基于大数据的智慧医疗交互方法
文献发布时间:2023-06-19 18:27:32
技术领域
本发明涉及大数据技术领域,具体为基于大数据的智慧医疗交互方法。
背景技术
为患者以及医疗机构提供应用服务的系统被称为医疗系统,而结合该系统 与大数据、计算机技术的系统则为智慧医疗服务系统,目前国内外的智慧医疗 服务系统发展迅速,但是鲜有足够创新的功能,大多数医疗机构还仅仅停留在 简单的挂号、查询、预约等简单服务,还达不到“智慧”的要求,尤其是对于 我国来说,医疗资源不平衡,对于欠发达地区,医疗资源相对匮乏,而对于发 达地区,充足的医疗资源意味着高密度就诊人群,在这样的背景下,目前的智 慧医疗系统还需要进行优化,因此,设计基于分类算法和使用推理机制的基于 大数据的智慧医疗交互方法是很有必要的。
发明内容
本发明的目的在于提供基于大数据的智慧医疗交互方法,以解决上述背景 技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于大数据的智慧医 疗交互方法,适用于一种基于大数据的智慧医疗交互系统,所述系统包括专家 系统模块、大数据挖掘机制建立模块、用户系统模块,所述专家系统模块用于 模拟人类专家的思考过程生成解决方案,所述大数据挖掘机制建立模块用于从 多角度建立大数据挖掘机制,所述用户系统模块用于为医疗参与人员提供操作 端口与反馈;所述大数据挖掘机制建立模块包括关联分析模块、分类分析模块、 数据保护模块,所述关联分析模块用于对相关联的数据进行挖掘分析,所述分 类分析模块用于对数据进行标签量化并进行分类挖掘,所述数据保护模块用于 使用信息隐藏技术对挖掘分析的数据进行保护,所述关联分析模块、分类分析 模块与数据保护模块电连接。
根据上述技术方案,所述专家系统模块包括人机交互窗口、知识库更新模 块、推理机模块,所述人机交互窗口用于为医疗机构从业者提供交互窗口,所 述知识库更新模块用于根据数据挖掘情况对知识库进行更新,所述推理机模块 用于对病症数据进行分析后赋予分类标签,并实现模拟人脑推理的功能;所述 用户系统模块包括移动设备模块、功能提供模块、数据传输模块、结果显示模 块,所述移动设备模块用于为患者提供包括APP、网页端、小程序在内的移动 设备接入端口,所述功能提供模块用于为患者提供基础功能,所述数据传输模 块用于将患者的信息调取并传输至专家系统模块中,所述结果显示模块用于在 用户端显示基于大数据的诊断结果。
根据上述技术方案,所述方法包括以下步骤:
步骤S1:首先对智慧医疗交互系统中的各模块进行相应连接,保证数据传 输;
步骤S2:用户在移动设备基于实名注册并登录系统,并自动对用户进行医 保查询,将医保用户的用户名进行高亮标注;数据源可以应用于多种条件,如 网页端、小程序端、APP端、医院自动登记设备端,减少患者的操作成本,缓 解医院人流量密度,节省医疗时间;
步骤S3:用户在设备端进行病症文字输入或语音、视频留言,并在线选择 医师或科室;
步骤S4:专家系统模块接收到用户数据后,运行推理机进行分析,并根据 大数据挖掘机制建立模块所建立的大数据挖掘机制,对知识库进行更新与调用 操作;
步骤S5:将结果通知到患者,并同步更新进一步治疗措施。
根据上述技术方案,所述步骤S4中,大数据挖掘机制建立方法具体包括关 联分析方法,其中:
关联分析方法具体步骤为:
步骤A:输入数据集中所有项的集合,记为:I={i
步骤B:根据用户ID与所有项的集合,建立事务记录,具体表示为T(T
步骤C:设置关联规则与关联项X,Y,具体为如果
步骤D:根据上述条件计算关联规则的准确性,具体为置信度P(Y|X)的计 算。
根据上述技术方案,所述步骤D中,置信度P(Y|X)的计算公式为:
式中表示的含义为:在出现X的事务中,同时也出现了Y的概率,置信度 P(Y|X)用于衡量关联规则的准确性。在数据挖掘过程中,一个数据集能产生大 量的关联规则,但并不是所有的规则都具有参考意义和决策价值,因为规则仅 表示数据之间的相关性,而不存在因果关系,因此需计算置信度来评估关联规 则的准确性。
根据上述技术方案,所述步骤S4中,大数据挖掘机制建立方法还包括分类 分析方法,具体步骤为:
步骤a:设定分类器评估指标,并以样本数量形式记录数据;所述分类器 评估指标如下表:
表中,阳性代表一类病症的确诊,阴性代表一类病症未确诊,Sum=A+B;
步骤b:计算综合考虑查全率R与预测可信度B;在实际应用中,对目标取 阳性的关注度远远大于阴性,所以该查全率仅考虑对阳性目标的查全率;
步骤c:使用最近邻算法,以样本距离最近的多个邻居样本来表示其特征。
根据上述技术方案,所述中,综合考虑查全率R的计算公式为:
预测可信度B的计算公式为:
查全率的含义为,被正确地分类所有阳性数目占实际所有阳性数目的比例, 用于评估所构建的分类模型对阳性例预测的可信度,预测可信度的含义为,既 能正确预测又能正确分类的样本数量与总样本数量之比,具体为分类模型预测 正确的概率,根据多方面综合判断分类模型的有效性。
根据上述技术方案,所述步骤c中,最近邻算法具体为:
步骤c1:设定参数k,k的值为计算值,代表样本周围的特征相同数量; 样本在以特征值为维度的空间中,其周围的k个样本中大多数为某一类,则该 样本属于此类;
步骤c2:建立用于储存最近邻训练组的队列A,其大小表示为k顺序按距 离由大到小排列;
步骤c3:从数据集中随机选取k个数据组,并分别计算测试组到这k个数 据组的距离,并将标号和距离存入队列A中;
步骤c4:遍历训练数据组集合,计算与测试组的距离,将不小于队列A中 最大距离的数组舍弃,否则删除队列A中最大距离的数据组,并将当前数据组 存入队列A中;重复比较距离操作,将大于队列A中最大距离的数据舍弃,并 删除队列A中最大距离的数据组,直到遍历完成;
步骤c5:统计队列A中各个分类的出现次数最频繁的分类,并将其作为测 试组的分类;出现次数最频繁的分类即为样本周围特征相同数最多的分类,则 表示样本也为该分类;
步骤c6:输出分类分析结果。
根据上述技术方案,所述步骤S4中还包括运用推理机对知识库更新与调用, 更新完成后,将患者数据特征输入其中,根据大数据挖掘机制自动分析患者可 能出现的病症,作为医生实施治疗措施的辅助参考,同时将分析结果分别显示 到专家系统与用户系统中。
与现有技术相比,本发明所达到的有益效果是:本发明,通过设置有大数 据挖掘机制建立模块,在数据挖掘过程中,一个数据集能产生大量的关联规则, 但并不是所有的规则都具有参考意义和决策价值,因为规则仅表示数据之间的 相关性,而不存在因果关系,因此需计算置信度来评估关联规则的准确性,通 过设置有知识库更新模块,在数据挖掘过程中,一个数据集能产生大量的关联 规则,但并不是所有的规则都具有参考意义和决策价值,因为规则仅表示数据 之间的相关性,而不存在因果关系,因此需计算置信度来评估关联规则的准确 性。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发 明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的系统模块组成示意图;
图2为本发明实施例中分类器评估指标示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是 全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供技术方案:基于大数据的智慧医疗交互方法, 适用于一种基于大数据的智慧医疗交互系统,系统包括专家系统模块、大数据 挖掘机制建立模块、用户系统模块,专家系统模块用于模拟人类专家的思考过 程生成解决方案,大数据挖掘机制建立模块用于从多角度建立大数据挖掘机制, 用户系统模块用于为医疗参与人员提供操作端口与反馈;大数据挖掘机制建立 模块包括关联分析模块、分类分析模块、数据保护模块,关联分析模块用于对 相关联的数据进行挖掘分析,分类分析模块用于对数据进行标签量化并进行分 类挖掘,数据保护模块用于使用信息隐藏技术对挖掘分析的数据进行保护,关 联分析模块、分类分析模块与数据保护模块电连接。
专家系统模块包括人机交互窗口、知识库更新模块、推理机模块,人机交 互窗口用于为医疗机构从业者提供交互窗口,知识库更新模块用于根据数据挖 掘情况对知识库进行更新,推理机模块用于对病症数据进行分析后赋予分类标 签,并实现模拟人脑推理的功能;用户系统模块包括移动设备模块、功能提供 模块、数据传输模块、结果显示模块,移动设备模块用于为患者提供包括APP、 网页端、小程序在内的移动设备接入端口,功能提供模块用于为患者提供基础 功能,数据传输模块用于将患者的信息调取并传输至专家系统模块中,结果显 示模块用于在用户端显示基于大数据的诊断结果。
方法包括以下步骤:
步骤S1:首先对智慧医疗交互系统中的各模块进行相应连接,保证数据传 输;
步骤S2:用户在移动设备基于实名注册并登录系统,并自动对用户进行医 保查询,将医保用户的用户名进行高亮标注;数据源可以应用于多种条件,如 网页端、小程序端、APP端、医院自动登记设备端,减少患者的操作成本,缓 解医院人流量密度,节省医疗时间;
步骤S3:用户在设备端进行病症文字输入或语音、视频留言,并在线选择 医师或科室;
步骤S4:专家系统模块接收到用户数据后,运行推理机进行分析,并根据 大数据挖掘机制建立模块所建立的大数据挖掘机制,对知识库进行更新与调用 操作;
步骤S5:将结果通知到患者,并同步更新进一步治疗措施。
步骤S4中,大数据挖掘机制建立方法具体包括关联分析方法,其中:
关联分析方法具体步骤为:
步骤A:输入数据集中所有项的集合,记为:I={i
步骤B:根据用户ID与所有项的集合,建立事务记录,具体表示为T(T
步骤C:设置关联规则与关联项X,Y,具体为如果
步骤D:根据上述条件计算关联规则的准确性,具体为置信度P(Y|X)的计 算。
步骤D中,置信度P(Y|X)的计算公式为:
式中表示的含义为:在出现X的事务中,同时也出现了Y的概率,置信度 P(Y|X)用于衡量关联规则的准确性。在数据挖掘过程中,一个数据集能产生大 量的关联规则,但并不是所有的规则都具有参考意义和决策价值,因为规则仅 表示数据之间的相关性,而不存在因果关系,因此需计算置信度来评估关联规 则的准确性。
步骤S4中,大数据挖掘机制建立方法还包括分类分析方法,具体步骤为:
步骤a:设定分类器评估指标,并以样本数量形式记录数据;分类器评估 指标如下表:
表中,阳性代表一类病症的确诊,阴性代表一类病症未确诊,Sum=A+B;
步骤b:计算综合考虑查全率R与预测可信度B;在实际应用中,对目标取 阳性的关注度远远大于阴性,所以该查全率仅考虑对阳性目标的查全率;
步骤c:使用最近邻算法,以样本距离最近的多个邻居样本来表示其特征。
中,综合考虑查全率R的计算公式为:
预测可信度B的计算公式为:
查全率的含义为,被正确地分类所有阳性数目占实际所有阳性数目的比例, 用于评估所构建的分类模型对阳性例预测的可信度,预测可信度的含义为,既 能正确预测又能正确分类的样本数量与总样本数量之比,具体为分类模型预测 正确的概率,根据多方面综合判断分类模型的有效性。
步骤c中,最近邻算法具体为:
步骤c1:设定参数k,k的值为计算值,代表样本周围的特征相同数量; 样本在以特征值为维度的空间中,其周围的k个样本中大多数为某一类,则该 样本属于此类;
步骤c2:建立用于储存最近邻训练组的队列A,其大小表示为k顺序按距 离由大到小排列;
步骤c3:从数据集中随机选取k个数据组,并分别计算测试组到这k个数 据组的距离,并将标号和距离存入队列A中;
步骤c4:遍历训练数据组集合,计算与测试组的距离,将不小于队列A中 最大距离的数组舍弃,否则删除队列A中最大距离的数据组,并将当前数据组 存入队列A中;重复比较距离操作,将大于队列A中最大距离的数据舍弃,并 删除队列A中最大距离的数据组,直到遍历完成;
步骤c5:统计队列A中各个分类的出现次数最频繁的分类,并将其作为测 试组的分类;出现次数最频繁的分类即为样本周围特征相同数最多的分类,则 表示样本也为该分类;
步骤c6:输出分类分析结果。
步骤S4中还包括运用推理机对知识库更新与调用,更新完成后,将患者数 据特征输入其中,根据大数据挖掘机制自动分析患者可能出现的病症,作为医 生实施治疗措施的辅助参考,同时将分析结果分别显示到专家系统与用户系统 中。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些 实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包 含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素 的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的 其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是: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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术 人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其 中部分技术特征进行等同替换。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。
- 基于大数据的智慧医疗交互方法及智慧医疗云计算系统
- 基于大数据的智慧医疗交互方法及智慧医疗云计算系统