[發(fā)明專利]基于軟件定義的智能化HIE平臺的構建方法及電子設備有效
| 申請?zhí)枺?/td> | 202110457945.6 | 申請日: | 2021-04-27 |
| 公開(公告)號: | CN113077895B | 公開(公告)日: | 2022-10-28 |
| 發(fā)明(設計)人: | 張美華 | 申請(專利權)人: | 上海德衡數(shù)據(jù)科技有限公司 |
| 主分類號: | G16H50/20 | 分類號: | G16H50/20;G06N3/04;G06N3/08;G16H50/70 |
| 代理公司: | 北京恒和頓知識產(chǎn)權代理有限公司 11014 | 代理人: | 林濤 |
| 地址: | 201600 上海市松江區(qū)*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 軟件 定義 智能化 hie 平臺 構建 方法 電子設備 | ||
本發(fā)明公開了基于軟件定義的智能化HIE平臺的構建方法及電子設備,通過確定實時醫(yī)療信息,實時醫(yī)療信息中具有多種信息內(nèi)容;針對每個信息內(nèi)容,基于相關信息內(nèi)容的其他信息內(nèi)容在內(nèi)容指標上的實時內(nèi)容特征向量整合信息內(nèi)容在內(nèi)容指標上的實時內(nèi)容特征向量,作為目標內(nèi)容特征向量;確定實時醫(yī)療信息中的關鍵區(qū)域;根據(jù)目標內(nèi)容特征向量與關鍵區(qū)域生成醫(yī)療訓練模型;在實時醫(yī)療信息中的基礎上,根據(jù)醫(yī)療訓練模型與目標內(nèi)容特征向量對關鍵區(qū)域進行關聯(lián)處理,確定HIE平臺訓練模型。此時的HIE平臺訓練模型中已經(jīng)準確確定了關鍵區(qū)域,并對關鍵區(qū)域關聯(lián)度最高的醫(yī)療訓練模型,對關鍵區(qū)域進行關聯(lián)處理,實現(xiàn)了有針對性的構建HIE平臺訓練模型。
技術領域
本公開涉及HIE平臺的技術領域,特別涉及基于軟件定義的智能化HIE平臺的構建方法及電子設備。
背景技術
隨著區(qū)域智能醫(yī)療服務平臺的搭建,智能醫(yī)療將真正實現(xiàn)醫(yī)療信息的互聯(lián)互通。智能醫(yī)療工程將是一個多層面的數(shù)據(jù)處理平臺,通過關聯(lián)、估計和組合多個信息源的數(shù)據(jù),全面加工和協(xié)同利用各種系統(tǒng)及物聯(lián)網(wǎng)多元數(shù)據(jù)相關信息,最終實現(xiàn)智能醫(yī)療信息的融合。
智能醫(yī)療產(chǎn)業(yè)結構和利益鏈條形成過程較為復雜,需要有新的商業(yè)模式和服務方法來整合利益關系,調(diào)整利益結構和轉(zhuǎn)變分配方式。目前來看,智能醫(yī)療系統(tǒng)技術、標準、產(chǎn)品、應用以及政策層面均呈現(xiàn)出良好開端。
發(fā)明內(nèi)容
為改善相關技術中存在的上述背景技術存在的技術問題,本公開提供了基于軟件定義的智能化HIE平臺的構建方法及電子設備。
本申請?zhí)峁┝艘环N基于軟件定義的智能化HIE平臺的構建方法,包括:
確定實時醫(yī)療信息,所述實時醫(yī)療信息中具有多種信息內(nèi)容;
針對每個所述信息內(nèi)容,基于相關所述信息內(nèi)容的其他信息內(nèi)容在內(nèi)容指標上的實時內(nèi)容特征向量整合所述信息內(nèi)容在所述內(nèi)容指標上的實時內(nèi)容特征向量,作為目標內(nèi)容特征向量;
確定所述實時醫(yī)療信息中的關鍵區(qū)域;
根據(jù)所述目標內(nèi)容特征向量與所述關鍵區(qū)域生成醫(yī)療訓練模型;
在所述實時醫(yī)療信息中的基礎上,根據(jù)所述醫(yī)療訓練模型與所述目標內(nèi)容特征向量對所述關鍵區(qū)域進行關聯(lián)處理,確定HIE平臺訓練模型。
進一步地,所述針對每個所述信息內(nèi)容,基于相關所述信息內(nèi)容的其他信息內(nèi)容在內(nèi)容指標上的實時內(nèi)容特征向量整合所述信息內(nèi)容在所述內(nèi)容指標上的實時內(nèi)容特征向量,作為目標內(nèi)容特征向量,包括:
從所述信息內(nèi)容中確定第一策略事件以及至少兩個第二策略事件,所述第二策略事件與所述第一策略事件的事件系數(shù)相似,所述事件系數(shù)具有第一指標和第二指標;
確定所述第二策略事件的內(nèi)容指標上在第一指標的實時內(nèi)容特征向量的平均向量,作為所述第一策略事件的內(nèi)容指標上在所述第一指標的目標內(nèi)容特征向量;
確定所述第二策略事件的內(nèi)容指標上在第二指標的實時內(nèi)容特征向量的平均向量,作為所述第一策略事件的內(nèi)容指標上在所述第二指標的目標內(nèi)容特征向量。
進一步地,所述確定所述實時醫(yī)療信息中的關鍵區(qū)域,包括:
將所述信息內(nèi)容的內(nèi)容指標上從待處理內(nèi)容指標上轉(zhuǎn)換為關鍵內(nèi)容指標上;
將所述信息內(nèi)容輸入預設的信息類型判別模型中,以輸出屬于關鍵區(qū)域的信息內(nèi)容。
進一步地,所述根據(jù)所述目標內(nèi)容特征向量與所述關鍵區(qū)域生成醫(yī)療訓練模型,包括:
根據(jù)目標內(nèi)容特征向量確定表征信息屬性的信息內(nèi)容,作為信息屬性節(jié)點;
基于所述信息屬性節(jié)點對所述信息內(nèi)容確定第一占比;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海德衡數(shù)據(jù)科技有限公司,未經(jīng)上海德衡數(shù)據(jù)科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110457945.6/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





