[發明專利]數據評價方法及裝置、存儲介質及電子設備

有效

• 申請號: 201711006245.5
• 申請日: 2017-10-25
• 公開（公告）號: CN107845408B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 杜碩
• 申請（專利權）人: 醫渡云（北京）技術有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06F16/2458
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種病歷數據評價方法，其特征在于，包括：

確定病歷數據中的關鍵信息；

獲取預設數量個數據樣本并提供給評分人員以便所述評分人員對各所述數據樣本進行評分，得到各所述數據樣本的評分結果；

判斷各所述數據樣本是否存在所述關鍵信息并根據判斷結果生成針對各數據樣本的關鍵信息向量；

通過回歸算法對所述評分結果和所述關鍵信息向量進行訓練以生成訓練模型；以及

獲取待評價病歷數據并針對所述待評價病歷數據運行所述訓練模型，以得到所述待評價病歷數據的評分結果作為評價結果；

所述關鍵信息包含第一關鍵信息和/或第二關鍵信息；

其中，所述第一關鍵信息包含基于數據完整性的信息，所述第二關鍵信息包含與評價維度對應的指標信息；

所述確定病歷數據中的關鍵信息，包括：

根據預設數據規范確定第一關鍵信息，以及/或者將評分人員指定的指標信息確定為第二關鍵信息；

所述判斷各所述數據樣本是否存在所述關鍵信息并根據判斷結果生成針對各數據樣本的關鍵信息向量，包括：

將所述數據樣本與所述關鍵信息進行比較，生成二進制的比較結果，根據所述二進制的比較結果，生成針對各數據樣本的關鍵信息向量；或者，計算所述數據樣本與所述關鍵信息的相似度，根據所述相似度生成針對各數據樣本的關鍵信息向量；

通過回歸算法對所述評分結果和所述關鍵信息向量進行訓練包括：

通過回歸算法對各所述數據樣本的所述評分結果和所述關鍵信息向量進行擬合分析以得到各所述數據樣本的得分；

根據各所述數據樣本的所述評分結果并結合各所述數據樣本的得分確定對評分進行分檔的得分閾值。

2.一種病歷數據評價裝置，其特征在于，包括：

關鍵信息確定模塊，用于確定病歷數據中的關鍵信息；

數據樣本評分模塊，用于獲取預設數量個數據樣本并提供給評分人員以便所述評分人員對各所述數據樣本進行評分，得到各所述數據樣本的評分結果；

關鍵信息向量生成模塊，用于判斷各所述數據樣本是否存在所述關鍵信息并根據判斷結果生成針對各數據樣本的關鍵信息向量；

訓練模型生成模塊，用于通過回歸算法對所述評分結果和所述關鍵信息向量進行訓練以生成訓練模型；以及

數據評價模塊，用于獲取待評價病歷數據并針對所述待評價病歷數據運行所述訓練模型，以得到所述待評價病歷數據的評分結果作為評價結果；

所述關鍵信息包含第一關鍵信息和/或第二關鍵信息；

其中，所述第一關鍵信息包含基于數據完整性的信息，所述第二關鍵信息包含與評價維度對應的指標信息；

所述確定病歷數據中的關鍵信息，包括：

根據預設數據規范確定第一關鍵信息，以及/或者將評分人員指定的指標信息確定為第二關鍵信息；

所述判斷各所述數據樣本是否存在所述關鍵信息并根據判斷結果生成針對各數據樣本的關鍵信息向量，包括：

將所述數據樣本與所述關鍵信息進行比較，生成二進制的比較結果，根據所述二進制的比較結果，生成針對各數據樣本的關鍵信息向量；或者，計算所述數據樣本與所述關鍵信息的相似度，根據所述相似度生成針對各數據樣本的關鍵信息向量；

通過回歸算法對所述評分結果和所述關鍵信息向量進行訓練包括：

通過回歸算法對各所述數據樣本的所述評分結果和所述關鍵信息向量進行擬合分析以得到各所述數據樣本的得分；

根據各所述數據樣本的所述評分結果并結合各所述數據樣本的得分確定對評分進行分檔的得分閾值。

3.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1所述的數據評價方法。

4.一種電子設備，其特征在于，包括：

處理器；以及

存儲器，用于存儲所述處理器的可執行指令；

其中，所述處理器配置為經由執行所述可執行指令來執行權利要求1所述的數據評價方法。