[發明專利]基于大數據的患者分組方法和裝置

有效

• 申請號: 201811536823.0
• 申請日: 2018-12-14
• 公開（公告）號: CN109817339B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 李濠辰
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H10/60
• 代理公司: 北京匯思誠業知識產權代理有限公司 11444
• 代理人: 馮曉平

1.一種基于大數據的患者分組方法，其特征在于，所述方法包括：

在病案首頁中提取至少兩種目標患者特征；

對至少兩種所述目標患者特征進行相似度量學習，得到對應的度量矩陣；

基于所述對應的度量矩陣對所述病案首頁進行診斷相關分組，得到患者分組結果；

所述基于所述對應的度量矩陣對所述病案首頁進行診斷相關分組，得到患者分組結果，包括：

采用聚類算法，基于所述對應的度量矩陣將所述目標患者特征進行劃分，得到至少兩個與所述目標患者特征相關的特征簇；

根據至少兩個所述特征簇對所述病案首頁進行診斷相關分組，得到所述患者分組結果。

2.根據權利要求1所述的方法，其特征在于，所述在病案首頁中提取至少兩種目標患者特征，包括：

獲取所述病案首頁中的患者特征；

采用特征選擇方法從所述病案首頁中的患者特征中提取至少兩種所述目標患者特征。

3.根據權利要求1所述的方法，其特征在于，所述對至少兩種所述目標患者特征進行相似度量學習，得到對應的度量矩陣，包括：

采用馬氏距離作為距離度量，其中，馬氏距離D（Xi，Xj）的表達式為，表示訓練樣本集中第i個目標患者特征，表示訓練樣本集中第j個目標患者特征，T表示矩陣轉置運算，S表示訓練樣本集的協方差矩陣；

根據所述距離度量，采用有監督的距離度量學習方式對至少兩種所述目標患者特征進行相似度量學習，得到所述對應的度量矩陣。

4.根據權利要求1至3任一項所述的方法，其特征在于，在所述得到患者分組結果的步驟之后，所述方法還包括：

根據所述患者分組結果進行規則挖掘，得到與所述目標患者特征之間相關的分組規則；

采用所述分組規則對待進行患者分組的病案首頁進行診斷相關分組，得到基于所述分組規則的所述患者分組結果。

5.一種基于大數據的患者分組裝置，其特征在于，所述裝置包括：

目標患者特征提取模塊，用于在病案首頁中提取至少兩種目標患者特征；

度量矩陣獲取模塊，用于對至少兩種所述目標患者特征進行相似度量學習，得到對應的度量矩陣；

患者分組結果獲取模塊，用于基于所述對應的度量矩陣對所述病案首頁進行診斷相關分組，得到患者分組結果；

患者分組結果獲取模塊：用于采用聚類算法，基于所述對應的度量矩陣將所述目標患者特征進行劃分，得到至少兩個與所述目標患者特征相關的特征簇；

根據至少兩個所述特征簇對所述病案首頁進行診斷相關分組，得到所述患者分組結果。

6.根據權利要求5所述的裝置，其特征在于，所述目標患者特征提取模塊，包括：

患者特征獲取單元，用于獲取所述病案首頁中的患者特征；

目標患者特征提取單元，用于采用特征選擇方法從所述病案首頁中的患者特征中提取至少兩種所述目標患者特征。

7.根據權利要求5所述的裝置，其特征在于，所述度量矩陣獲取模塊，包括：

距離度量確定單元，用于采用馬氏距離作為距離度量，其中，馬氏距離D（Xi，Xj）的表達式為，表示訓練樣本集中第i個目標患者特征，表示訓練樣本集中第j個目標患者特征，T表示矩陣轉置運算，S表示訓練樣本集的協方差矩陣；

度量矩陣獲取單元，用于根據所述距離度量，采用有監督的距離度量學習方式對至少兩種所述目標患者特征進行相似度量學習，得到所述對應的度量矩陣。

8.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至4任一項所述基于大數據的患者分組方法的步驟。

9.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至4任一項所述基于大數據的患者分組方法的步驟。