个词,得到原始文本特征集;计算预处理后原始医疗文本中每个词的关联规则,并以关联规则去除原始文本特征集中冗余特征,确定原始医疗需求的特征。
进一步地,所述构建医疗分析模型包括以下步骤:将用户的特征信息输入卷积层中进行处理,获得卷积结果;将卷积结果输入关系层和池化层进行处理,获取关系结果和池化结果;通过拼接将关系结果和池化结果进行拼接并输出,获得就诊需求分析结果。
更进一步地,还包括:获取用户样本医疗需求评价描述信息对应的训练特征;将训练特征信息输入初始的就诊需求分析模型中,获取样本医疗需求评价描述文本的训练就诊需求分析结果;根据训练就诊需求分析结果及样本医疗需求评价描述文本的标注结果,确定初始就诊需求分析模型中的模型损失;根据模型损失,调整初始就诊需求分析模型中的参数权值,确定优化的就诊需求分析模型。
进一步地,所述将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求信息分类步骤之前,所述方法还包括检测就诊需求评价是否达到预设的需求评价处理需求;利用原始医疗需求信息评价与预设医疗需求评价描述的第一预设条件的映射表达,确定用户的原始医疗需求评价描述的步骤包括:当检测出原始医疗需求信息符合预设的需求评价处理需求时,利用原始医疗需求信息与预设医疗需求评价描述的第一预设条件的映射表达,确定用户医疗需求评价描述,进而确定用户的就诊类型。
进一步地,一种应用于智慧医疗的大数据业务分析系统,应用于所述的应用于智慧医疗的大数据业务分析方法进行业务分析,包括:数据获取模块、特征提取模块、需求分析模块、就诊推荐模块和结果输出模块;
所述数据获取模块用于获取用户原始医疗需求信息,所述原始医疗需求信息包括用户个人信息以及病症描述信息;
所述需求评价模块与所述和数据获取模块相连接,所述需求评价模块用于将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;
所述需求分析模块与所述需求评价模块相连接,所述需求分析模块用于针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求类型;
所述就诊推荐模块与所述需求分析模块相连接,所述就诊推荐模块用于根据优化的就诊类型为用户推荐合适的医疗就诊推荐项目;
所述结果输出模块与所述就诊推荐模块相连接,所述输出模块用于输出推荐的医疗就诊推荐项目结果并向用户展示。
更进一步地,该应用于智慧医疗的大数据业务分析系统,还包括智慧医疗终端,所述智慧医疗终端与所述数据分析模块进行通信连接,所述智慧医疗终端用于用户输入目标样本需求,还用于为用户展示业务分析结果。
从上述的技术方案可以看出,本发明的优点是:
本发明能够提高用户医疗需求分析的准确性以及可靠性,有效减少用户等待时间,进而提高系统的响应以及分析效率,可给用户推荐具体的有针对性的医疗项目。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明的一种应用于智慧医疗的大数据业务分析方法的步骤图。
图2为本发明的一种原始医疗需求评价描述的文本特征的步骤图。
图3为本发明的一种构建就诊需求分析模型的步骤图。
图4为本发明的一种就诊需求评价描述本分析的流程图。
图5为本发明的一种应用于智慧医疗的大数据业务分析系统的组成结构示意图。
图6为本发明的一种就诊需求分析模型的组成结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
本发明通过获取用户的原始医疗需求信息,通过对用户医疗需求信息进行分析处理,使得用户得到预原始医疗需求信息更符合的医疗需求项目,更加高效地为用户提供更加有针对性的医疗需求项目。
图1示出了一种应用于智慧医疗的大数据业务分析方法的步骤图。
根据图1所示的一种应用于智慧医疗的大数据业务分析方法,该应用于智慧医疗的大数据业务分析方法包括以下步骤:
步骤S1:获取用户原始医疗需求信息,所述原始医疗需求信息包括用户个人信息以及病症描述信息;
步骤S2:将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;
步骤S3:获取确定的原始医疗需求评价描述的文本相应的特征信息;
步骤S4:针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求类型;
步骤S5:根据优化的就诊类型为用户推荐合适的医疗需求项目。
进一步地,该应用于智慧医疗的大数据业务分析方法,还包括:输出调用的服务结果并向用户展示服务结果。
进一步地,用户的个人信息可以包括但不限于:用户性别、年龄、病史、家庭地址以及联系方式等信息。
进一步地,医疗需求项目至少包括就诊医院、就诊科室、就诊医生以及就诊时间等项目信息。
进一步地,所述将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求信息分类步骤之前,所述方法还包括检测就诊需求评价是否达到预设的需求评价处理需求;利用原始医疗需求信息评价与预设医疗需求评价描述的第一预设条件的映射表达,确定用户的原始医疗需求评价描述的步骤包括:当检测出原始医疗需求信息符合预设的需求评价处理需求时,利用原始医疗需求信息与预设医疗需求评价描述的第一预设条件的映射表达,确定用户医疗需求评价描述,进而确定用户的就诊类型。
本实施例中,第一预设条件可包括病症分类。
具体地,利用原始医疗需求信息与预设医疗需求评价描述的第一预设条件的映射表达包括:检测原始医疗需求信息与预设医疗需求评价描述的第一预设条件,若满足第一预设条件则为用户推荐医疗需求项目;否则将原始医疗需求信息输入构建的就诊需求分析模型。
图2示出了一种原始医疗需求评价描述的文本特征的步骤图。
根据图2示出的一种原始医疗需求评价描述的文本特征,所述获取确定的原始医疗需求评价描述的文本相应的特征信息,包括以下步骤:
步骤S31:获取确定的原始医疗需求评价描述的原始医疗需求文本信息,并对原始医疗需求文本信息进行预处理,得到预处理后的原始医疗文本信息;
步骤S32:通过改进的互信息方法提取预处理后的文本数据中相应的特征值,并将得到的特征值进行降序排列,筛选m个词,得到原始文本特征集;
步骤S33:计算预处理后原始医疗文本中每个词的关联规则,并以关联规则去除原始文本特征集中冗余特征,确定原始医疗需求的特征。
本实施例中,对原始医疗需求文本进行预处理,通过使用python第三方库中的中文分词工具jieba来实现原始医疗需求文本的分词处理。
图3示出了一种构建就诊需求分析模型的步骤图。
根据图3示出的构建就诊需求分析模型,该构建就诊需求分析模型包括以下步骤:
步骤S411:将用户的特征信息输入卷积层中进行处理,获得卷积结果;
步骤S412:将卷积结果输入关系层和池化层进行处理,获取关系结果和池化结果;
步骤S413:通过拼接将关系结果和池化结果进行拼接并输出,获得就诊需求分析结果。
具体地,通过拼接将关系结果和池化结果进行拼接并输出包括以下步骤:
将关系结果和池化结果进行拼接处理,并获取拼接后的向量信息;
将拼接后的向量信息依次输入若干个全连接层和softmax处理层,获取就诊需求分析结果。
本实施例中,通过获取用户的原始医疗需求评价描述的文本相对应的特征,并将特征信息输入就诊需求分析模型获取就诊需求文本分析结果;对特征信息进行卷积处理、池化处理和拼接处理的就诊需求分析模型实现就诊需求分析,提高了就诊需求分析结果的准确性。
图4示出了就诊需求评价描述本分析的流程图。
根据图4示出的就诊需求评价描述分析,该就诊需求评价描述本分析包括以下步骤:
步骤S421:获取用户样本医疗需求评价描述信息对应的训练特征;
步骤S422:将训练特征信息输入初始的就诊需求分析模型中,获取样本医疗需求评价描述文本的训练就诊需求分析结果;
步骤S423:根据训练就诊需求分析结果及样本医疗需求评价描述文本的标注结果,确定初始就诊需求分析模型中的模型损失;
步骤S424:根据模型损失,调整初始就诊需求分析模型中的参数权值,确定优化的就诊需求分析模型。
本实施例中,可以对已经有的医疗需求的医疗需求评价描述文本进行人工分析并标准分析的结构,形成训练集。对训练集中的样本文本进行预处理,通过使用python第三方库中的中文分词工具jieba来实现原始医疗需求文本的分词处理的方式,对样本文本进行分词处理,获取样本医疗需求评价描述的多个分词。具体地,分词的数量小于或等于可处理的特征的数量。
进一步地,根据初始就诊需求分模型的损失,可调整初始就诊需求分析模型中的参数权值,确定优化后的就诊需求分析模型。
本实施例中,可采用反向传播算法,也可采用BPTT算法。基于模型损失,求初始就诊需求分析模型的参数权值的梯度,并基于梯度调整初始就诊需求分析模型中的参数权值。
本实施例中,可预设就诊需求分析模型的训练条件,预设训练条件可以是预设迭代次数也可以是预设收敛条件。等就诊需求分析模型满足训练条件时,最后一次调整的就诊需求分析模型满足精度需求,将该就诊需求分析模型作为优化后的就诊需求分析模型进行输出。通过这种方式,根据样本文本特征的训练特征信息与初始的就诊需求分析模型进行训练,能够得到满足训练条件的就诊需求分析模型,从而使得就诊需求分析模型能够准确地提取就诊需求文本中的用户的目标需求和就诊类型。
图5示出的应用于智慧医疗的大数据业务分析系统的组成结构示意图。
根据图5示出的应用于智慧医疗的大数据业务分析系统,该应用于智慧医疗的大数据业务分析系统,应用于所述的应用于智慧医疗的大数据业务分析方法进行业务分析,包括:数据获取模块、特征提取模块、需求分析模块、就诊推荐模块和结果输出模块;
所述数据获取模块用于获取用户原始医疗需求信息;
所述需求评价模块与所述和数据获取模块相连接,所述需求评价模块用于将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;
所述需求分析模块与所述需求评价模块相连接,所述需求分析模块用于针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求类型;
所述就诊推荐模块与所述需求分析模块相连接,所述就诊推荐模块用于根据优化的就诊类型为用户推荐合适的医疗就诊推荐项目;
所述结果输出模块与所述就诊推荐模块相连接,所述输出模块用于输出推荐的医疗就诊推荐项目结果并向用户展示。
进一步地,该应用于智慧医疗的大数据业务分析系统,还包括智慧医疗终端,所述智慧医疗终端与所述数据分析模块进行通信连接,所述智慧医疗终端用于用户输入目标样本需求,还用于为用户展示业务分析结果。
本实施例中,用户可通过智慧医疗交互终端提供的交互界面,利用键盘、触摸屏、鼠标、手势输入和语音输入的方式输入自己的原始医疗需求信息。原始医疗需求信息包括用户个人信息和病症信息。
当然,用户也可通过远程交互终端输入用户个人信息和病症信息。
远程交互终端包括用户的个人手机、电脑、ipad等交互终端,将自己的原始医疗需求输入,进而进行医疗业务分析,为用户提供具体的有针对性的就诊服务。
图6示出了就诊需求分析模型的组成结构示意图。
根据图6示出的就诊需求分析模型,该就诊需求分析模型包括特征输入模块、卷积模块、关系模块、池化模块和拼接输出模块,所述特征输入模块与所述卷积模块相连接,所述卷积模块与所述关系模块和所述池化模块相连接,所述关系模块和所述池化模块均与所述拼接输出模块相连接。
具体地,所述卷积模块可包括一个或多个卷积神经网络,卷积神经网络能够有效地捕捉用户原始医疗需求词局部的上下文信息;所述关系模块可包括对所述卷积模块的卷积结果处理的一个或多个关系网络,关系网络可捕捉原始医疗需求分析文本之间远距离的依赖关系,提取任两个局部信息之间的关系信息;所述池化模块可包括最大池化层,将卷积结果输入到所述池化模块中进行处理,获得最大池化结果;所述拼接输出模块包括多个全连接层和softmax处理层,通过多个全连接层和softmax处理层获得就诊需求文本的就诊需求文本分析结果。
综上所述,本发明能够提高用户医疗需求分析的准确性以及可靠性,有效减少用户等待时间,进而提高系统的响应以及分析效率,可给用户推荐具体的有针对性的医疗项目。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种应用于智慧医疗的大数据业务分析方法,其特征在于,包括以下步骤:
步骤S1:获取用户原始医疗需求信息,所述原始医疗需求信息包括用户个人信息以及病症描述信息;
步骤S2:将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;
步骤S3:获取确定的原始医疗需求评价描述的文本相应的特征信息;
步骤S4:针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求分析结果;
步骤S5:根据优化的就诊需求分析结果为用户推荐合适的医疗需求项目。
2.根据权利要求1所述的应用于智慧医疗的大数据业务分析方法,其特征在于,还包括:输出推荐的医疗项目结果并向用户展示。
3.根据权利要求1所述的应用于智慧医疗的大数据业务分析方法,其特征在于,所述第一预设条件包括医疗需求评价描述优先级设置。
4.根据权利要求1所述的应用于智慧医疗的大数据业务分析方法,其特征在于,所述获取确定的原始医疗需求评价描述的文本相应的特征信息,包括以下步骤:获取确定的原始医疗需求评价描述的原始医疗需求文本信息,并对原始医疗需求文本信息进行预处理,得到预处理后的原始医疗文本信息;通过改进的互信息方法提取预处理后的文本数据中相应的特征值,并将得到的特征值进行降序排列,筛选m个词,得到原始文本特征集;计算预处理后原始医疗文本中每个词的关联规则,并以关联规则去除原始文本特征集中冗余特征,确定原始医疗需求的特征。
5.根据权利要求4所述的应用于智慧医疗的大数据业务分析方法,其特征在于,所述构建就诊需求分析模型包括以下步骤:将用户的特征信息输入卷积层中进行处理,获得卷积结果;将卷积结果输入关系层和池化层进行处理,获取关系结果和池化结果;通过拼接将关系结果和池化结果进行拼接并输出,获得就诊需求分析结果。
6.根据权利要求5所述的应用于智慧医疗的大数据业务分析方法,其特征在于,还包括:获取用户样本医疗需求评价描述信息对应的训练特征;将训练特征信息输入初始的就诊需求分析模型中,获取样本医疗需求评价描述文本的训练就诊需求分析结果;根据训练就诊需求分析结果及样本医疗需求评价描述文本的标注结果,确定初始就诊需求分析模型中的模型损失;根据模型损失,调整初始就诊需求分析模型中的参数权值,确定优化的就诊需求分析模型。
7.根据权利要求1所述的应用于智慧医疗的大数据业务分析方法,其特征在于,所述将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求信息分类步骤之前,所述方法还包括检测就诊需求评价是否达到预设的需求评价处理需求;利用原始医疗需求信息评价与预设医疗需求评价描述的第一预设条件的映射表达,确定用户的原始医疗需求评价描述的步骤包括:当检测出原始医疗需求信息符合预设的需求评价处理需求时,利用原始医疗需求信息与预设医疗需求评价描述的第一预设条件的映射表达,确定用户医疗需求评价描述,进而确定用户的就诊类型。
8.一种应用于智慧医疗的大数据业务分析系统,基于权利要求1-7所述的应用于智慧医疗的大数据业务分析方法进行业务分析,其特征在于,包括:数据获取模块、特征提取模块、需求分析模块、就诊推荐模块和结果输出模块;
所述数据获取模块用于获取用户原始医疗需求信息,所述原始医疗需求信息包括用户个人信息以及病症描述信息;
所述需求评价模块与所述和数据获取模块相连接,所述需求评价模块用于将预处理的原始医疗需求信息与信息存储库中预先存储的第一预设条件映射表达,确定用户的原始医疗需求评价描述;
所述需求分析模块与所述需求评价模块相连接,所述需求分析模块用于针对原始医疗需求评价描述构建就诊需求分析模型,将用户的医疗需求评价描述文本输入至就诊需求分析模型,得到就诊需求分析模型输出的就诊需求分析模型对应的优化的就诊需求类型;
所述就诊推荐模块与所述需求分析模块相连接,所述就诊推荐模块用于根据优化的就诊类型为用户推荐合适的医疗就诊推荐项目;
所述结果输出模块与所述就诊推荐模块相连接,所述输出模块用于输出推荐的医疗就诊推荐项目结果并向用户展示。
9.根据权利要求8所述的应用于智慧医疗的大数据业务分析系统,其特征在于,还包括若干个智慧医疗终端,每一个智慧医疗终端与所述数据获取模块进行通信连接,所述智慧医疗终端用于用户输入原始医疗需求信息,还用于为用户展示业务分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211047026.2A CN115376668B (zh) | 2022-08-30 | 2022-08-30 | 一种应用于智慧医疗的大数据业务分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211047026.2A CN115376668B (zh) | 2022-08-30 | 2022-08-30 | 一种应用于智慧医疗的大数据业务分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115376668A true CN115376668A (zh) | 2022-11-22 |
CN115376668B CN115376668B (zh) | 2024-03-08 |
Family
ID=84069909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211047026.2A Active CN115376668B (zh) | 2022-08-30 | 2022-08-30 | 一种应用于智慧医疗的大数据业务分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115376668B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116992861A (zh) * | 2023-09-25 | 2023-11-03 | 四川健康久远科技有限公司 | 基于数据处理的医疗服务智慧处理方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020671A (zh) * | 2019-03-08 | 2019-07-16 | 西北大学 | 基于双通道cnn-lstm网络的药物关系分类模型构建及分类方法 |
CN110232186A (zh) * | 2019-05-20 | 2019-09-13 | 浙江大学 | 融合实体描述、层次化类型和文本关系信息的知识图谱表示学习方法 |
CN111292846A (zh) * | 2020-05-13 | 2020-06-16 | 南京江北新区生物医药公共服务平台有限公司 | 一种能够提供智能问诊服务的云平台系统 |
CN111897967A (zh) * | 2020-07-06 | 2020-11-06 | 北京大学 | 一种基于知识图谱和社交媒体的医疗问诊推荐方法 |
CN112035741A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 基于用户体检数据的预约方法、装置、设备及存储介质 |
CN112860997A (zh) * | 2021-02-09 | 2021-05-28 | 挂号网(杭州)科技有限公司 | 医疗资源推荐方法、装置、设备及存储介质 |
CN113053513A (zh) * | 2021-03-03 | 2021-06-29 | 黄小芬 | 一种基于智慧社区的智慧医疗系统 |
CN113488159A (zh) * | 2021-08-11 | 2021-10-08 | 中国医学科学院阜外医院 | 一种基于神经网络的医疗科室推荐方法及装置 |
CN114283932A (zh) * | 2022-03-03 | 2022-04-05 | 四川大学华西医院 | 医疗资源管理方法、装置、电子设备以及存储介质 |
CN114664415A (zh) * | 2022-01-06 | 2022-06-24 | 上海体育学院 | 基于深度学习模型的智能科室导诊推荐系统 |
-
2022
- 2022-08-30 CN CN202211047026.2A patent/CN115376668B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020671A (zh) * | 2019-03-08 | 2019-07-16 | 西北大学 | 基于双通道cnn-lstm网络的药物关系分类模型构建及分类方法 |
CN110232186A (zh) * | 2019-05-20 | 2019-09-13 | 浙江大学 | 融合实体描述、层次化类型和文本关系信息的知识图谱表示学习方法 |
CN111292846A (zh) * | 2020-05-13 | 2020-06-16 | 南京江北新区生物医药公共服务平台有限公司 | 一种能够提供智能问诊服务的云平台系统 |
CN111897967A (zh) * | 2020-07-06 | 2020-11-06 | 北京大学 | 一种基于知识图谱和社交媒体的医疗问诊推荐方法 |
CN112035741A (zh) * | 2020-08-28 | 2020-12-04 | 康键信息技术(深圳)有限公司 | 基于用户体检数据的预约方法、装置、设备及存储介质 |
CN112860997A (zh) * | 2021-02-09 | 2021-05-28 | 挂号网(杭州)科技有限公司 | 医疗资源推荐方法、装置、设备及存储介质 |
CN113053513A (zh) * | 2021-03-03 | 2021-06-29 | 黄小芬 | 一种基于智慧社区的智慧医疗系统 |
CN113488159A (zh) * | 2021-08-11 | 2021-10-08 | 中国医学科学院阜外医院 | 一种基于神经网络的医疗科室推荐方法及装置 |
CN114664415A (zh) * | 2022-01-06 | 2022-06-24 | 上海体育学院 | 基于深度学习模型的智能科室导诊推荐系统 |
CN114283932A (zh) * | 2022-03-03 | 2022-04-05 | 四川大学华西医院 | 医疗资源管理方法、装置、电子设备以及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116992861A (zh) * | 2023-09-25 | 2023-11-03 | 四川健康久远科技有限公司 | 基于数据处理的医疗服务智慧处理方法及系统 |
CN116992861B (zh) * | 2023-09-25 | 2023-12-08 | 四川健康久远科技有限公司 | 基于数据处理的医疗服务智慧处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115376668B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182412B (zh) | 用于推荐体检项目的方法、计算设备和计算机存储介质 | |
CN110377740B (zh) | 情感极性分析方法、装置、电子设备及存储介质 | |
CN110489582B (zh) | 个性化展示图像的生成方法及装置、电子设备 | |
CN111061856A (zh) | 一种基于知识感知的新闻推荐方法 | |
WO2019108276A1 (en) | Method and apparatus for providing personalized self-help experience | |
CN110362663B (zh) | 自适应多感知相似度检测和解析 | |
CN110377733A (zh) | 一种基于文本的情绪识别方法、终端设备及介质 | |
CN107291774B (zh) | 错误样本识别方法和装置 | |
CN111767420A (zh) | 一种生成服饰搭配数据的方法和装置 | |
CN113782195A (zh) | 一种体检套餐定制方法和装置 | |
CN115376668B (zh) | 一种应用于智慧医疗的大数据业务分析方法及系统 | |
CN114239504A (zh) | 表单配置方法、装置、设备、可读存储介质及程序产品 | |
CN113158656A (zh) | 讽刺内容识别方法、装置、电子设备以及存储介质 | |
CN114329004A (zh) | 数字指纹生成、数据推送方法、装置和存储介质 | |
CN113705698A (zh) | 基于点击行为预测的信息推送方法及装置 | |
CN113240531A (zh) | 一种数据处理方法和装置 | |
CN113505293B (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN114579867A (zh) | 资源推荐的方法和装置、电子设备和存储介质 | |
WO2022256751A1 (en) | Machine learning aided automatic taxonomy for marketing automation and customer relationship management systems | |
CN113807920A (zh) | 基于人工智能的产品推荐方法、装置、设备及存储介质 | |
CN113032614A (zh) | 一种跨模态信息检索方法和装置 | |
CN113763084A (zh) | 产品推荐的处理方法、装置、设备及存储介质 | |
US11847303B1 (en) | User interface for depicting informational elements for selectable items | |
US20220391453A1 (en) | Machine learning aided automatic taxonomy for web data | |
CN113011170B (zh) | 合同处理方法、电子设备及相关产品 |
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 |