CN116719891A - 中医信息分组聚类方法、装置、设备及计算机存储介质 - Google Patents

中医信息分组聚类方法、装置、设备及计算机存储介质 Download PDF

Info

Publication number
CN116719891A
CN116719891A CN202310622141.6A CN202310622141A CN116719891A CN 116719891 A CN116719891 A CN 116719891A CN 202310622141 A CN202310622141 A CN 202310622141A CN 116719891 A CN116719891 A CN 116719891A
Authority
CN
China
Prior art keywords
clustering
grouping
information
item
labels
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.)
Pending
Application number
CN202310622141.6A
Other languages
English (en)
Inventor
李同
巴堃
庄伯金
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310622141.6A priority Critical patent/CN116719891A/zh
Publication of CN116719891A publication Critical patent/CN116719891A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/285Clustering or classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21Design, administration or maintenance of databases
    • G06F16/215Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/90ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Evolutionary Computation (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能技术,揭露了一种中医信息分组聚类方法,包括:对生成的中医医疗系统的历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;根据所述一级分组标签确定分组项目,生成所述分组项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型,利用所述优化后的分组聚类模型对目标信息进行分组聚类。此外,本发明还涉及区块链技术,数据列表可存储于区块链的节点。本发明还提出一种中医信息分组聚类装置、电子设备以及存储介质。本发明可以提高中医信息分组聚类的效率。

Description

中医信息分组聚类方法、装置、设备及计算机存储介质
技术领域
本发明涉及人工智能技术领域,尤其涉及一种中医信息分组聚类方法、装置、电子设备及计算机可读存储介质。
背景技术
西医疾病诊断相关分组支付体系已经较为成熟,但中医疾病诊断相关分组支付仍处于探索阶段,中医疾病诊断相关分组支付体系构建的最关键一环即为如何像西医一样给中医诊疗病人分组。目前中医治疗体系可简单分为10个大类,例如中医外治、中成药、饮片等,其中每个大类涵盖数十甚至上百个治疗小项。
现如今,中医疾病的分组是利用“临床特征相似,资源消耗相近”的思路,主要是依据经验主义对所述中医信息进行分组,难以避免进行所述中医信息分组时的信息遗漏和信息重复,而且还可能导致信息分组错误,因此如何提升中医信息分组聚类时效率,成为了亟待解决的问题。
发明内容
本发明提供一种中医信息分组聚类方法、装置及计算机可读存储介质,其主要目的在于解决中医信息分组聚类时效率较低的问题。
为实现上述目的,本发明提供的一种中医信息分组聚类方法,包括:
生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
可选地,所述对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签,包括:
对所述历史信息进行数据清洗,得到所述历史信息的标准信息;
对所述标准信息进行分词处理,得到所述标准信息的信息分词;
将所述信息分词进行向量化转化,得到所述信息分词的分词向量;
对所述分词向量进行向量拼接,得到所述中医医疗系统的医疗项目标签。
可选地,所述根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签,包括:
对所述医疗项目标签进行编号,得到所述医疗项目标签的项目编号;
根据预设的分组聚类模型确定所述项目编号进行分组聚类时的目标函数、决策变量和约束条件;
根据所述目标函数、所述决策变量和所述约束条件对所述项目编号进行分组聚类,得到所述项目编号的初始分组编号,确定所述初始分组编号对应的所述医疗项目标签为一级分组标签。
可选地,所述目标函数如下:
其中,min L是同一组所述一级分组标签中患者的信息差异的最小值,c表示所述一级分组标签的组别总数,i是所述一级分组标签的标识,n表示所述患者总数,k是所述患者的标识,是异常值函数,随/>的值而定,/>表示选取/>和0中较大的一项,/>是第i组所述一级分组标签下各患者的信息总值,m表示所述医疗项目标签总数,j是所述医疗项目标签的标识,ubi是衡量患者在第i组所述一级分组标签下各患者的信息总值聚类程度的指标,wij表示第j个所述医疗项目标签与第i组之间的从属关系,Xjk表示第k个患者在第j个所述医疗项目标签的信息值。
可选地,所述计算所述患者矩阵的聚类指标,包括:
根据所述患者矩阵对患者的所述医疗项目标签的信息值进行排序,得到所述信息值的序列表;
根据所述序列表对所述信息值进行四分位标记,得到所述信息值的多个四分位组;
根据所述信息值所在的四分位组和预设的四分位距离算法,计算所述患者矩阵的聚类指标。
可选地,所述计算所述患者矩阵的聚类指标,包括:
利用如下四分位距离算法计算所述患者矩阵的聚类指标:
其中,i是所述目标项目的标识,ubi是所述患者矩阵的聚类指标,xi是第i组所述目标项目下各患者的患者矩阵,表示所有所述患者在所述目标项目下的矩阵均值,表示所有所述患者在所述目标项目下的矩阵方差,l是目标项目的总数。
可选地,所述利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型,包括:
S11、根据所述聚类指标确定所述预设的分组聚类模型进行一级聚类时的一级异常值,根据所述一级异常值对所述一级分组标签进行迭代聚类;
S12、当所述一级异常值大于或者等于预设阈值时,重复步骤S11,当所述一级异常值小于预设阈值时,停止所述一级分组标签的迭代聚类;
S13、根据所述一级分组标签在迭代聚类过程中各级异常值生成异常函数;
S14、将所述约束条件做为所述目标函数的惩罚项对所述目标函数进行修正,得到修正后的目标函数;
S15、根据所述修正后的目标函数和所述异常函数对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型。
为了解决上述问题,本发明还提供一种中医信息分组聚类装置,所述装置包括:
特征提取模块,用于生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
一级聚类模块,用于根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
分组项目模块,用于根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
模型优化模块,用于根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
分组聚类模块,用于获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的中医信息分组聚类方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的中医信息分组聚类方法。
本发明实施例通过对生成的中医医疗系统的历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签,避免了所述历史信息的噪音数据过多,导致泛化能力差,留取适当的噪音数据,有助于防止过拟合现象的发生,根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,确定所述中医医疗系统的分组项目,其中,通过灵活选取异常值函数表示异常值所造成的不同程度的损失,可根据所述异常值能更好描述所述预设的分组聚类模型中的参数,生成所述分组项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型,考虑了大量中医医疗系统的历史信息所体现的每种分组项目的数量、金额、人数等相关的分布特性,充分挖掘了各分组项目之间的关联性,因此本发明提出中医信息分组聚类方法、装置、电子设备及计算机可读存储介质,可以解决中医信息分组聚类效率较低的问题。
附图说明
图1为本发明一实施例提供的中医信息分组聚类方法的流程示意图;
图2为本发明一实施例提供的生成一级分组标签的流程示意图;
图3为本发明一实施例提供的计算聚类指标的流程示意图;
图4为本发明一实施例提供的中医信息分组聚类装置的功能模块图;
图5为本发明一实施例提供的实现所述中医信息分组聚类方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种中医信息分组聚类方法。所述中医信息分组聚类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述中医信息分组聚类方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的中医信息分组聚类方法的流程示意图。在本实施例中,所述中医信息分组聚类方法包括:
S1、生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签。
在本发明实施例中,所述中医医疗系统的历史信息包括但不限于患者信息、所述中医医疗系统的医疗体系分类、患者消费信息、患者缴费信息、患者账户余额、支付数据、管理数据等,所述患者信息主要是患者个人基本信息,比如年龄、就业信息、收入信息、家庭信息,所述支付数据包括患者患者享受医疗服务的各种信息,能够比较完整地记录患者就医行为,是医保信息系统里比较重要也比较独特的数据环节,所述管理数据是基于现有患者数据和支付数据提炼出来的能够支持医疗保险决策和管理的一些数据,包括各个层级的基金收支、费用、病种各方面的信息等。
详细地,中药外敷、灌肠、熏洗、针灸、推拿、局部用药、耳穴、刮痧、穴位贴敷、拔罐、中药超声导入、音疗、熏蒸、穴位注射、砭石、钩活术、平衡针、火针、腹针、热敏灸、雷火灸等服务项目,年龄、就业信息、收入信息、家庭信息等患者信息,中医诊室、针灸室、推拿室、理疗室、康复室、养生保健室等科室标签,所述服务项目、所述科室标签和所述患者信息都属于所述医疗项目标签。
在本发明实施例中,所述对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签,包括:
对所述历史信息进行数据清洗,得到所述历史信息的标准信息;对所述标准信息进行分词处理,得到所述标准信息的信息分词;将所述信息分词进行向量化转化,得到所述信息分词的分词向量;对所述分词向量进行向量拼接,得到所述中医医疗系统的医疗项目标签。
详细地,所述数据清洗包括:缺失值处理、格式与内容处理、去除重复的数据和噪音数据的处理,其中,所述确实处理是根据缺失率和重要性,对所述历史信息进行去除字段、填充缺失值和重新取数据等操作;所述格式与内容处理
在本发明实施例中,所述对所述标准信息进行分词处理,得到所述标准信息的信息分词,包括:利用预设的文本标注工具对所述标准信息进行状态标注,得到状态值集合;根据预设的初始状态概率分布获取所述状态值集合中每一个状态的初始概率,利用所述初始概率生成所述状态值集合初始矩阵;利用预设的状态转移概率公式对所述初始矩阵进行计算,得到状态转移概率分布矩阵;利用预设的发射概率公式对所述状态转移概率分布矩阵进行计算,得到观测状态概率矩阵;根据所述观测状态概率矩阵对所述标准信息进行分词处理,得到所述标准信息的信息分词。
详细地,所述预设的文本标注工具可以利用BasicFinderSaas、Doccano、Brat等;所述状态标注指所述词序列在句子中的位置,例如:B代表该字是词语中的起始字,M代表是词语中的中间字,E代表是词语中的结束字,S则代表是单字成词,当输入小明硕士毕业于中国科学院计算所,输出的状态序列为:“BEBEBMEBEBMEBES”,根据这个状态序列我们可以进行切词:“BE/BE/BME/BE/BME/BE/S”,所以对所述标准信息进行分词处理,得到所述标准信息的信息分词如下:“小明/硕士/毕业于/中国/科学院/计算/所”。
详细地,可利用word2vec算法,glove算法将所述信息分词进行向量化转化。
详细地,对所述历史信息进行特征提取是为了防止噪音数据过多,会导致泛化能力差,而且适当的噪音数据,有助于防止过拟合。
S2、根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签。
在本发明实施例中,根据预设的分组聚类模型对所述医疗项目标签进行多次的聚类操作,使得所述医疗项目标签的聚类符合预期,其中,所述一级聚类是对所述医疗项目标签进行第一次聚类操作,得到所述医疗项目标签的一级分组标签。
在本发明实施例中,参图2所示,所述根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签,包括:
S21、对所述医疗项目标签进行编号,得到所述医疗项目标签的项目编号;
S22、根据预设的分组聚类模型确定所述项目编号进行分组聚类时的目标函数、决策变量和约束条件;
S23、根据所述目标函数、所述决策变量和所述约束条件对所述项目编号进行分组聚类,得到所述项目编号的初始分组编号,确定所述初始分组编号对应的所述医疗项目标签为一级分组标签。
详细地,所述对所述医疗项目标签进行编号是将所述医疗项目标签表示为矩阵形式,例如:当所述医疗项目标签是形容所述中医医疗系统中的消费金额时,可将每位患者在每个医疗项目标签下的消费数据用矩阵表示,假设所述中医医疗系统有a个患者,b个所述医疗项目标签,将每位患者消费数据按列排列,由此形成总的消费数据记为A,A是一个m×n的矩阵,第k列表示第k位患者在每个医疗项目标签下的消费数据,xjk表示第k个患者在第j个医疗项目标签的消费金额。
详细地,所述决策变量表示每个医疗项目标签所属分组,所述决策变量的取值范围为0或1,wij表示第j个标签与第i组之间的从属关系。
详细地,所述约束条件为所述决策变量只能取0或1,且满足进一步保证每个医疗项目标签只能被分到一个组中。
详细地,所述根据所述目标函数、所述决策变量和所述约束条件对所述项目编号进行分组聚类是利用所述预设的分组聚类模型进行的,将所述所述医疗项目标签输入至所述预设的分组聚类模型,利用所述预设的分组聚类模型其中某一环节,得到所述医疗项目标签的一级分组标签,之后,还要继续所述预设的分组聚类模型的参数优化,以达到最佳地分组聚类。
详细地,所述目标函数如下:
其中,min L是同一组所述一级分组标签中患者的信息差异的最小值,c表示所述一级分组标签的组别总数,i是所述一级分组标签的标识,n表示所述患者总数,k是所述患者的标识,是异常值函数,随/>的值而定,/>表示选取/>和0中较大的一项,/>是第i组所述一级分组标签下各患者的信息总值,m表示所述医疗项目标签总数,j是所述医疗项目标签的标识,ubi是衡量患者在第i组所述一级分组标签下各患者的信息总值聚类程度的指标,wij表示第j个所述医疗项目标签与第i组之间的从属关系,Xjk表示第k个患者在第j个所述医疗项目标签的信息值。
详细地,异常值表示对聚集过程产生的消极影响的程度,利用所述异常值函数表示所述异常值,当所述异常值函数为时,将每个异常值视为同等重要;当所述异常值函数为f(x)=x时,表示值越大的异常值对聚集程度的影响越大。
进一步地,可灵活选取异常值函数以考虑异常值所造成的不同程度的损失。
详细地,所述目标函数表示期望同一组所述一级分组标签中患者的信息差异尽可能小,从而保证同一组所述一级分组标签中信息尽可能聚集。
S3、根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目。
在本发明实施例中,所述分组项目可以是对一级分组标签进行层级分类,先将所述一级分组标签按照科室划分,分为中医诊室、针灸室、推拿室、理疗室、康复室、养生保健室等科室,再对所述科室提供的服务项目进行划分,例如所述养生保健室的服务项目囊括刮痧、穴位贴敷、拔罐、中药超声导入、音疗、熏蒸、穴位注射等,所述中医诊室的服务项目囊括中药外敷、灌肠、熏洗、针灸、推拿、局部用药等。
一般地,生成所述科室的种类标签,根据所述种类标签确定所述中医医疗系统的分组项目。
S4、根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型。
在本发明实施例中,预设的患者身份标识可以是患者的身份证号码,也可以是患者的医保账户;所述聚类指标是衡量患者在所述目标项目下信息聚集程度的指标。
详细地,所述患者矩阵是根据所述预设的患者身份标识和所述一级分组标签生成,因为根据所述患者的医保信息可以获悉所述患者在何时何科室享受过何种服务,例如:在2022年08月31日时,张三在甲医院的中医门诊的理疗科享受了针灸和拔罐的项目,并且在推拿室享受了一次足部按摩,共消费1000元,那么,所述理疗科的线上系统数据库和所述推拿室的线上系统数据库都包含张三的部分信息。
在本发明实施例中,参图3所示,所述计算所述患者矩阵的聚类指标,包括:
S31、根据所述患者矩阵对患者的所述医疗项目标签的信息值进行排序,得到所述信息值的序列表;
S32、根据所述序列表对所述信息值进行四分位标记,得到所述信息值的多个四分位组;
S33、根据所述信息值所在的四分位组和预设的四分位距离算法,计算所述患者矩阵的聚类指标。
详细地,对患者的所述医疗项目标签的信息值进行排序可以按照所述患者在所述医疗项目标签下的消费金额进行排序;所述箱线图用于显示数据的分布特征,箱线图作图要素包括上边缘、上四分位数Q3、中位数、下四分位数Q1、下边缘、异常值和四分位距IQR为IQR=Q3一Q1。
进一步地,假设所有患者在第i组所述医疗项目标签中的信息值共有l个数据,将这l个数从小到大排列得到信息值的序列表,记为xi,i=1,2,...,k,那么第个数/>为下分位数,记作Q1,第/>个数/>为下分位数,记作Q3,由此也可得到IQR=Q3一Q1
详细地,如果不是整数,不妨记/>为/>向上取整的结果,/>为/>向下取整的结果,那么Q1的计算方式表示如下:
详细地,当不是整数时,不妨记/>为/>向上取整的结果,为/>向下取整的结果,那么Q3的计算方式表示如下:
详细地,当时,/>那么Q1=(2.25-2)*x2+3-2.25*x3,当3(l+1)4=6.75时,3(l+1)4+=7,3(l+1)4-=6,那么Q3=(6.75-6)*x6+(7-6.75)*x7
在本发明实施例中,所述计算所述患者矩阵的聚类指标,包括:
利用如下四分位距离算法计算所述患者矩阵的聚类指标:
其中,i是所述目标项目的标识,ubi是所述患者矩阵的聚类指标,xi是第i组所述目标项目下各患者的患者矩阵,表示所有所述患者在所述目标项目下的矩阵均值,表示所有所述患者在所述目标项目下的矩阵方差,l是目标项目的总数。
在本发明实施例中,所述利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型,包括:
S11、根据所述聚类指标确定所述预设的分组聚类模型进行一级聚类时的一级异常值,根据所述一级异常值对所述一级分组标签进行迭代聚类;
S12、当所述一级异常值大于或者等于预设阈值时,重复步骤S11,当所述一级异常值小于预设阈值时,停止所述一级分组标签的迭代聚类;
S13、根据所述一级分组标签在迭代聚类过程中各级异常值生成异常函数;
S14、将所述约束条件做为所述目标函数的惩罚项对所述目标函数进行修正,得到修正后的目标函数;
S15、根据所述修正后的目标函数和所述异常函数对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型。
详细地,所述根据所述聚类指标确定所述预设的分组聚类模型进行一级聚类时的一级异常值,是利用所述聚类指标求得所述目标函数值,将所述目标函数值与预设的期望值做差,得到所述目标函数值与所述预设的期望值之间的差值,将所述差值与所述预设阈值进行比较,其中,所述预设的期望值是根据所述预设的分组聚类模型的优化目标而确定的。
进一步地,所述迭代聚类是为了获取所述目标函数的全局最优量,通过不断进行所述一级分组标签的迭代处理,得到一个最佳的所述一级分组标签的聚集状态。
详细地,所述根据所述一级分组标签在迭代聚类过程中各级异常值生成异常函数,可以利用Origin、Matlab等工具对所述各级异常值进行曲线拟合,得到所述各级异常值的异常函数。
进一步地,所述将所述约束条件做为所述目标函数的惩罚项是因为取值为0或1的离散型决策变量的有约束优化问题难以求解,所以将优化问题转化为取值范围为实数域的连续型决策变量的无约束优化问题,使得优化问题便于求解。
具体地,所述修正后的目标函数为:
其中,所述修正后的目标函数中的参数已在上文进行解释,在此不一一赘述。
S5、获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
在本发明实施例中,所述目标信息包括但不限于患者信息、所述中医医疗系统的医疗体系分类、患者消费信息、患者缴费信息、患者账户余额、支付数据、管理数据等;所述目标信息与所述历史信息的获取手段相同,都是从所述中医医疗系统的医保系统中生成的,亦即,可将所述中医医疗系统的医保系统的信息分为两部分,一部分为所述历史信息,另一部分为所述目标信息,利用所述历史信息对分组聚类模型进行优化,将得到的优化后的分组聚类模型对所述目标信息进行分组聚类。详细地,所述利用优化后的分组聚类模型对所述目标信息进行分组聚类,是指只需确定最大分组数,算法便可以在该范围内自动确定合适的分组数;将所述目标信息输入至所述优化后的分组聚类模型,利用所述优化后的分组聚类模型中的已优化的模型参数和模型函数对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
本发明实施例通过对生成的中医医疗系统的历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签,避免了所述历史信息的噪音数据过多,导致泛化能力差,留取适当的噪音数据,有助于防止过拟合现象的发生,根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,确定所述中医医疗系统的分组项目,其中,通过灵活选取异常值函数表示异常值所造成的不同程度的损失,根据所述异常值能更好描述所述预设的分组聚类模型中的参数,生成所述分组项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型,考虑了大量中医医疗系统的历史信息所体现的每种分组项目的数量、金额、人数等相关的分布特性,充分挖掘了各分组项目之间的关联性,因此本发明提出中医信息分组聚类方法,可以解决中医信息分组聚类效率较低的问题。
如图4所示,是本发明一实施例提供的中医信息分组聚类装置的功能模块图。
本发明所述中医信息分组聚类装置100可以安装于电子设备中。根据实现的功能,所述中医信息分组聚类装置100可以包括特征提取模块101、一级聚类模块102、分组项目模块103、模型优化模块104及分组聚类模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述特征提取模块101,用于生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
所述一级聚类模块102,用于根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
所述分组项目模块103,用于根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
所述模型优化模块104,用于根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
所述分组聚类模块105,用于获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
如图5所示,是本发明一实施例提供的实现中医信息分组聚类方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如中医信息分组聚类程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行中医信息分组聚类程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如中医信息分组聚类程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的中医信息分组聚类程序是多个指令的组合,在所述处理器10中运行时,可以实现:
生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种中医信息分组聚类方法,其特征在于,所述方法包括:
生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
2.如权利要求1所述的中医信息分组聚类方法,其特征在于,所述对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签,包括:
对所述历史信息进行数据清洗,得到所述历史信息的标准信息;
对所述标准信息进行分词处理,得到所述标准信息的信息分词;
将所述信息分词进行向量化转化,得到所述信息分词的分词向量;
对所述分词向量进行向量拼接,得到所述中医医疗系统的医疗项目标签。
3.如权利要求1所述的中医信息分组聚类方法,其特征在于,所述根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签,包括:
对所述医疗项目标签进行编号,得到所述医疗项目标签的项目编号;
根据预设的分组聚类模型确定所述项目编号进行分组聚类时的目标函数、决策变量和约束条件;
根据所述目标函数、所述决策变量和所述约束条件对所述项目编号进行分组聚类,得到所述项目编号的初始分组编号,确定所述初始分组编号对应的所述医疗项目标签为一级分组标签。
4.如权利要求3所述的中医信息分组聚类方法,其特征在于,所述目标函数如下:
其中,minL是同一组所述一级分组标签中患者的信息差异的最小值,c表示所述一级分组标签的组别总数,i是所述一级分组标签的标识,n表示所述患者总数,k是所述患者的标识,是异常值函数,随/>的值而定,/>表示选取/>和0中较大的一项,是第i组所述一级分组标签下各患者的信息总值,m表示所述医疗项目标签总数,j是所述医疗项目标签的标识,ubi是衡量患者在第i组所述一级分组标签下各患者的信息总值聚类程度的指标,wij表示第j个所述医疗项目标签与第i组之间的从属关系,Xjk表示第k个患者在第j个所述医疗项目标签的信息值。
5.如权利要求1所述的中医信息分组聚类方法,其特征在于,所述计算所述患者矩阵的聚类指标,包括:
根据所述患者矩阵对患者的所述医疗项目标签的信息值进行排序,得到所述信息值的序列表;
根据所述序列表对所述信息值进行四分位标记,得到所述信息值的多个四分位组;
根据所述信息值所在的四分位组和预设的四分位距离算法,计算所述患者矩阵的聚类指标。
6.如权利要求5所述的中医信息分组聚类方法,其特征在于,所述计算所述患者矩阵的聚类指标,包括:
利用如下四分位距离算法计算所述患者矩阵的聚类指标:
其中,i是所述目标项目的标识,ubi是所述患者矩阵的聚类指标,xi是第i组所述目标项目下各患者的患者矩阵,表示所有所述患者在所述目标项目下的矩阵均值,表示所有所述患者在所述目标项目下的矩阵方差,是目标项目的总数。
7.如权利要求1至6中任一项所述的中医信息分组聚类方法,其特征在于,所述利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型,包括:
S11、根据所述聚类指标确定所述预设的分组聚类模型进行一级聚类时的一级异常值,根据所述一级异常值对所述一级分组标签进行迭代聚类;
S12、当所述一级异常值大于或者等于预设阈值时,重复步骤S11,当所述一级异常值小于预设阈值时,停止所述一级分组标签的迭代聚类;
S13、根据所述一级分组标签在迭代聚类过程中各级异常值生成异常函数;
S14、将所述约束条件做为所述目标函数的惩罚项对所述目标函数进行修正,得到修正后的目标函数;
S15、根据所述修正后的目标函数和所述异常函数对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型。
8.一种中医信息分组聚类装置,其特征在于,所述装置包括:
特征提取模块,用于生成中医医疗系统的历史信息,对所述历史信息进行特征提取,得到所述中医医疗系统的医疗项目标签;
一级聚类模块,用于根据预设的分组聚类模型对所述医疗项目标签进行一级聚类,得到所述医疗项目标签的一级分组标签;
分组项目模块,用于根据所述一级分组标签确定所述中医医疗系统的分组项目,选取所述分组项目中的其中一个项目为目标项目;
模型优化模块,用于根据预设的患者身份标识和所述一级分组标签生成所述目标项目的患者矩阵,计算所述患者矩阵的聚类指标,利用所述聚类指标对所述预设的分组聚类模型进行优化,得到优化后的分组聚类模型;
分组聚类模块,用于获取所述中医医疗系统中的目标信息,利用所述优化后的分组聚类模型对所述目标信息进行分组聚类,得到分组聚类后的目标信息。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的中医信息分组聚类方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的中医信息分组聚类方法。
CN202310622141.6A 2023-05-30 2023-05-30 中医信息分组聚类方法、装置、设备及计算机存储介质 Pending CN116719891A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310622141.6A CN116719891A (zh) 2023-05-30 2023-05-30 中医信息分组聚类方法、装置、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310622141.6A CN116719891A (zh) 2023-05-30 2023-05-30 中医信息分组聚类方法、装置、设备及计算机存储介质

Publications (1)

Publication Number Publication Date
CN116719891A true CN116719891A (zh) 2023-09-08

Family

ID=87867092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310622141.6A Pending CN116719891A (zh) 2023-05-30 2023-05-30 中医信息分组聚类方法、装置、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN116719891A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117150362A (zh) * 2023-09-11 2023-12-01 北京三维天地科技股份有限公司 一种基于规则引擎的主数据标签标记方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117150362A (zh) * 2023-09-11 2023-12-01 北京三维天地科技股份有限公司 一种基于规则引擎的主数据标签标记方法及系统

Similar Documents

Publication Publication Date Title
CN111986744B (zh) 医疗机构的患者界面生成方法、装置、电子设备及介质
CN113626606B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN113111162A (zh) 科室推荐方法、装置、电子设备及存储介质
CN111696663A (zh) 疾病风险的分析方法、装置、电子设备及计算机存储介质
CN113674858A (zh) 在线医疗处方用药智能检查方法、装置、设备及存储介质
CN112489747A (zh) 基于分析模型的慢性病患者监管方法、装置、设备及介质
CN116719891A (zh) 中医信息分组聚类方法、装置、设备及计算机存储介质
CN113806434A (zh) 大数据处理方法、装置、设备及介质
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
WO2023178978A1 (zh) 基于人工智能的处方审核方法、装置、设备及介质
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
WO2022227171A1 (zh) 关键信息提取方法、装置、电子设备及介质
CN114420279A (zh) 一种医疗资源推荐方法、装置、设备及存储介质
CN114003704A (zh) 指定标签客群的创建方法、装置、电子设备及存储介质
CN116483976A (zh) 挂号科室推荐方法、装置、设备及存储介质
CN116313016A (zh) 医疗物资调配方法、装置、电子设备及计算机可读存储介质
CN113689924B (zh) 相似病历检索方法、装置、电子设备及可读存储介质
CN116860935A (zh) 基于提示词问答交互的内容管理方法、装置、设备及介质
CN113343306B (zh) 基于差分隐私的数据查询方法、装置、设备及存储介质
CN113921097A (zh) 医疗数据集成方法、装置、电子设备及存储介质
CN113806540A (zh) 文本打标签方法、装置、电子设备及存储介质
CN114864032B (zh) 基于his系统的临床数据采集方法及装置
CN116386831B (zh) 一种基于智慧医院管理平台的数据可视化展示方法及系统
CN112214556B (zh) 标签生成方法、装置、电子设备及计算机可读存储介质
CN112232408A (zh) 目标推荐方法、装置、电子设备及计算机可读存储介质

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