[發(fā)明專利]醫(yī)療機構的患者界面生成方法、裝置、電子設備及介質

有效

• 申請?zhí)枺?/td>: 202010917022.X
• 申請日: 2020-09-03
• 公開（公告）號: CN111986744B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設計）人: 謝斐
• 申請（專利權）人: 深圳賽安特技術服務有限公司
• 主分類號: G16H10/20
• 分類號: G16H10/20;G16H50/20;G16H50/70;G16H80/00;G06F18/22;G06F18/214
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 孫哲

1.一種醫(yī)療機構的患者界面生成方法，其特征在于，所述方法包括：

在接收到目標患者的客戶端發(fā)送的登錄信息時，發(fā)送問卷調查請求至所述客戶端，并接收所述客戶端返回的問卷調查結果信息；

將所述登錄信息進行標簽轉化得到第一標簽集，及將所述問卷調查結果信息進行標簽轉化得到第二標簽集；

將所述第一標簽集及所述第二標簽集進行合并，得到所述目標患者的目標患者畫像；

將所述目標患者畫像輸入至預先訓練的群體分類模型中，識別出所述目標患者的群體類型；

根據所述目標患者的群體類型和所述目標患者畫像確定所述目標患者的多個目標標簽，及根據所述目標患者的群體類型確定目標界面布局模板；

根據所述多個目標標簽和所述目標界面布局模板生成所述目標患者對應的界面。

2.如權利要求1所述的醫(yī)療機構的患者界面生成方法，其特征在于，所述根據所述目標患者的群體類型和所述目標患者畫像確定所述目標患者的多個目標標簽包括：

獲取所述目標患者畫像中的所有第一標簽及每個第一標簽的第一推薦評分；

從所述目標患者的群體類型中獲取多個患者，并獲取每個患者的所有第二標簽及每個第二標簽對應的第二推薦評分；

根據所述所有第一標簽及每個第一標簽的第一推薦評分與每個患者的所有第二標簽及每個第二標簽的第二推薦評分計算所述目標患者與每個患者之間的相似度；

從所述相似度中選取相似度最高的N個患者作為所述目標患者的相似患者；

從所述相似患者的推薦評分選取推薦評分最高的M個標簽作為所述目標患者的多個目標標簽。

3.如權利要求1所述的醫(yī)療機構的患者界面生成方法，其特征在于，所述根據所述目標患者的群體類型確定目標界面布局模板包括：

將所述目標患者的群體類型與預設的數據庫中的群體類型進行匹配；

當在所述預設的數據庫中匹配到與所述目標患者的群體類型相匹配的目標群體類型時，將所述目標群體類型對應的界面布局模板作為所述目標界面布局模板；

當在所述預設的數據庫中未匹配到與所述目標患者的群體類型相匹配的目標群體類型時，獲取默認的界面布局模板作為所述目標界面布局模板。

4.如權利要求1所述的醫(yī)療機構的患者界面生成方法，其特征在于，所述將所述登錄信息進行標簽轉化得到第一標簽集，及將所述問卷調查結果信息進行標簽轉化得到第二標簽集包括：

提取所述登錄信息中的多個第一關鍵字段，調用預先存儲的第一標簽轉化策略，將所述多個第一關鍵字段分別進行標簽轉化得到第一標簽集；及

提取所述問卷調查結果信息中的多個第二關鍵字段，調用預先存儲的第二標簽轉化策略，將所述多個第二關鍵字段分別進行標簽轉化得到第二標簽集。

5.如權利要求1所述的醫(yī)療機構的患者界面生成方法，其特征在于，所述群體分類模型的訓練過程包括：

針對每個群體類型，獲取多個歷史患者的多個標簽集；

根據每個歷史患者的多個標簽集得到每個歷史患者的歷史患者畫像；

將多個所述歷史患者畫像及對應的群體類型作為樣本數據集；

從所述樣本數據集中劃分出訓練集和測試集；

將所述訓練集輸入預設神經網絡中進行訓練，得到群體分類模型；

將所述測試集輸入至所述群體分類模型中進行測試，并計算測試通過率；

當所述測試通過率大于或者等于預設通過率閾值時，結束所述群體分類模型的訓練；當所述測試通過率小于所述預設通過率閾值時，增加所述訓練集的數量，重新進行群體分類模型的訓練。

6.如權利要求1所述的醫(yī)療機構的患者界面生成方法，其特征在于，在根據所述目標患者的群體類型確定目標界面布局模板之前，所述方法還包括：

從預設的多個數據源中獲取多個群體類型及每個群體類型對應的所有關鍵標簽，并將每個關鍵標簽按照預設的轉換規(guī)則轉換成對應的自定義標簽；

根據每個群體類型及每個群體類型對應的所有自定義標簽創(chuàng)建目標界面布局模板，其中，每個自定義標簽關聯(lián)有對應界面布局模板中的位置信息。