[發明專利]基于貝葉斯網絡的醫患匹配方法

有效

• 申請號: 201911356327.1
• 申請日: 2019-12-25
• 公開（公告）號: CN111009316B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 李德彪;陳思平
• 申請（專利權）人: 福州大學
• 主分類號: G16H40/20
• 分類號: G16H40/20;G16H50/20;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于貝葉斯網絡的醫患匹配方法，其特征在于，包括以下步驟：

步驟S1：采集電子病歷數據中的疾病、癥狀用詞并進行總結疾病癥狀，確定疾病和癥狀節點及其取值，并作為訓練集數據；

步驟S2:構建“疾病-疾病/疾病-癥狀”自交互矩陣，并作為貝葉斯網絡模型的約束；

步驟S3:構建貝葉斯網絡模型，并進行結構學習和參數學習，得到完整的貝葉斯網絡預診模型；

步驟S4:患者將癥狀輸入貝葉斯網絡預診模型，計算主疾病和并發癥并發的所有可能的疾病組合；

步驟S5:根據主疾病和并發癥并發的所有可能的疾病組合，計算醫生和患者的匹配指數；

步驟S6:基于醫生和患者的匹配指數構建醫生推薦模型；

步驟S7:基于醫生推薦模型，并根據患者偏好指數，得到患者和醫生的最優分配；

所述貝葉斯網絡模型的結構學習采用基于禁忌搜索的啟發式算法，具體為：

選擇AIC評分作為優化的目標函數，其公式如下：

其中，r_m是節點m可能取值的所有值的總量，q_m是其父節點可能取值的所有可能組合的總量，節點數量為nm；N_mjk為節點m的父節點取第j種取值組合時，節點m取值為k數量的總量；N_mj為對m的所有可能取值的N_mjk求和；f(N)是衡量圖中節點信息量的函數，在AIC評分中取1；C(G)用以衡量圖的復雜度，其計算公式為：

其中，禁忌搜索的參數禁忌表長度確定為節點數量nm，搜索停止條件為100次迭代不更新最優目標函數值；

所述步驟S4具體為：

患者輸入癥狀后，貝葉斯網絡預診模型計算主疾病和并發癥并發的所有可能的疾病組合，計算公式如下：

基于計算得到的疾病條件概率，得到患者所有疾病組合的條件概率矩陣；

所述醫生和患者的匹配指數計算衡量患者i的疾病和醫生p的專長的匹配程度，其計算公式如下：

其中E_idd′對某種疾病組合的專長程度，用如下公式量化：

E_pdd′＝αy_pd+(1-α)y_pd′

其中y_pd是表示醫生p對疾病d是否專長的0-1變量，α為主疾病和并發癥之間的權重。

2.根據權利要求1所述的基于貝葉斯網絡的醫患匹配方法，其特征在于：所述“疾病-疾病/疾病-癥狀”自交互矩陣中有聯系的疾病/癥狀元素之間取值為1，無關的取值為-1，未知部分取值為0；

其中，有聯系的關系轉化為貝葉斯網絡的初始網絡結構，無關聯系轉化為貝葉斯網絡禁止搜索的部分。

3.根據權利要求1所述的基于貝葉斯網絡的醫患匹配方法，其特征在于，所述貝葉斯網絡模型的參數學習需要計算每個節點的條件概率θ_mjk和其條件概率表，采用極大似然估計法，

計算參數的公式如下：