[發明專利]基于關聯算法的手術缺漏自動檢測方法

有效

• 申請號: 202011264688.6
• 申請日: 2020-11-12
• 公開（公告）號: CN112349399B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 徐偉風;李易平
• 申請（專利權）人: 杭州火樹科技有限公司
• 主分類號: G16H40/20
• 分類號: G16H40/20;G06N5/02;G06N7/00
• 代理公司: 杭州融方專利代理事務所(普通合伙) 33266
• 代理人: 沈相權

1.基于關聯算法的手術缺漏自動檢測方法，其特征在于，手術缺漏自動檢測方法實現過程如下：

步驟A1，提取數據庫中所有患者所有手術及收費項目，并按7∶3比例拆分為訓練集和測試集；

步驟A2，計算訓練集中每類收費項目涉及到的手術種類占整個訓練集中所有手術種類的比例的值，將該比例的值記為區分度閾值，用D表示，具體計算公式如下：

D＝I_i/S_i∈{1，2，…，m} (1)

其中，I_i表示第i類收費項目在訓練集中關聯到的手術種類數量；S表示訓練集中手術種類總數量；

步驟A3，結合醫學知識及數據分布特點，初步設置區分度閾值D＝0.6，剔除訓練集中低于該區分度 閾值D的收費項目；

步驟A4，獲取訓練集中修正后的所有手術及收費項目集合，基于獨熱碼技術構建患者手術收費項目矩陣；

獨熱碼是用N位狀態寄存器編碼N個狀態，每個狀態都有獨立的寄存器位，且這些寄存器位中只有一位有效；

步驟A5，基于步驟4建立的患者手術收費項目矩陣，使用開源工具包mlxtend中封裝的關聯算法Apriori，根據支持度提取頻繁項集，支持度定義如下：

Sup(A→B)＝S_AB/M

其中M表示數據集中總的記錄數；S_AB表示項目A和項目B一起出現的次數；步驟A5中的支持度為5/M；

步驟A6，在頻繁項集的基礎上，修改關聯算法Apriori，限制前項為收費項目的項集，在算法層次上避免無效規則的產生，并有效降低數據的存儲空間，將修改后的關聯算法命名為Crop-Apriori算法；優化后的關聯算法保證算法僅生成前項為收費項目，后項為手術的關聯規則，然后根據置信度確定最終的關聯規則；置信度定義如公式2所示：

Conf(A→B)＝(Sup(A→B))/(P(A)) (2)

其中P(A)表示項目A在數據集中出現的概率；

步驟A7，Crop-Apriori算法具體流程如下：

遍歷步驟A5，找到的所有頻繁項集，找出所有的2-項集，記為C_1，根據置信度確定符合條件的關聯規則，前項為收費項目，后項為手術，記為L_1；

在L1基礎上，頻繁2-項集兩兩組合，生成3-項集，記為C_2，根據置信度確定符合條件的關聯規則，記為L_2；

在L_2基礎上，頻繁3-項集兩兩組合，生成4-項集，記為C_3，根據置信度確定符合條件的關聯規則，記為L_3，依此類推，直到找到所有符合條件的關聯規則；

步驟A8，使用在訓練集上獲得的關聯規則，根據患者的收費項目檢測測試集中患者可能遺漏的手術，具體策略如下：

遍歷步驟7獲得的所有關聯規則，計算規則前項與測試患者收費項目交集的數量；

使用交集最多的關聯規則的規則后項作為該測試患者可能的遺漏手術；

步驟A9，計算手術遺漏預測準確率，如果準確率達不到要求，回到步驟3，調整區分度閾值、支持度閾值及置信度閾值，直至獲得滿意的準確率。

2.根據權利要求1所述的基于關聯算法的手術缺漏自動檢測方法，其特征在于，在步驟A2中，計算訓練集中每類收費項目涉及到的手術種類占整個訓練集中所有手術種類的比例的值時，需要判斷比例的值是否大于區分度閾值；如果比例的值大于區分度閾值，則進行收費項目手術矩陣構建，然后進行Apriori算法訓練；如果比例的值小于或等于區分度閾值則直接剔除。