[發明專利]基于人工智能的異常患者識別方法及相關設備

有效

• 申請號: 202110567586.X
• 申請日: 2021-05-24
• 公開（公告）號: CN113270200B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 唐蕊;蔣雪涵;孫行智
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H10/60;G06K9/62
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;曹勇

本申請應用于數字醫療領域，涉及人工智能技術領域，揭示了一種基于人工智能的異常患者識別方法及相關設備，其中方法包括：分別將每個患者嵌入向量集合輸入目標患者行為學習模型得到多個患者嵌入向量集合各自對應的患者行為向量，目標患者行為學習模型包括：輸入層、12層編碼器、輸出層；根據標識符號位置，分別對每個患者行為向量進行單個收費項目的向量提取，得到多個患者嵌入向量集合各自對應的待聚類的行為向量；采用DBSCAN聚類算法對所有待聚類的行為向量進行聚類得到多個患者行為向量聚類集合，根據多個患者行為向量聚類集合進行異常患者檢測并確定異常患者集合。實現了對患者的行為進行深度挖掘，提高了異常患者識別的準確性。

技術領域

本申請涉及到人工智能技術領域，特別是涉及到一種基于人工智能的異常患者識別方法及相關設備。

背景技術

醫療質量控制，是指在醫療活動中，對于現有和潛在的風險進行識別、分析、評估和處理，有計劃和有組織地減少和消除風險的發生，降低風險事件造成的不利影響和經濟損失。

在醫療質量控制領域中，對異常患者的識別是重要的任務之一。現有的異常患者識別方法主要是對患者的基本信息(例如年齡、性別、身高、體重等)進行分析，從統計值出發對患者進行異常識別，然而這種方法較為基礎，進行異常患者識別的能力有限，降低了異常患者識別的準確性。

發明內容

本申請的主要目的為提供一種基于人工智能的異常患者識別方法、裝置、設備及存儲介質，旨在解決現有技術中異常患者識別方法主要是對患者的基本信息進行分析，從統計值出發對患者進行異常識別的能力有限，降低了異常患者識別的準確性的技術問題。

為了實現上述發明目的，本申請提出一種基于人工智能的異常患者識別方法，所述方法包括：

獲取多個患者嵌入向量集合，所述患者嵌入向量集合包括：一個患者的多個收費項目對應的收費項目名稱嵌入向量、收費項目類型嵌入向量和收費項目費用嵌入向量；

分別將每個所述患者嵌入向量集合輸入目標患者行為學習模型進行患者行為學習，得到所述多個患者嵌入向量集合各自對應的患者行為向量，所述目標患者行為學習模型包括：輸入層、12層編碼器、輸出層；

獲取標識符號位置，根據所述標識符號位置，分別對每個所述患者行為向量進行向量提取，得到所述多個患者嵌入向量集合各自對應的待聚類的行為向量；

采用DBSCAN聚類算法，對所有所述待聚類的行為向量進行聚類，得到多個患者行為向量聚類集合，根據所述多個患者行為向量聚類集合進行異常患者檢測，得到異常患者行為向量集合；

根據所述異常患者行為向量集合進行異常患者確定，得到異常患者集合。

進一步的，所述分別將每個所述患者嵌入向量集合輸入目標患者行為學習模型進行患者行為學習，得到所述多個患者嵌入向量集合各自對應的患者行為向量的步驟之前，還包括：

獲取多個患者訓練樣本，所述患者訓練樣本包括：患者嵌入向量樣本數據、患者行為標定向量和總費用分類標定向量；

從所述多個患者訓練樣本中提取一個所述患者訓練樣本，作為目標患者訓練樣本；

采用隨機算法和預設比例，根據所述目標患者訓練樣本進行隱藏的所述收費項目的確定，得到隱藏收費項目集合；

針對所述目標患者訓練樣本的所述患者嵌入向量樣本數據，進行所述隱藏收費項目集合中的每個所述收費項目對應的嵌入向量隱藏，得到隱藏后的患者嵌入向量樣本數據；

根據所述目標患者訓練樣本的所述患者行為標定向量，進行所述隱藏收費項目集合中的每個所述收費項目對應的標定向量提取，得到目標標定向量；