[發(fā)明專利]基于物聯(lián)網(wǎng)數(shù)據(jù)的用戶數(shù)據(jù)分類方法、裝置及計算機設備

有效

• 申請?zhí)枺?/td>: 202010442300.0
• 申請日: 2020-05-22
• 公開（公告）號: CN111696675B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設計）人: 黃德生
• 申請（專利權）人: 深圳賽安特技術服務有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H10/60;G06N3/08;G06N3/0464;G16Y20/40;G16Y10/60
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李翔宇

1.一種基于物聯(lián)網(wǎng)數(shù)據(jù)的用戶數(shù)據(jù)分類方法，其特征在于，包括：

判斷是否接收到物聯(lián)網(wǎng)醫(yī)療終端上傳的當前用戶醫(yī)療數(shù)據(jù)；其中，所述當前用戶醫(yī)療數(shù)據(jù)包括用戶身份識別數(shù)據(jù)、藥物注射數(shù)據(jù)、體征測量數(shù)據(jù)；

若接收到物聯(lián)網(wǎng)醫(yī)療終端上傳的當前用戶醫(yī)療數(shù)據(jù)，獲取與所述身份識別數(shù)據(jù)對應的歷史醫(yī)療數(shù)據(jù)集；其中，所述歷史醫(yī)療數(shù)據(jù)集包括電子病歷數(shù)據(jù)子集、檢查報告數(shù)據(jù)子集、用藥記錄數(shù)據(jù)子集、歷史治療方案數(shù)據(jù)子集；

接收醫(yī)療系統(tǒng)服務器上傳的電子病歷、檢查報告、歷史用藥數(shù)據(jù)以及歷史治療方案；

通過調用預先設置的第二關鍵詞集合及與所述第二關鍵詞集合對應的第二提取策略，提取所述電子病歷中對應的電子病歷數(shù)據(jù)初始子集；

通過調用預先設置的第三關鍵詞集合及與所述第三關鍵詞集合對應的第三提取策略，提取所述檢查報告中對應的檢查報告數(shù)據(jù)初始子集；

對所述歷史用藥數(shù)據(jù)對應的圖片通過OCR文本識別模型進行文本識別，得到與所述歷史用藥數(shù)據(jù)對應的識別文本，通過預先設置的第四關鍵詞集合及與所述第四關鍵詞集合對應的第四提取策略，提取所述歷史用藥數(shù)據(jù)對應的用藥記錄數(shù)據(jù)初始子集；

通過預先設置的第五關鍵詞集合及與所述第五關鍵詞集合對應的第五提取策略，提取所述歷史治療方案對應的歷史治療方案數(shù)據(jù)初始子集；

將所述電子病歷數(shù)據(jù)初始子集、檢查報告數(shù)據(jù)初始子集、用藥記錄數(shù)據(jù)初始子集、歷史治療方案數(shù)據(jù)初始子集中各字段的取值進行關鍵詞抽取，以得到與所述電子病歷數(shù)據(jù)初始子集對應的電子病歷數(shù)據(jù)子集、與所述檢查報告數(shù)據(jù)初始子集對應的檢查報告數(shù)據(jù)子集、與所述用藥記錄數(shù)據(jù)初始子集對應的用藥記錄數(shù)據(jù)子集、與所述歷史治療方案數(shù)據(jù)初始子集對應的歷史治療方案數(shù)據(jù)子集；

調用預先設置的第一關鍵詞集合及與所述第一關鍵詞集合對應的第一提取策略，提取與所述身份識別數(shù)據(jù)對應的歷史醫(yī)療數(shù)據(jù)集中的目標數(shù)據(jù)集合，以與所述當前用戶醫(yī)療數(shù)據(jù)進行合并得到當前用戶輸入數(shù)據(jù)；

由所述當前用戶輸入數(shù)據(jù)中各字段對應的語義向量組成當前用戶數(shù)據(jù)輸入向量，將所述當前用戶數(shù)據(jù)輸入向量輸入至預先訓練的卷積神經(jīng)網(wǎng)絡模型，得到與所述當前用戶數(shù)據(jù)輸入向量對應的分類結果；

判斷所述分類結果對應的治療路徑數(shù)據(jù)種類是否大于1；

若所述分類結果對應的治療路徑數(shù)據(jù)種類大于1，獲取分類結果對應的各治療路徑數(shù)據(jù)種類分別對應的標準用戶數(shù)據(jù)輸入向量；以及

將分類結果分別對應的標準用戶數(shù)據(jù)輸入向量與所述當前用戶數(shù)據(jù)輸入向量計算向量相似度，獲取向量相似度為最大值對應的標準用戶數(shù)據(jù)輸入向量、及對應的治療路徑數(shù)據(jù)，以作為最佳治療路徑數(shù)據(jù)；

其中，提取策略是將對應關鍵詞集合對應的各關鍵詞的具體取值進行提取。

2.根據(jù)權利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)的用戶數(shù)據(jù)分類方法，其特征在于，所述由所述當前用戶輸入數(shù)據(jù)中各字段對應的語義向量組成當前用戶數(shù)據(jù)輸入向量，將所述當前用戶數(shù)據(jù)輸入向量輸入至預先訓練的卷積神經(jīng)網(wǎng)絡模型，得到與所述當前用戶數(shù)據(jù)輸入向量對應的分類結果，包括：

獲取所述當前用戶輸入數(shù)據(jù)中各字段對應的語義向量，將每一語義向量進行求和，以得到與所述當前用戶輸入數(shù)據(jù)對應的當前用戶數(shù)據(jù)輸入向量；

調用預先存儲的卷積神經(jīng)網(wǎng)絡模型；

將與所述當前用戶輸入數(shù)據(jù)對應的當前用戶數(shù)據(jù)輸入向量作為所述卷積神經(jīng)網(wǎng)絡模型的輸入，得到對應的分類結果。

3.根據(jù)權利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)的用戶數(shù)據(jù)分類方法，其特征在于，所述調用預先設置的第一關鍵詞集合及與所述第一關鍵詞集合對應的第一提取策略，提取與所述身份識別數(shù)據(jù)對應的歷史醫(yī)療數(shù)據(jù)集中的目標數(shù)據(jù)集合，以與所述當前用戶醫(yī)療數(shù)據(jù)進行合并得到當前用戶輸入數(shù)據(jù)，包括：

調用所述第一關鍵詞集合及與所述第一關鍵詞集合對應的第一提取策略，在歷史醫(yī)療數(shù)據(jù)集中獲取與所述身份識別數(shù)據(jù)相對應且與第一關鍵詞集合中各字段分別對應的目標數(shù)據(jù)集合；

將所述目標數(shù)據(jù)集合中與所述當前用戶醫(yī)療數(shù)據(jù)中重復字段進行數(shù)據(jù)組合并去重，得到當前用戶輸入數(shù)據(jù)。