CN116719926B - 基于智慧医疗的先天性心脏病报告数据筛选方法及系统 - Google Patents
基于智慧医疗的先天性心脏病报告数据筛选方法及系统 Download PDFInfo
- Publication number
- CN116719926B CN116719926B CN202311000805.1A CN202311000805A CN116719926B CN 116719926 B CN116719926 B CN 116719926B CN 202311000805 A CN202311000805 A CN 202311000805A CN 116719926 B CN116719926 B CN 116719926B
- Authority
- CN
- China
- Prior art keywords
- pending
- description
- heart disease
- catalog
- state information
- 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
Links
- 208000002330 Congenital Heart Defects Diseases 0.000 title claims abstract description 66
- 208000028831 congenital heart disease Diseases 0.000 title claims abstract description 66
- 238000012216 screening Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 109
- 238000001514 detection method Methods 0.000 claims abstract description 108
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000006399 behavior Effects 0.000 claims description 109
- 208000019622 heart disease Diseases 0.000 claims description 97
- 230000000747 cardiac effect Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 87
- 230000009286 beneficial effect Effects 0.000 description 12
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供的基于智慧医疗的先天性心脏病报告数据筛选方法及系统,基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。以此,本发明提供的基于智慧医疗的先天性心脏病报告数据筛选方法,可以对获得到的心脏检测数据进行关键属性解析,并根据关键属性解析的结果搭建先天性心脏病数据属性描述集,根据先天性心脏病数据属性描述集中的事件优化目录描述矩阵,从而在进行进行筛选时,能够提高数据筛选的准确性和可靠性,从而能够确定出筛选出来的文件种类是相同和相似的,这样一来,可以提高后续工作的工作效率。
Description
技术领域
本申请涉及数据筛选技术领域,具体而言,涉及基于智慧医疗的先天性心脏病报告数据筛选方法及系统。
背景技术
智慧医疗英文简称WITMED,是最近兴起的专有医疗名词,通过打造健康档案区域医疗信息平台,利用最先进的物联网技术,实现患者与医务人员、医疗机构、医疗设备之间的互动,逐步达到信息化。
现在的年轻人工作压力过大和工作时间过长,因此会存在缺乏锻炼的情况,这样可能会导致后代存在一定的身体缺陷,比如:先天性心脏病就是其中一种情况,所以医院需要将先天性心脏病的诊断数据进行一个统计,按照症状的轻重进行一个划分和整理。现目前,医院针对先天性心脏病的诊断数据统计的方法是采用人工进行统计,这样不仅耗时还浪费人力,还会存在数据统计错误的情况。因此,亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于智慧医疗的先天性心脏病报告数据筛选方法及系统。
第一方面,提供一种基于智慧医疗的先天性心脏病报告数据筛选方法,所述方法包括:获得心脏检测数据,所述心脏检测数据包括不少于一个用户状态信息;对所述心脏检测数据进行关键属性解析,并根据解析结果搭建所述心脏检测数据对应的先天性心脏病数据属性描述集;确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并依据所述可信因子搭建所述心脏检测数据对应的第一目录描述矩阵;结合所述先天性心脏病数据属性描述集中的需求事件优化所述第一目录描述矩阵,得到第二目录描述矩阵;依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
在一种独立实施的实施例中,所述对所述心脏检测数据进行关键属性解析,并根据解析结果搭建所述心脏检测数据对应的先天性心脏病数据属性描述集,包括:对所述心脏检测数据进行关键属性解析,确定所述心脏检测数据中的关键因子以及各个用户状态信息的相似属性,所述关键因子涵盖不少于两个关联的用户状态信息;以所述关键因子为与事件、各个用户状态信息与对应的相似属性为或事件搭建先天性心脏病数据属性描述集。
在一种独立实施的实施例中,所述第一目录描述矩阵为目录描述单元矩阵,所述结合所述先天性心脏病数据属性描述集中的需求事件优化所述第一目录描述矩阵,得到第二目录描述矩阵,包括:在所述第一目录描述矩阵中确定所述先天性心脏病数据属性描述集中各个需求事件对应的若干个第一目录描述单元,所述目录描述单元包括若干个心脏病属性行为描述;根据各个需求事件的关联关系以及对应的若干个第一目录描述单元确定各个需求事件对应的第二目录描述单元;将所述第一目录描述矩阵中各个需求事件对应的若干个第一目录描述单元转换为对应的第二目录描述单元,得到第二目录描述矩阵。
在一种独立实施的实施例中,所述根据各个需求事件的关联关系以及对应的若干个第一目录描述单元确定各个需求事件对应的第二目录描述单元,包括:当需求事件的关联关系是正相关时,确定若干个第一目录描述单元中主题数最少的待定目录描述单元;在所述待定目录描述单元中确定第一心脏病属性行为描述,并依据所述第一心脏病属性行为描述在其他目录描述单元中确定关联心脏病属性行为描述,所述其他目录描述单元为所述若干个第一目录描述单元中除所述待定目录描述单元外的目录描述单元;对所述第一心脏病属性行为描述的系数和所述关联心脏病属性行为描述的系数进行处理,得到所述第一心脏病属性行为描述对应的第二心脏病属性行为描述;结合所述第二心脏病属性行为描述确定需求事件对应的第二目录描述单元。
在一种独立实施的实施例中,所述方法还包括:当需求事件的关联关系是负相关时,在各个第一目录描述单元中确定一个第三心脏病属性行为描述,得到若干个第三心脏病属性行为描述;对若干个第三心脏病属性行为描述的系数进行处理,得到第四心脏病属性行为描述;结合所述第四心脏病属性行为描述确定需求事件对应的第二目录描述单元。
在一种独立实施的实施例中,所述确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,包括:获得目标用户状态信息在各个待定主题中出现的频率以及各个待定主题的主题范围;结合所述在各个待定主题中出现的频率以及各个待定主题的主题范围确定得到所述目标用户状态信息在各个待定主题中的第一置信度系数;获得待定主题的第一数目以及待定主题中涵盖所述目标用户状态信息的待定主题的第二数目;结合所述第一数目与所述第二数目确定得到所述目标用户状态信息在各个待定主题中的第二置信度系数;结合所述第一置信度系数以及所述第二置信度系数确定得到所述目标用户状态信息在各个待定主题中的可信因子;遍历各个用户状态信息,得到各个用户状态信息在各个待定主题中的可信因子。
在一种独立实施的实施例中,所述依据所述可信因子搭建所述心脏检测数据对应的第一目录描述矩阵,包括:在所述若干个待定主题中确定与目标用户状态信息关联的若干个目标待定主题,并依照由分布状态为各个目标待定主题建立一个主题批注;结合所述可信因子确定各个目标待定主题中所述目标用户状态信息的目标可信因子;基于各个目标待定主题的主题批注以及所述目标可信因子搭建所述目标用户状态信息的目录描述;遍历各个用户状态信息,生成各个用户状态信息对应的目录描述,得到第一目录描述矩阵。
在一种独立实施的实施例中,所述方法还包括:将各个用户状态信息对应的目录描述划分为若干个心脏病属性行为描述;基于各个心脏病属性行为描述中涵盖的主题的主题批注以及主题中用户状态信息的可信因子确定各个心脏病属性行为描述的心脏病属性行为描述系数;根据各个心脏病属性行为描述的心脏病属性行为描述系数优化所述第一目录描述矩阵。
在一种独立实施的实施例中,所述方法还包括:当识别到所述待定历史数据库中加载了新增待定主题时,依据所述不少于一个用户状态信息确定所述新增待定主题中涵盖的关联用户状态信息,所述关联用户状态信息属于所述不少于一个用户状态信息;确定所述新增待定主题中各个所述关联用户状态信息的可信因子;对所述新增待定主题进行批注,并依据所述新增待定主题的批注以及所述新增待定主题中各个所述关联用户状态信息的可信因子优化所述第一目录描述矩阵。
在一种独立实施的实施例中,所述依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类,包括:将所述第二目录描述矩阵中每个目录描述拆分为若干个子目录描述,得到若干个子目录描述矩阵;采用若干个线程同时基于各个子目录描述矩阵筛选与所述心脏检测数据关联的待定主题,得到若干个筛选结果;结合所述若干个筛选结果确定与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
在一种独立实施的实施例中,所述依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类,包括:对所述心脏检测数据进行关键属性解析,确定所述心脏检测数据中涵盖的重要特征;依据所述重要特征与所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
第二方面,提供一种基于智慧医疗的先天性心脏病报告数据筛选系统,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。
本申请实施例所提供的基于智慧医疗的先天性心脏病报告数据筛选方法及系统的有益效果为:通过获得心脏检测数据,心脏检测数据包括不少于一个用户状态信息;对心脏检测数据进行关键属性解析,并根据解析结果搭建心脏检测数据对应的先天性心脏病数据属性描述集;确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并基于可信因子搭建心脏检测数据对应的第一目录描述矩阵;根据先天性心脏病数据属性描述集中的需求事件优化第一目录描述矩阵,得到第二目录描述矩阵;基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。以此,本发明提供的基于智慧医疗的先天性心脏病报告数据筛选方法,可以对获得到的心脏检测数据进行关键属性解析,并根据关键属性解析的结果搭建先天性心脏病数据属性描述集,根据先天性心脏病数据属性描述集中的事件优化目录描述矩阵,从而在进行进行筛选时,能够提高数据筛选的准确性和可靠性,从而能够确定出筛选出来的文件种类是相同和相似的,这样一来,可以提高后续工作的工作效率。
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基于智慧医疗的先天性心脏病报告数据筛选方法的流程图。
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,示出了一种基于智慧医疗的先天性心脏病报告数据筛选方法,该方法可以包括以下步骤101-步骤105所描述的技术方案。
步骤101,获得心脏检测数据。
其中,心脏检测数据包括不少于一个用户状态信息。(不少于一个用户状态信息可以理解为多个患者信息)
其中,心脏检测数据是通过心脏病检测设备(心脏病检测设备包括:心电图仪、心脏超声多普勒、心脏导管检查等),对病人进行检测后输出的报告数据。
步骤102,对心脏检测数据进行关键属性解析,并根据解析结果搭建心脏检测数据对应的先天性心脏病数据属性描述集。
其中,在本发明中,不再是根据心脏检测数据中的用户状态信息直接对待定主题进行筛选,而是先对心脏检测数据进行关键属性解析,根据关键属性解析结果来完善对主题进行筛选的过程。具体地,可以先对心脏检测数据进行关键属性解析,并根据关键属性解析的结果搭建心脏检测数据对应的先天性心脏病数据属性描述集。
对心脏检测数据进行关键属性解析,具体可以采用一个指定的关键属性解析线程进行解析,该关键属性解析线程可以结合各个用户状态信息的上下文确定每个用户状态信息所表达的具体含义,然后输出该心脏检测数据中涵盖的用户状态信息之间的关联关系。
在一种可能实施的实施例中,对心脏检测数据进行关键属性解析,并根据解析结果搭建心脏检测数据对应的先天性心脏病数据属性描述集,包括如下内容。
1、对心脏检测数据进行关键属性解析,确定心脏检测数据中的关键因子以及各个用户状态信息的相似属性,关键因子涵盖不少于两个关联的用户状态信息。
2、以关键因子为与事件、各个用户状态信息与对应的相似属性为或事件搭建先天性心脏病数据属性描述集。
步骤103,确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并基于可信因子搭建心脏检测数据对应的第一目录描述矩阵。
其中,在一种可能实施的实施例中,用户状态信息对应的目录描述矩阵可以是预先搭建好的,具体地,可以基于待定历史数据库中的所有待定主题搭建若干个用户状态信息对应的目录描述矩阵,并对该目录描述矩阵进行更新。
其中,在一种可能实施的实施例中,确定若干个待定主题中各个用户状态信息的可信因子,包括如下内容。
1、获得目标用户状态信息在各个待定主题中出现的频率以及各个待定主题的主题范围。
2、根据在各个待定主题中出现的频率以及各个待定主题的主题范围确定得到目标用户状态信息在各个待定主题中的第一置信度系数。
在本发明实施例中,可以采用确定用户状态信息在主题中出现的概率的方法来确定用户状态信息在主题中的置信度。具体地,对于任一目标用户状态信息,可以获得其在各个待定主题中出现的频率。然后,获得各个待定主题的主题范围,确定目标用户状态信息在各个待定主题中出现的频率与对应的主题范围的比值,便可以得到目标用户状态信息在各个待定主题中的置信度。同样地,遍历各个用户状态信息,便可以得到各个用户状态信息在各个待定主题中的置信度。
本申请的有益效果为:通过多个待定主题中出现的频率和待定主题的主题范围能够精确的确定出第一置信度系数。
即在本发明中,用户状态信息在主题中的置信度,与用户状态信息在主题中出现的频率成正比,与用户状态信息对应的主题的主题范围成反比。
在一种可能实施的实施例中,确定用户状态信息在主题中的置信度的方法还可以包括如下内容。
3、获得待定主题的第一数目以及待定主题中涵盖目标用户状态信息的待定主题的第二数目。
4、根据第一数目与第二数目确定得到目标用户状态信息在各个待定主题中的第二置信度系数。
5、根据第一置信度系数以及第二置信度系数确定得到目标用户状态信息在各个待定主题中的可信因子。
6、遍历各个用户状态信息,得到各个用户状态信息在各个待定主题中的可信因子。
本申请的有益效果为:通过第一数目与第二数目能够精确的确定出第二置信度系数,从而保障可信因子的可靠性。
在一种可能实施的实施例中,基于可信因子搭建心脏检测数据对应的第一目录描述矩阵,包括如下内容。
A、在若干个待定主题中确定与目标用户状态信息关联的若干个目标待定主题,并依照由分布状态为各个目标待定主题建立一个主题批注。
B、根据可信因子确定各个目标待定主题中目标用户状态信息的目标可信因子。
C、基于各个目标待定主题的主题批注以及目标可信因子搭建目标用户状态信息的目录描述。
D、遍历各个用户状态信息,生成各个用户状态信息对应的目录描述,得到第一目录描述矩阵。
本申请的有益效果为:给出了一种建立目录描述矩阵的具体方法。如前所述,目录描述矩阵中涵盖了若干个用户状态信息对应的目录描述,此处以任意目标用户状态信息为例介绍该目标用户状态信息对应的目录描述的建立过程。然后,遍历各个用户状态信息,便可以得到各个用户状态信息对应的目录描述,进而得到了心脏检测数据对应的目录描述矩阵。其中,该目录描述的建立过程可以是在接收到心脏检测数据之前离线完成的。在筛选时可以根据心脏检测数据在倒排矩阵中查找与心脏检测数据对应的倒排矩阵,从而可以提升主题筛选的效率。
在一种可能实施的实施例中,本发明中目录描述矩阵的建立方法还可以包括如下内容。
E、将各个用户状态信息对应的目录描述划分为若干个心脏病属性行为描述。
F、基于各个心脏病属性行为描述中涵盖的主题的主题批注以及主题中用户状态信息的可信因子确定各个心脏病属性行为描述的心脏病属性行为描述系数。
G、根据各个心脏病属性行为描述的心脏病属性行为描述系数优化所述第一目录描述矩阵。
具体地,可以先将前述搭建的目录描述矩阵中各个用户状态信息对应的目录描述进行划分,得到若干个心脏病属性行为描述。然后,对于各个心脏病属性行为描述,确定该心脏病属性行为描述的心脏病属性行为描述系数。
本申请的有益效果为:通过若干个心脏病属性行为描述能够精确的确定出各个心脏病属性行为描述的心脏病属性行为描述系数。
在一种可能实施的实施例中,本发明提供的基于智慧医疗的先天性心脏病报告数据筛选方法还包括如下内容。
H、当识别到待定历史数据库中加载了新增待定主题时,基于不少于一个用户状态信息确定新增待定主题中涵盖的关联用户状态信息,关联用户状态信息属于不少于一个用户状态信息。
I、确定新增待定主题中各个关联用户状态信息的可信因子。
J、对新增待定主题进行批注,并基于新增待定主题的批注以及新增待定主题中各个关联用户状态信息的可信因子优化第一目录描述矩阵。
其中,在本实施例中,可以支持待定主题的实时优化,并根据优化后的待定历史数据库刷新目录描述矩阵。具体地,当识别到待定历史数据库中新增了新的待定主题时,检测新增待定主题中是否存在心脏检测数据中涵盖的用户状态信息。如果识别到新增待定主题中存在心脏检测数据中涵盖的某一个或者某几个用户状态信息时,将这一个或者几个用户状态信息确定为关联用户状态信息。然后逐一确定新增待定主题中这几个关联用户状态信息的可信因子,具体确定方法可以参照前述确定用户状态信息在待定主题中可信因子的确定方法,不再赘述。
本申请的有益效果为:避免了关联用户状态信息的可信因子不准确的问题,从而保障了可信因子优化第一目录描述矩阵的准确度。
当关联用户状态信息对应的目录描述为目录描述单元时,可以将新增待定主题加载到关联用户状态信息的目录描述单元的最后一个心脏病属性行为描述中。
步骤104,根据先天性心脏病数据属性描述集中的需求事件优化第一目录描述矩阵,得到第二目录描述矩阵。
其中,在根据心脏检测数据中的用户状态信息在各个待定主题中的可信因子生成心脏检测数据对应的目录描述矩阵后,可以进一步根据先天性心脏病数据属性描述集中的需求事件对生成的目录描述矩阵进行优化,得到新的目录描述矩阵。此处为了将优化前后的目录描述矩阵进行区分,确定优化前的目录描述矩阵为第一目录描述矩阵,优化后的目录描述矩阵为第二目录描述矩阵。其中,此处目录描述矩阵可以为目录描述单元矩阵。
在一种可能实施的实施例中,根据先天性心脏病数据属性描述集中的需求事件优化第一目录描述矩阵,得到第二目录描述矩阵,包括如下内容。
1、在第一目录描述矩阵中确定先天性心脏病数据属性描述集中各个需求事件对应的若干个第一目录描述单元,目录描述单元包括若干个心脏病属性行为描述。
2、根据各个需求事件的关联关系以及对应的若干个第一目录描述单元确定各个需求事件对应的第二目录描述单元。
3、将第一目录描述矩阵中各个需求事件对应的若干个第一目录描述单元转换为对应的第二目录描述单元,得到第二目录描述矩阵。
其中,根据先天性心脏病数据属性描述集中的需求事件优化第一目录描述矩阵,具体可以先根据先天性心脏病数据属性描述集中的需求事件在第一目录描述矩阵中确定各个需求事件对应的若干个目录描述。然后,根据需求事件中的关联关系对若干个目录描述进行优化,得到每个需求事件对应的一个目录描述。其中,为了将优化前后的目录描述进行区分,第一目录描述矩阵中与需求事件对应的若干个目录描述可以称为第一目录描述,根据需求事件的关联关系对若干个第一目录描述进行优化得到的目录描述可以称为第二目录描述。
进一步地,可以将第一目录描述矩阵中的若干个第一目录描述优化为与其对应的第二目录描述。然后,遍历先天性心脏病数据属性描述集中的各个需求事件,将各个需求事件对应的若干个第一目录描述都更换为其对应的第二目录描述,从而实现对第一目录描述矩阵的优化,得到优化后的第二目录描述矩阵。
本申请的有益效果为:对若干个心脏病属性行为描述进行分析,这样能够从多层面的进行分析,从而能够保障第二目录描述矩阵的精确性。
在一种可能实施的实施例中,根据各个需求事件的关联关系以及对应的若干个第一目录描述单元确定各个需求事件对应的第二目录描述单元,包括如下内容。
2.1、当需求事件的关联关系是正相关时,确定若干个第一目录描述单元中主题数最少的待定目录描述单元。
2.2、在待定目录描述单元中确定第一心脏病属性行为描述,并基于第一心脏病属性行为描述在其他目录描述单元中确定关联心脏病属性行为描述,其他目录描述单元为若干个第一目录描述单元中除待定目录描述单元外的目录描述单元。
2.3、对第一心脏病属性行为描述的系数和关联心脏病属性行为描述的系数进行处理,得到第一心脏病属性行为描述对应的第二心脏病属性行为描述。
2.4、根据第二心脏病属性行为描述确定需求事件对应的第二目录描述单元。
其中,先天性心脏病数据属性描述集中的需求事件对应的关联关系可以是正相关或者负相关。当需求事件是正相关,即用户状态信息之间构成短语关系,需要同时召回时。在与需求事件对应的若干个分块倒排中确定主题数目最少的目录描述为待定目录描述单元。然后,在待定目录描述单元中确定任意第一心脏病属性行为描述,然后在第一分块索引中除待定目录描述单元外的其他目录描述单元中确定与该第一心脏病属性行为描述对应的关联心脏病属性行为描述。其中,该关联心脏病属性行为描述可以为一个也可以为若干个。
在确定了第一心脏病属性行为描述对应的关联心脏病属性行为描述后,对第一心脏病属性行为描述的心脏病属性行为描述系数和关联心脏病属性行为描述的心脏病属性行为描述系数进行处理,得到第一心脏病属性行为描述对应的第二心脏病属性行为描述。具体地,对第一心脏病属性行为描述的心脏病属性行为描述系数和关联心脏病属性行为描述的心脏病属性行为描述系数进行处理,可以为确定各个第一目录描述单元中关联心脏病属性行为描述的可信因子的最大值,然后将这些可信因子的最大值与前述第一心脏病属性行为描述的可信因子进行处理,得到第二心脏病属性行为描述的可信因子。
然后,遍历待定目录描述单元中各个第一心脏病属性行为描述,得到各个第一心脏病属性行为描述对应的第二心脏病属性行为描述。将所有第二心脏病属性行为描述进行组合,得到与需求事件对应的第二目录描述单元。
本申请的有益效果为:改善了各个需求事件的关联关系以及对应的若干个第一目录描述单元中存在不准确的问题,从而能够精确地确定各个需求事件对应的第二目录描述单元。
在一种可能实施的实施例中,本发明提供的基于智慧医疗的先天性心脏病报告数据筛选方法还包括如下内容。
2.5、当需求事件的关联关系是负相关时,在各个第一目录描述单元中确定一个第三心脏病属性行为描述,得到若干个第三心脏病属性行为描述。
2.6、对若干个第三心脏病属性行为描述的系数进行处理,得到第四心脏病属性行为描述。
2.7、根据第四心脏病属性行为描述确定需求事件对应的第二目录描述单元。
其中,当需求事件中的关联关系是负相关时,可以确定该需求事件对应的若干个倒排矩阵,并确定这些倒排矩阵中确定一个第三心脏病属性行为描述。其中,该第三心脏病属性行为描述可以为当前指针指向的心脏病属性行为描述。
进一步地,对确定的若干个第三心脏病属性行为描述进行处理,具体地,将第三心脏病属性行为描述的心脏病属性行为描述系数中初始主题的最小值作为第四心脏病属性行为描述的初始主题,将第三心脏病属性行为描述的心脏病属性行为描述系数中终止主题的最大值作为第四心脏病属性行为描述的终止主题。将第三心脏病属性行为描述的心脏病属性行为描述系数中可信因子的最大值作为第四心脏病属性行为描述的可信因子。从而可以确定对第三心脏病属性行为描述进行处理得到的第四心脏病属性行为描述。进一步可以根据第四心脏病属性行为描述确定第二目录描述单元。
本申请的有益效果为:通过精确地获得若干个第三心脏病属性行为描述,从而提高第二目录描述单元的准确性。
步骤105,基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
其中,目标待定主题可以理解为待进行分类的数据。
在另一种可能实施的实施例中,针对根据所述目标待定主题确定出对应的文件种类的步骤进行进一步地限定。
对所述目标待定主题进行聚类处理,获得对应的文件种类。
其中,文件种类可以理解为按照先天性心脏病的描述情况进行分类将相似或者相同症状的情况整合到同一个文件中,这样在后续进行治疗的时候,提高医生的治疗效率,并且可以减少医生的工作量,降低工作负担。
在一种可能实施的实施例中,基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类,包括如下内容。
1、将第二目录描述矩阵中每个目录描述拆分为若干个子目录描述,得到若干个子目录描述矩阵。
2、采用若干个线程同时基于各个子目录描述矩阵筛选与心脏检测数据关联的待定主题,得到若干个筛选结果。
3、根据若干个筛选结果确定与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
本申请的有益效果为:改善了第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题不准确的问题,从而通过所述目标待定主题能够精确地确定出对应的文件种类。
在一种可能实施的实施例中,基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类,包括如下内容。
A、对心脏检测数据进行关键属性解析,确定心脏检测数据中涵盖的重要特征。
B、基于重要特征与第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
或者在一些情况下,在确定了心脏检测数据中的重要特征后,可以先根据该重要特征对待定主题进行筛选,只保留涵盖该重要特征的主题作为待定主题。然后再重新搭建目录描述矩阵进行筛选,得到与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
本申请的有益效果为:通过精确地获得心脏检测数据中涵盖的重要特征,从而保障了目标待定主题确定出对应的文件种类的精确性。
本申请的有益效果为:本发明实施例提供的基于智慧医疗的先天性心脏病报告数据筛选方法,通过获得心脏检测数据,心脏检测数据包括不少于一个用户状态信息;对心脏检测数据进行关键属性解析,并根据解析结果搭建心脏检测数据对应的先天性心脏病数据属性描述集;确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并基于可信因子搭建心脏检测数据对应的第一目录描述矩阵;根据先天性心脏病数据属性描述集中的需求事件优化第一目录描述矩阵,得到第二目录描述矩阵;基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
以此,本发明提供的基于智慧医疗的先天性心脏病报告数据筛选方法,可以对获得到的心脏检测数据进行关键属性解析,并根据关键属性解析的结果搭建先天性心脏病数据属性描述集,根据先天性心脏病数据属性描述集中的事件优化目录描述矩阵,从而在进行进行筛选时,能够提高数据筛选的准确性和可靠性,这样一来,可以提高后续工作的工作效率。
在上述基础上,提供了一种基于智慧医疗的先天性心脏病报告数据筛选装置,所述装置包括:
数据获得模块,用于获得心脏检测数据,所述心脏检测数据包括不少于一个用户状态信息;
数据解析模块,用于对所述心脏检测数据进行关键属性解析,并根据解析结果搭建所述心脏检测数据对应的先天性心脏病数据属性描述集;
矩阵搭建模块,用于确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并依据所述可信因子搭建所述心脏检测数据对应的第一目录描述矩阵;
矩阵优化模块,用于结合所述先天性心脏病数据属性描述集中的需求事件优化所述第一目录描述矩阵,得到第二目录描述矩阵;
种类确定模块,用于依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
在上述基础上,示出了一种基于智慧医疗的先天性心脏病报告数据筛选系统,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。
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,通过获得心脏检测数据,心脏检测数据包括不少于一个用户状态信息;对心脏检测数据进行关键属性解析,并根据解析结果搭建心脏检测数据对应的先天性心脏病数据属性描述集;确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并基于可信因子搭建心脏检测数据对应的第一目录描述矩阵;根据先天性心脏病数据属性描述集中的需求事件优化第一目录描述矩阵,得到第二目录描述矩阵;基于第二目录描述矩阵筛选与心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。以此,本发明提供的基于智慧医疗的先天性心脏病报告数据筛选方法,可以对获得到的心脏检测数据进行关键属性解析,并根据关键属性解析的结果搭建先天性心脏病数据属性描述集,根据先天性心脏病数据属性描述集中的事件优化目录描述矩阵,从而在进行进行筛选时,能够提高数据筛选的准确性和可靠性,从而能够确定出筛选出来的文件种类是相同和相似的,这样一来,可以提高后续工作的工作效率。
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 (8)
1.一种基于智慧医疗的先天性心脏病报告数据筛选方法,其特征在于,所述方法包括:
获得心脏检测数据,所述心脏检测数据包括不少于一个用户状态信息;
对所述心脏检测数据进行关键属性解析,并根据解析结果搭建所述心脏检测数据对应的先天性心脏病数据属性描述集;
确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,并依据所述可信因子搭建所述心脏检测数据对应的第一目录描述矩阵;其中,所述确定待定历史数据库涵盖的若干个待定主题中各个用户状态信息的可信因子,包括:获得目标用户状态信息在各个待定主题中出现的频率以及各个待定主题的主题范围;结合所述在各个待定主题中出现的频率以及各个待定主题的主题范围确定得到所述目标用户状态信息在各个待定主题中的第一置信度系数;获得待定主题的第一数目以及待定主题中涵盖所述目标用户状态信息的待定主题的第二数目;结合所述第一数目与所述第二数目确定得到所述目标用户状态信息在各个待定主题中的第二置信度系数;结合所述第一置信度系数以及所述第二置信度系数确定得到所述目标用户状态信息在各个待定主题中的可信因子;遍历各个用户状态信息,得到各个用户状态信息在各个待定主题中的可信因子;
其中,所述依据所述可信因子搭建所述心脏检测数据对应的第一目录描述矩阵,包括:在所述若干个待定主题中确定与目标用户状态信息关联的若干个目标待定主题,并依照由分布状态为各个目标待定主题建立一个主题批注;结合所述可信因子确定各个目标待定主题中所述目标用户状态信息的目标可信因子;基于各个目标待定主题的主题批注以及所述目标可信因子搭建所述目标用户状态信息的目录描述;遍历各个用户状态信息,生成各个用户状态信息对应的目录描述,得到第一目录描述矩阵;
结合所述先天性心脏病数据属性描述集中的需求事件优化所述第一目录描述矩阵,得到第二目录描述矩阵;
依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类;
其中;所述依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类,包括:对所述心脏检测数据进行关键属性解析,确定所述心脏检测数据中涵盖的重要特征;依据所述重要特征与所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类;
其中;心脏检测数据是通过心脏病检测设备,对病人进行检测后输出的报告数据;
其中;文件种类为按照先天性心脏病的描述情况进行分类将相似或者相同症状的情况整合到同一个文件中来获得文件种类。
2.根据权利要求1所述的方法,其特征在于,所述对所述心脏检测数据进行关键属性解析,并根据解析结果搭建所述心脏检测数据对应的先天性心脏病数据属性描述集,包括:
对所述心脏检测数据进行关键属性解析,确定所述心脏检测数据中的关键因子以及各个用户状态信息的相似属性,所述关键因子涵盖不少于两个关联的用户状态信息;
以所述关键因子,与事件、各个用户状态信息与对应的相似属性或事件搭建先天性心脏病数据属性描述集。
3.根据权利要求1所述的方法,其特征在于,所述第一目录描述矩阵为目录描述单元矩阵,所述结合所述先天性心脏病数据属性描述集中的需求事件优化所述第一目录描述矩阵,得到第二目录描述矩阵,包括:
在所述第一目录描述矩阵中确定所述先天性心脏病数据属性描述集中各个需求事件对应的若干个第一目录描述单元,所述目录描述单元包括若干个心脏病属性行为描述;
根据各个需求事件的关联关系以及对应的若干个第一目录描述单元确定各个需求事件对应的第二目录描述单元;
将所述第一目录描述矩阵中各个需求事件对应的若干个第一目录描述单元转换为对应的第二目录描述单元,得到第二目录描述矩阵。
4.根据权利要求3所述的方法,其特征在于,所述根据各个需求事件的关联关系以及对应的若干个第一目录描述单元确定各个需求事件对应的第二目录描述单元,包括:
当需求事件的关联关系是正相关时,确定若干个第一目录描述单元中主题数最少的待定目录描述单元;
在所述待定目录描述单元中确定第一心脏病属性行为描述,并依据所述第一心脏病属性行为描述在其他目录描述单元中确定关联心脏病属性行为描述,所述其他目录描述单元为所述若干个第一目录描述单元中除所述待定目录描述单元外的目录描述单元;
对所述第一心脏病属性行为描述的系数和所述关联心脏病属性行为描述的系数进行处理,得到所述第一心脏病属性行为描述对应的第二心脏病属性行为描述;
结合所述第二心脏病属性行为描述确定需求事件对应的第二目录描述单元。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:当需求事件的关联关系是负相关时,在各个第一目录描述单元中确定一个第三心脏病属性行为描述,得到若干个第三心脏病属性行为描述;
对若干个第三心脏病属性行为描述的系数进行处理,得到第四心脏病属性行为描述;
结合所述第四心脏病属性行为描述确定需求事件对应的第二目录描述单元。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将各个用户状态信息对应的目录描述划分为若干个心脏病属性行为描述;
基于各个心脏病属性行为描述中涵盖的主题的主题批注以及主题中用户状态信息的可信因子确定各个心脏病属性行为描述的心脏病属性行为描述系数;
根据各个心脏病属性行为描述的心脏病属性行为描述系数优化所述第一目录描述矩阵;
其中,所述方法还包括:当识别到所述待定历史数据库中加载了新增待定主题时,依据所述不少于一个用户状态信息确定所述新增待定主题中涵盖的关联用户状态信息,所述关联用户状态信息属于所述不少于一个用户状态信息;
确定所述新增待定主题中各个所述关联用户状态信息的可信因子;
对所述新增待定主题进行批注,并依据所述新增待定主题的批注以及所述新增待定主题中各个所述关联用户状态信息的可信因子优化所述第一目录描述矩阵。
7.根据权利要求1所述的方法,其特征在于,所述依据所述第二目录描述矩阵筛选与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类,包括:
将所述第二目录描述矩阵中每个目录描述拆分为若干个子目录描述,得到若干个子目录描述矩阵;
采用若干个线程同时基于各个子目录描述矩阵筛选与所述心脏检测数据关联的待定主题,得到若干个筛选结果;
结合所述若干个筛选结果确定与所述心脏检测数据关联的指定数目个目标待定主题,根据所述目标待定主题确定出对应的文件种类。
8.一种基于智慧医疗的先天性心脏病报告数据筛选系统,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1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000805.1A CN116719926B (zh) | 2023-08-10 | 2023-08-10 | 基于智慧医疗的先天性心脏病报告数据筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000805.1A CN116719926B (zh) | 2023-08-10 | 2023-08-10 | 基于智慧医疗的先天性心脏病报告数据筛选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116719926A CN116719926A (zh) | 2023-09-08 |
CN116719926B true CN116719926B (zh) | 2023-10-20 |
Family
ID=87870141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311000805.1A Active CN116719926B (zh) | 2023-08-10 | 2023-08-10 | 基于智慧医疗的先天性心脏病报告数据筛选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116719926B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117414200B (zh) * | 2023-12-19 | 2024-02-27 | 四川大学 | 一种用于心脏外科瓣膜修复手术术前演练的系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273405A (zh) * | 2017-04-27 | 2017-10-20 | 广州慧扬健康科技有限公司 | 基于MeSH表的电子病历档案的智能检索系统 |
CN107818815A (zh) * | 2017-10-30 | 2018-03-20 | 北京康夫子科技有限公司 | 电子病历的检索方法及系统 |
CN109299239A (zh) * | 2018-09-29 | 2019-02-01 | 福建弘扬软件股份有限公司 | 一种基于es的电子病历检索方法 |
CN109446344A (zh) * | 2018-11-14 | 2019-03-08 | 同方知网(北京)技术有限公司 | 一种基于大数据的智能分析报告自动生成系统 |
CN110415831A (zh) * | 2019-07-18 | 2019-11-05 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
CN110955652A (zh) * | 2018-09-25 | 2020-04-03 | 北京数安鑫云信息技术有限公司 | 一种用于进行数据展示的系统及方法 |
CN112687364A (zh) * | 2020-12-24 | 2021-04-20 | 宁波金唐软件有限公司 | 一种基于Hbase的医疗数据管理方法及其系统 |
CN113161001A (zh) * | 2021-05-12 | 2021-07-23 | 东北大学 | 一种基于改进lda的过程路径挖掘方法 |
CN113903473A (zh) * | 2021-10-26 | 2022-01-07 | 苏州律点信息科技有限公司 | 基于人工智能的医疗信息智能交互的方法及系统 |
CN114625804A (zh) * | 2022-03-30 | 2022-06-14 | 张桂芝 | 基于大数据的用户行为数据处理方法、系统及云平台 |
-
2023
- 2023-08-10 CN CN202311000805.1A patent/CN116719926B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273405A (zh) * | 2017-04-27 | 2017-10-20 | 广州慧扬健康科技有限公司 | 基于MeSH表的电子病历档案的智能检索系统 |
CN107818815A (zh) * | 2017-10-30 | 2018-03-20 | 北京康夫子科技有限公司 | 电子病历的检索方法及系统 |
CN110955652A (zh) * | 2018-09-25 | 2020-04-03 | 北京数安鑫云信息技术有限公司 | 一种用于进行数据展示的系统及方法 |
CN109299239A (zh) * | 2018-09-29 | 2019-02-01 | 福建弘扬软件股份有限公司 | 一种基于es的电子病历检索方法 |
CN109446344A (zh) * | 2018-11-14 | 2019-03-08 | 同方知网(北京)技术有限公司 | 一种基于大数据的智能分析报告自动生成系统 |
CN110415831A (zh) * | 2019-07-18 | 2019-11-05 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
CN112687364A (zh) * | 2020-12-24 | 2021-04-20 | 宁波金唐软件有限公司 | 一种基于Hbase的医疗数据管理方法及其系统 |
CN113161001A (zh) * | 2021-05-12 | 2021-07-23 | 东北大学 | 一种基于改进lda的过程路径挖掘方法 |
CN113903473A (zh) * | 2021-10-26 | 2022-01-07 | 苏州律点信息科技有限公司 | 基于人工智能的医疗信息智能交互的方法及系统 |
CN114625804A (zh) * | 2022-03-30 | 2022-06-14 | 张桂芝 | 基于大数据的用户行为数据处理方法、系统及云平台 |
Non-Patent Citations (3)
Title |
---|
Park H 等.TF-IDF Based Association Rule Analysis System for Medical Data.《KIPS Transactions on Software and Data Engineering》.2016,第5卷(第3期),145-154. * |
曾红武 等.基于关联关系的电子病历聚类研究.《中华医学图书情报杂志》.2018,第27卷(第05期),42-45. * |
杨锦锋 等.电子病历命名实体识别和实体关系抽取研究综述.《自动化学报》.2014,第40卷(第08期),1537-1562. * |
Also Published As
Publication number | Publication date |
---|---|
CN116719926A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kwon et al. | Development and validation of deep-learning algorithm for electrocardiography-based heart failure identification | |
US11210292B2 (en) | Search method and apparatus | |
US8214224B2 (en) | Patient data mining for quality adherence | |
US8930223B2 (en) | Patient cohort matching | |
AU2003293339A1 (en) | Systems and methods for automated extraction and processing of billing information in patient records | |
US10431338B2 (en) | System and method for weighting manageable patient attributes during criteria evaluations for treatment | |
US11526762B2 (en) | Method and system of training a machine learning neural network system for patient medical states | |
CN116719926B (zh) | 基于智慧医疗的先天性心脏病报告数据筛选方法及系统 | |
US11152087B2 (en) | Ensuring quality in electronic health data | |
US20180210925A1 (en) | Reliability measurement in data analysis of altered data sets | |
US12020786B2 (en) | Model for health record classification | |
CN112447270A (zh) | 一种用药推荐方法、装置、设备及存储介质 | |
US11335461B1 (en) | Predicting glycogen storage diseases (Pompe disease) and decision support | |
US20200342962A1 (en) | Automatically generating rules for lab instruments | |
CN110097965A (zh) | 基于血液细胞分析仪的结果数据分析方法及装置 | |
CN117059276A (zh) | 基于人工智能的患者生命体征监控方法及系统 | |
US11031111B1 (en) | Systems and methods for optimizing clinical workflow using a prioritization engine | |
US20200000413A1 (en) | Method and system for automated diagnostics of none-infectious illnesses | |
CN112331355B (zh) | 病种评估表的生成方法、装置、电子设备及存储介质 | |
US20230230707A1 (en) | Methods and systems for searching an ecg database | |
CN112711579A (zh) | 医疗数据的质量检测方法及装置、存储介质及电子设备 | |
Strøm et al. | Machine learning performance metrics and diagnostic context in radiology | |
US20230395209A1 (en) | Development and use of feature maps from clinical data using inference and machine learning approaches | |
CN113645604B (zh) | 基于智慧医疗的病房呼救方法及系统 | |
US20230018521A1 (en) | Systems and methods for generating targeted outputs |
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 |