[發(fā)明專利]一種針對時序醫(yī)療數據的可視化推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010125418.0
• 申請日: 2020-02-27
• 公開（公告）號: CN111324659B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設計）人: 錢步月;劉璇;胡師堯;鄭瑩倩;李安;劉濤;呂欣;許靖琴
• 申請（專利權）人: 西安交通大學
• 主分類號: G06F16/26
• 分類號: G06F16/26;G06F16/2457;G16H70/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 孟大帥

本發(fā)明公開了一種針對時序醫(yī)療數據的可視化推薦方法及系統(tǒng)，包括：將采集的時序醫(yī)療數據處理為標準格式，獲取導入數據庫中的數據類別特征；基于已統(tǒng)計分析圖表類型，將可視化元素拆分為若干視覺編碼通道，不同編碼通道對應視覺呈現(xiàn)元素，不同編碼通道預設若干種視圖繪制方法；根據可視化編碼通道內容，獲取可視化視覺編碼，獲取多元化配置結果；根據多元化配置結果，完成可視化推薦；其中，可視化推薦包括：單變量視圖推薦、關聯(lián)特征對視圖推薦、替換視圖推薦、替換視圖推薦。本發(fā)明能夠實現(xiàn)可視化編碼的推薦，可增強推薦結果的針對性以及實用性。

技術領域

本發(fā)明屬于時序數據的數據分析技術領域，特別涉及一種針對時序醫(yī)療數據的可視化推薦方法及系統(tǒng)。

背景技術

傳統(tǒng)的醫(yī)療事件序列數據具有數據量大、種類繁多，利用率低，時間精度不一的特點。此外，在臨床回顧性研究中，往往需要時序數據集挖掘關聯(lián)關系。目前傳統(tǒng)的方法，使用Excel等電子表格或SPSS軟件進行數據分析，這些傳統(tǒng)的方法在數據的獲取、數據清洗和處理，以及獲得數據分析的結果上會受到一定程度的限制，且耗時耗力，對海量時序醫(yī)療數據里隱含的深層信息難以充分挖掘。

目前，在分析過程中，醫(yī)療人員往往需要對臨床數據進行病理分析，研究病理類型等各因素之間的關系，考慮如何導入正確格式的醫(yī)療數據，如何處理數據以及如何展示數據間的關系等問題，這些都是傳統(tǒng)醫(yī)療數據分析的不便之處。近年來流行的機器學習方法由于其黑盒性質難以讓醫(yī)療人員理解數據預測的整個分析過程，使得其可信度降低，單純的機器學習方法去處理數據難以推廣普及。

隨著互聯(lián)網的迅猛發(fā)展，信息爆炸式增長，人們無法快速從海量信息中找到有價值的信息。可視化在一定程度上解決了人們信息審查的需求。在時序醫(yī)療數據的分析領域內，數據可視化分析是一種強有力的幫助醫(yī)療人員進行醫(yī)療數據分析的方法。就目前的醫(yī)療數據分析領域而言，可視化的方法仍未得到廣泛的使用。國內醫(yī)療大數據可視化的研究和應用均處于探索階段，一般的醫(yī)療數據系統(tǒng)僅提供醫(yī)療信息和數據的列表，不提供可視化圖形分析的功能。如果醫(yī)療人員希望手動創(chuàng)建可視化圖形，那么就必須要去學習圖形設計原理相關的知識，掌握可視化的編碼規(guī)范；且手動對可視化圖表進行創(chuàng)建的過程非常耗時耗力。

統(tǒng)計分析技術幫助人們從統(tǒng)計學角度分析數據特征，但是無法捕捉數據間關系。已有的數據分析方式只考慮數據本身特征，未考慮數據關聯(lián)關系。面對時序海量數據，如何快速準確找到觀察數據集發(fā)現(xiàn)數據間關系，仍是一個問題。

綜上，亟需一種新的針對時序醫(yī)療數據的可視化推薦方法及系統(tǒng)。

發(fā)明內容

本發(fā)明的目的在于提供一種針對時序醫(yī)療數據的可視化推薦方法及系統(tǒng)，以解決上述存在的一個或多個技術問題。本發(fā)明通過特征選擇和相關性分析的算法來實現(xiàn)時序醫(yī)療數據中關鍵特征的選擇，再利用可視化視覺編碼查詢語言的原理，結合數據特征選擇的結果，實現(xiàn)可視化編碼的推薦，能夠增強推薦結果的針對性以及實用性。

為達到上述目的，本發(fā)明采用以下技術方案：

本發(fā)明的一種針對時序醫(yī)療數據的可視化推薦方法，包括以下步驟：

步驟1，將采集的時序醫(yī)療數據集處理為標準格式，獲取導入數據庫中的數據類別特征；其中，處理過程包括：整理、清洗、篩選、去噪；

步驟2，根據步驟1中得到的數據類別特征，基于已統(tǒng)計分析圖表類型，將可視化元素拆分為若干視覺編碼通道，不同編碼通道對應視覺呈現(xiàn)元素，不同編碼通道預設若干種視圖繪制方法；根據可視化編碼通道內容，獲取可視化視覺編碼；

步驟3，拖拽感興趣的數據特征到自定義可視化配置模塊，拖拽數據到配置項上實現(xiàn)自定義可視化的配置，根據步驟2獲得的可視化視覺編碼的配置格式，獲取多元化配置結果；

步驟4，根據多元化配置結果，完成可視化推薦；其中，可視化推薦包括：單變量視圖推薦、關聯(lián)特征對視圖推薦、替換視圖推薦、替換視圖推薦。