[發明專利]一種醫療對象聚類方法、裝置、電子設備及存儲介質

有效

• 申請號: 202210829754.2
• 申請日: 2022-07-15
• 公開（公告）號: CN114913986B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 楊翠;劉萬利;謝靜;田言
• 申請（專利權）人: 四川大學華西醫院
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06K9/62
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 汪阮磊

本申請實施例公開了一種醫療對象聚類方法、裝置、電子設備及存儲介質，該方法包括：獲取醫療特征數據集；將醫療特征數據集輸入聚類模型，得到每個醫療對象所屬的聚類簇；從醫療特征數據集中，獲取聚類簇對應的子特征數據集；根據子特征數據集中特征的條件關聯結構，對子特征數據集中特征的頻次進行二次分配，得到所述子特征數據集中每個特征對應的二次分配頻次；基于所述子特征數據集中每個特征對應的二次分配頻次估計每個特征對應的條件概率；根據所述條件概率對預設分類模型進行訓練，得到目標醫療對象分類模型，并基于所述目標醫療對象分類模型對待分類醫療對象進行分類。本申請提升醫療對象分類可靠性。

技術領域

本申請涉及人工智能技術領域，具體涉及一種醫療對象聚類方法、裝置、電子設備及存儲介質。

背景技術

在現行的醫療對象分類方式中，醫院根據不同的醫療對象來源（即門診醫療對象、住院醫療對象和急診醫療對象等）的標準對醫療對象進行分類，然后根據對應的分類進行后續安排。

但是，僅僅依靠醫療對象來源的標準并不能很好的反映醫療對象的真實情況，從而存在使得醫療對象等待時間過長而不能及時獲取所匹配的醫療項目的問題。另外，由于醫療資源有限的情況下，醫療資源不能與醫療對象很好的匹配起來，例如，導致病情緊急/嚴重的醫療對象不能及時獲得優質的治療資源，從而喪失最佳的診療時機。因此，現有技術中存在醫療對象分類可靠性較差的問題。

發明內容

本申請實施例提供一種醫療對象聚類方法及相關裝置，旨在提升醫療對象分類可靠性。

為解決上述技術問題，本申請實施例提供以下技術方案：

根據本申請的一個實施例，一種醫療對象聚類方法，包括：獲取醫療特征數據集，所述醫療特征數據集中包括多個醫療對象以及每個所述醫療對象對應的特征；將所述醫療特征數據集輸入聚類模型，得到每個所述醫療對象所屬的聚類簇，其中，每個所述聚類簇對應一個類別；從所述醫療特征數據集中，獲取所述聚類簇對應的子特征數據集；根據所述子特征數據集中特征的條件關聯結構，對所述子特征數據集中特征的頻次進行二次分配，得到所述子特征數據集中每個特征對應的二次分配頻次，所述條件關聯結構為特征之間的條件關系所對應結構，所述特征的頻次為所述特征在對應的子特征數據集中出現的個數；基于所述子特征數據集中每個特征對應的二次分配頻次估計每個特征對應的條件概率；根據所述條件概率對預設分類模型進行訓練，得到目標醫療對象分類模型，并基于所述目標醫療對象分類模型對待分類醫療對象進行分類。

根據本申請的一個實施例，一種醫療對象聚類裝置，包括：獲取模塊，用于獲取醫療特征數據集，所述醫療特征數據集中包括多個醫療對象以及每個所述醫療對象對應的特征；聚類模塊，用于將所述醫療特征數據集輸入聚類模型，得到每個所述醫療對象所屬的聚類簇，其中，每個所述聚類簇對應一個類別；劃分模塊，用于從所述醫療特征數據集中，獲取所述聚類簇對應的子特征數據集；分配模塊，用于根據所述子特征數據集中特征的條件關聯結構，對所述子特征數據集中特征的頻次進行二次分配，得到所述子特征數據集中每個特征對應的二次分配頻次；估計模塊，用于基于所述子特征數據集中每個特征對應的二次分配頻次估計每個特征對應的條件概率；分類模塊，用于根據所述條件概率對預設分類模型進行訓練，得到目標醫療對象分類模型，并基于所述目標醫療對象分類模型對待分類醫療對象進行分類。

在本申請的一些實施例中，所述裝置還包括：匹配表獲取模塊，用于獲取條件關系匹配表，所述條件關系匹配表中預設有特征樣本之間的條件關聯結構；關系匹配模塊，用于基于所述子特征數據集中所包含的特征與所述條件關系匹配表中預設的特征樣本的匹配關系，確定所述子特征數據集中特征的條件關聯結構。

在本申請的一些實施例中，所述裝置還包括：特征獲取模塊，用于獲取所述子特征數據集中所包含的特征；結構分析模塊，用于將所述子特征數據集中所包含的特征，輸入結構分析模型，得到所述結構分析模型輸出的所述子特征數據集中特征的條件關聯結構。