JP2019212034A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2019212034A5 JP2019212034A5 JP2018107916A JP2018107916A JP2019212034A5 JP 2019212034 A5 JP2019212034 A5 JP 2019212034A5 JP 2018107916 A JP2018107916 A JP 2018107916A JP 2018107916 A JP2018107916 A JP 2018107916A JP 2019212034 A5 JP2019212034 A5 JP 2019212034A5
- Authority
- JP
- Japan
- Prior art keywords
- medical practice
- elements
- information
- medical
- similarity
- 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
- 206010022114 Injury Diseases 0.000 claims 17
- 201000010099 disease Diseases 0.000 claims 17
- 238000004458 analytical method Methods 0.000 claims 12
- 230000000875 corresponding Effects 0.000 claims 11
- 230000002093 peripheral Effects 0.000 claims 4
- 238000007493 shaping process Methods 0.000 claims 4
- 230000001537 neural Effects 0.000 claims 3
- 238000000605 extraction Methods 0.000 claims 2
Claims (13)
- プロセッサとメモリを有する計算機で、要素間の類似度を分析する分析方法であって、
前記計算機が、医療行為の要素を含む医療データを読み込む第1のステップと、
前記計算機が、前記医療行為の要素の集合に対して予め設定された第1のキーで前記医療行為の要素を整列する第2のステップと、
前記計算機が、前記医療データから前記医療行為の要素の集合に対応する第2のキーを取得して、前記整列された前記医療行為の要素の集合に前記第2のキーを組み合わせて学習データを生成する第3のステップと、
前記計算機が、ニューラルネットワークで前記学習データの学習を実施して前記医療行為の要素の分散表現を算出する第4のステップと、
前記計算機が、前記分散表現に基づいて前記医療行為の要素間の類似度を算出する第5のステップと、
を含み、
前記第1のキーが、前記医療行為を実施した時間情報であり、
前記第2のキーが、傷病名の情報であることを特徴とする分析方法。 - 請求項1に記載の分析方法であって、
前記第3のステップは、
前記医療行為の要素の集合の中から選択したひとつの医療行為の要素を第1の学習データとするステップと、
前記選択した医療行為の要素の周辺要素を取得して、当該周辺要素に前記第2のキーを追加して第2の学習データを生成するステップと、
を含むことを特徴とする分析方法。 - 請求項1に記載の分析方法であって、
前記第3のステップは、
前記傷病名の情報を前記医療行為の要素の集合に組み合わせる際に、
前記傷病名の情報が複数存在する場合には、主傷病に対応する傷病名の情報を選択し、
前記選択した傷病名の情報の時間情報と、前記医療行為の時間情報とを比較して、前記傷病名の情報の時間情報が、前記医療行為の時間情報よりも早いものを選択し、前記傷病名の情報と前記医療行為の要素の集合とを組み合わせて学習データを生成することを特徴とする分析方法。 - 請求項1に記載の分析方法であって、
前記第2のステップは、
前記医療行為の要素の集合から、保険点数が所定の閾値以下の医療行為の要素を削除することを特徴とする分析方法。 - 請求項1に記載の分析方法であって、
前記計算機が、前記算出された類似度に基づいて、医療行為と比較対象医療行為の対応関係を設定した類似度情報を生成する第6のステップと、
前記計算機が、ルール番号と、対象項目と、対応医療行為を含むルール情報を読み込む第7のステップと、
前記計算機が、前記対応医療行為からひとつの要素を選択して前記類似度情報を検索し、前記医療行為と一致し、かつ類似度が所定値以上の比較対象医療行為を選択する第8のステップと、
前記計算機が、前記ルール情報の対象項目と選択された前記比較対象医療行為の組み合わせのうち、前記ルール情報に存在しない組み合わせを新たなルールの候補として出力する第9のステップと、
をさらに含むことを特徴とする分析方法。 - 請求項5に記載の分析方法であって、
前記所定値は、
前記ルール番号と前記対象項目が同一である対応医療行為同士の類似度を所定値とすることを特徴とする分析方法。 - プロセッサとメモリを有して、要素間の類似度を分析する分析装置であって、
医療行為の要素を含む医療データを読み込んで、前記医療行為の要素の集合に対して予め設定された第1のキーで前記医療行為の要素を整列し、前記医療データから前記医療行為の要素の集合に対応する第2のキーを取得して、前記整列された前記医療行為の要素の集合に前記第2のキーを組み合わせて学習データを生成するデータ整形部と、
ニューラルネットワークで前記学習データの学習を実施して前記医療行為の要素の分散表現を算出し、前記分散表現に基づいて前記医療行為の要素間の類似度を算出する類似度計算部と、を有し、
前記第1のキーが、前記医療行為を実施した時間情報であり、
前記第2のキーが、傷病名の情報であることを特徴とする分析装置。 - 請求項7に記載の分析装置であって、
前記データ整形部は、
前記医療行為の要素の集合の中から選択したひとつの医療行為の要素を第1の学習データとし、前記選択した医療行為の要素の周辺要素を取得して、当該周辺要素に前記第2のキーを追加して第2の学習データを生成することを特徴とする分析装置。 - 請求項7に記載の分析装置であって、
前記データ整形部は、
前記傷病名の情報を前記医療行為の要素の集合に組み合わせる際に、
前記傷病名の情報が複数存在する場合には、主傷病に対応する傷病名の情報を選択し、
前記選択した傷病名の情報の時間情報と、前記医療行為の時間情報とを比較して、前記傷病名の情報の時間情報が、前記医療行為の時間情報よりも早いものを選択し、前記傷病名の情報と前記医療行為の要素の集合とを組み合わせて学習データを生成することを特徴とする分析装置。 - 請求項7に記載の分析装置であって、
前記データ整形部は、
前記医療行為の要素の集合から、保険点数が所定の閾値以下の医療行為の要素を削除することを特徴とする分析装置。 - 請求項7に記載の分析装置であって、
新たなルールの候補を生成するパターン抽出部をさらに有し、
前記類似度計算部は、
前記算出された類似度に基づいて、医療行為と比較対象医療行為の対応関係を設定した類似度情報を生成し、
前記パターン抽出部は、
ルール番号と、対象項目と、対応医療行為を含むルール情報を読み込んで、前記対応医療行為からひとつの要素を選択して前記類似度情報を検索し、前記医療行為と一致し、かつ類似度が所定値以上の比較対象医療行為を選択し、前記ルール情報の対象項目と選択された前記比較対象医療行為の組み合わせのうち、前記ルール情報に存在しない組み合わせを新たなルールの候補として出力することを特徴とする分析装置。 - 請求項11に記載の分析装置であって、
前記所定値は、
前記ルール番号と前記対象項目が同一である対応医療行為同士の類似度を所定値とすることを特徴とする分析装置。 - プロセッサとメモリを有する計算機で、要素間の類似度を分析させるためのプログラムであって、
医療行為の要素を含む医療データを読み込む第1のステップと、
前記医療行為の要素の集合に対して予め設定された第1のキーで前記医療行為の要素を整列する第2のステップと、
前記医療データから前記医療行為の要素の集合に対応する第2のキーを取得して、前記整列された前記医療行為の要素の集合に前記第2のキーを組み合わせて学習データを生成する第3のステップと、
ニューラルネットワークで前記学習データの学習を実施して前記医療行為の要素の分散表現を算出する第4のステップと、
前記分散表現に基づいて前記医療行為の要素間の類似度を算出する第5のステップと、
を前記計算機に実行させ、
前記第1のキーが、前記医療行為を実施した時間情報であり、
前記第2のキーが、傷病名の情報であることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018107916A JP6963535B2 (ja) | 2018-06-05 | 2018-06-05 | 分析方法、分析装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018107916A JP6963535B2 (ja) | 2018-06-05 | 2018-06-05 | 分析方法、分析装置及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019212034A JP2019212034A (ja) | 2019-12-12 |
JP2019212034A5 true JP2019212034A5 (ja) | 2020-12-17 |
JP6963535B2 JP6963535B2 (ja) | 2021-11-10 |
Family
ID=68844129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018107916A Active JP6963535B2 (ja) | 2018-06-05 | 2018-06-05 | 分析方法、分析装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6963535B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022070226A1 (ja) * | 2020-09-29 | 2022-04-07 | 日本電気株式会社 | 医療計画支援システム、医療計画支援装置、医療計画支援方法、及び、医療計画支援プログラムが格納された記録媒体 |
CN112749277B (zh) * | 2020-12-30 | 2023-08-04 | 杭州依图医疗技术有限公司 | 医学数据的处理方法、装置及存储介质 |
CN115359925B (zh) * | 2022-10-20 | 2023-03-28 | 阿里巴巴(中国)有限公司 | 一种药品归集方法、设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183381A (ja) * | 2000-06-30 | 2002-06-28 | Data Horizon:Kk | レセプト監査システム、レセプト監査方法、記録媒体およびコンピュータプログラム |
JP4029593B2 (ja) * | 2001-09-11 | 2008-01-09 | 株式会社日立製作所 | プロセス分析方法及び情報システム |
JP2012234314A (ja) * | 2011-04-28 | 2012-11-29 | Mitsubishi Corp | レセプト分析技術(査定防止サービス) |
JP6214769B2 (ja) * | 2014-06-04 | 2017-10-18 | 株式会社日立製作所 | 診療データ検索システム |
US10394851B2 (en) * | 2014-08-07 | 2019-08-27 | Cortical.Io Ag | Methods and systems for mapping data items to sparse distributed representations |
JP6418677B2 (ja) * | 2014-08-22 | 2018-11-07 | 国立大学法人佐賀大学 | 医療情報支援システム、医療情報支援方法及び医療情報支援プログラム |
US10043135B2 (en) * | 2016-03-08 | 2018-08-07 | InferLink Corporation | Textual information extraction, parsing, and inferential analysis |
JP6400038B2 (ja) * | 2016-03-18 | 2018-10-03 | ヤフー株式会社 | 抽出装置および抽出方法 |
-
2018
- 2018-06-05 JP JP2018107916A patent/JP6963535B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944020B (zh) | 人脸图像查找方法及装置、计算机装置和存储介质 | |
CN106844368B (zh) | 用于人机对话的方法、神经网络系统和用户设备 | |
KR20190020119A (ko) | 검색어를 위한 오류 정정 방법 및 기기 | |
CN113111154B (zh) | 相似度评估方法、答案搜索方法、装置、设备及介质 | |
RU2018119771A (ru) | Сопоставление больниц из обезличенных баз данных здравоохранения без очевидных квазиидентификаторов | |
CN110019722B (zh) | 对话模型的回复排序方法、装置及计算机可读存储介质 | |
CA3142615A1 (en) | System and method for automated file reporting | |
JP2013521574A (ja) | セマンティックオブジェクトの特徴付けおよび検索 | |
Wang et al. | Deep signatures for indexing and retrieval in large motion databases | |
JP2019212034A5 (ja) | ||
JP2016184424A5 (ja) | ||
US20160140389A1 (en) | Information extraction supporting apparatus and method | |
US11645478B2 (en) | Multi-lingual tagging for digital images | |
CN108268863B (zh) | 一种图像处理方法、装置和计算机存储介质 | |
Munoz et al. | Android malware detection from Google Play meta-data: Selection of important features | |
CN109067708B (zh) | 一种网页后门的检测方法、装置、设备及存储介质 | |
CN112733767A (zh) | 一种人体关键点检测方法、装置、存储介质及终端设备 | |
CN115408558A (zh) | 基于多尺度多示例相似度学习的长视频检索方法及装置 | |
CN115331777A (zh) | 动作评估方法、装置、电子设备及计算机可读存储介质 | |
WO2019187696A1 (ja) | ベクトル化装置、言語処理方法及びプログラム | |
Moran et al. | Optimal Tag Sets for Automatic Image Annotation. | |
Borisov et al. | On the automatic analysis of the practical resistance of obfusting transformations | |
CN115269765A (zh) | 账号识别方法、装置、电子设备和存储介质 | |
JP5188290B2 (ja) | アノテーション装置、アノテーション方法およびプログラム | |
JP7135607B2 (ja) | 情報処理装置、情報処理方法及びプログラム |