[發明專利]疾病多源數據的處理方法、裝置、存儲介質及電子裝置

在審

• 申請號: 202210183891.3
• 申請日: 2022-02-25
• 公開（公告）號: CN114582516A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 杜登斌;杜樂;杜小軍;陳伯懷
• 申請（專利權）人: 吾征智能技術（北京）有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06K9/62;G06V10/762
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 高科

本申請公開了一種疾病多源數據的處理方法、裝置、存儲介質及電子裝置。該處理方法包括：獲取疾病多源數據；其中，所述疾病多源數據包括：中西醫辯證論治數據和患者疾病數據；歸一化處理所述疾病多源數據，并提取歸一化處理后的的疾病多源數據中的疾病特征；通過K?means聚類算法對所述疾病特征進行聚類，得到聚類模塊；利用AdaBoost算法將聚類模塊作為訓練樣本訓練疾病分類模型；將待識別特征數據輸入訓練后的疾病分類模型，預測得到疾病類別和中西醫辯證論治結果。本申請解決了由于無法將西醫和中醫相結合造成的輔助診斷結果不夠精確或難以代表整體的技術問題。

技術領域

本申請涉及數據處理領域，具體而言，涉及一種疾病多源數據的處理方法、裝置、存儲介質及電子裝置。

背景技術

發明人發現，大數據判斷疾病中基于西醫或中醫進行處理、建模并疾病分類，但是僅從中醫角度進行分析處理，得到的輔助診斷結果往往不夠精確，僅從西醫角度進行分析處理，得到的輔助診斷結果又難以代表整體。

針對相關技術中無法將西醫和中醫相結合造成輔助診斷結果不夠精確或難以代表整體的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種疾病多源數據的處理方法、裝置、存儲介質及電子裝置，以解決無法將西醫和中醫相結合造成輔助診斷結果不夠精確或難以代表整體的問題。

為了實現上述目的，根據本申請的一個方面，提供了一種疾病多源數據的處理方法。

根據本申請的疾病多源數據的處理方法包括：獲取疾病多源數據；其中，所述疾病多源數據包括：中西醫辯證論治數據和患者疾病數據；歸一化處理所述疾病多源數據，并提取歸一化處理后的的疾病多源數據中的疾病特征；通過K-means聚類算法對所述疾病特征進行聚類，得到聚類模塊；利用AdaBoost算法將聚類模塊作為訓練樣本訓練疾病分類模型；將待識別特征數據輸入訓練后的疾病分類模型，預測得到疾病類別和中西醫辯證論治結果。

進一步的，所述患者疾病數據至少包括：患者的疾病病史、主次要癥狀信息、常規檢查信息和查體信息。

進一步的，所述中西醫辯證論治數據至少包括：疾病主次要癥狀、中醫辨病辯證依據、西醫診斷標磚和依據以及中西醫辯證論治方法和處方。

進一步的，歸一化處理所述疾病多源數據，并提取歸一化處理后的的疾病多源數據中的疾病特征包括：

對所述疾病多源數據進行分詞并去除停用詞處理；

采用TF-IDF分詞技術從處理后的疾病多源數據中提取特征詞，作為疾病特征。

進一步的，通過K-means聚類算法對所述疾病特征進行聚類，得到聚類模塊包括：

給定聚類K和疾病特征的數據集T＝{t₁,t₂……,t_n},t_i＝(x_i,y_i)；

隨機選擇K作為初始質心點；

對于所剩下的對象，則根據它們與聚類中心的距離，分別將其分配給與其最相似的聚類；

計算每個所獲新聚類的聚類中心；

如果滿足標準，則停止。

進一步的，利用AdaBoost算法將聚類模塊作為訓練樣本訓練疾病分類模型包括：

將聚類模塊作為訓練樣本，每一個訓練樣本有初始化權重：

計算基本分類器的訓練偏差：

循環迭代T次,并對每個訓練樣本的權重進行更新：