一种肿瘤患者电子病历数据智能分析方法及系统与流程
本发明属于数据处理领域,具体涉及一种肿瘤患者电子病历数据智能分析方法及系统。
背景技术:
1、伴随着医疗信息化和人工智能技术的迅猛发展,肿瘤诊疗领域积累了海量但未被充分利用的电子病历数据。这些数据,尤其是蕴含丰富细节的文本数据,如同沉睡的金矿,传统方法难以有效挖掘。因此,开发肿瘤患者电子病历的智能分析方法应运而生。通过自然语言处理、机器学习等技术,将碎片化的医疗信息转化为系统化的知识,从而推动肿瘤诊疗从“经验驱动”迈向“数据驱动”。其对临床实践、科学研究及医院管理均具有深远意义,将为肿瘤患者带来更优的生存获益,并深刻变革癌症的全程管理模式,是智慧医疗发展的关键一环。
2、由于医生在对肿瘤患者的电子病历进行登记时,可能对部分数据登记错误,即肿瘤患者的电子病历中部分维度内的数据可能存在记录错误、信息缺失等异常问题。因此,在对肿瘤患者的电子病历进行分析前,首先获取肿瘤患者的电子病历中的异常部分,之后对肿瘤患者的电子病历中的异常部分进行修正。
3、由于当前在获取了肿瘤患者的电子病历中的异常部分后,是对病历中的所有异常部分均进行修正,使得修正时间可能较长,且不能确定修正后的数据的准确性,使得修正后的数据可能仍与实际数据存在较大差异。
技术实现思路
1、为了解决当前在对肿瘤患者的电子病历中的异常部分进行处理时,是对所有的异常部分均进行了修正,且无法确定修正后的数据的准确性的问题,本发明提出了一种肿瘤患者电子病历数据智能分析方法及系统。
2、为了实现上述目的,本发明提供如下技术案:获取所有肿瘤患者的所有待分析病历;将所有待分析病历中同一维度内的数据输入到随机森林算法内,判断每一待分析病历中每一维度内的数据是否为异常数据;将每一肿瘤患者的所有待分析病历中的不同维度内的正常数据进行对比,得到肿瘤患者的待分析病历中的每一维度与其他维度的最终相关性,进而得到对异常数据进行修正的维度;所述每一待分析病历中每一维度内的数据不为异常数据,即为正常数据;将所有待分析病历中对异常数据进行修正的每一维度内的异常数据进行第一次修正后,将所有待分析病历中对异常数据进行修正的每一维度内的正常数据与第一次修正后的异常数据跟其他维度内的正常数据进行对比,得到对异常数据进行修正的每一维度第一次修正后与其他维度的最终相关性;将肿瘤患者的待分析病历中对异常数据进行修正的每一维度与其他维度的最终相关性跟对异常数据进行修正的每一维度第一次修正后与其他维度的最终相关性进行对比,得到对异常数据进行修正的每一维度内的异常数据第一次修正后的准确性,完成对异常数据进行修正的维度内的异常数据的最终修正,辅助医生对肿瘤患者的电子病历进行分析。
3、进一步地,所述判断每一待分析病历中每一维度内的数据是否为异常数据的具体步骤如下:若所有肿瘤患者的所有待分析病历中的第个维度内的数据均为数值,则将肿瘤患者的待分析病历中的第个维度记为一个数值型维度,否则记为一个字符型维度;获取每一待分析病历中每一字符型维度内的数据中的所有关键实体;将第个肿瘤患者的第个待分析病历中的第个字符型维度内的数据中的所有关键实体,放到一个集合内,将其记为第个肿瘤患者的第个待分析病历中的第个字符型维度的集合;将所有肿瘤患者的所有待分析病历中的第个字符型维度的集合输入到随机森林算法内,判断每一待分析病历中的第个字符型维度的集合是否存在异常;若一个待分析病历中的第个字符型维度的集合存在异常,则认为该待分析病历中的第个字符型维度内的数据为异常数据;若一个待分析病历中的第个字符型维度的集合不存在异常,则认为该待分析病历中的第个字符型维度内的数据为正常数据;将所有肿瘤患者的所有待分析病历中的第个数值型维度内的数据输入到随机森林算法内,判断每一待分析病历中的第个数值型维度内的数据,是否为异常数据,且当一个待分析病历中的第个数值型维度内的数据不为异常数据时,则该待分析病历中的第个数值型维度内的数据为正常数据。
4、进一步地,所述得到肿瘤患者的待分析病历中的每一维度与其他维度的最终相关性的具体步骤如下:若第个肿瘤患者的第个待分析病历中的第个字符型维度内的数据为正常数据,根据第个肿瘤患者的第个待分析病历中的第个字符型维度内的数据中的所有关键实体,生成一个向量,将其记为第个肿瘤患者的第个待分析病历中的第个字符型维度的向量;获取第个肿瘤患者的第个待分析病历中的第个字符型维度与第个字符型维度的相关性的具体计算公式如下:式中,表示第个肿瘤患者的第个待分析病历中的第个字符型维度与第个字符型维度的相关性,表示第个肿瘤患者的第个与第个待分析病历中的第个字符型维度的向量的余弦相似度,表示第个肿瘤患者的第个与第个待分析病历中的第个字符型维度的向量的余弦相似度,表示绝对值函数,为以自然常数为底的指数函数;将所有肿瘤患者的所有待分析病历中的第个字符型维度与第个字符型维度的相关性的均值,记为肿瘤患者的待分析病历中的第个字符型维度与第个字符型维度的最终相关性;根据肿瘤患者的待分析病历中的每一数值型维度内的数据的数值,得到肿瘤患者的待分析病历中的每一数值型维度与其他数值型维度的最终相关性。
5、进一步地,所述得到肿瘤患者的待分析病历中的每一数值型维度与其他数值型维度的最终相关性的具体步骤如下:构建横坐标为肿瘤患者的待分析病历中的第个数值型维度内的正常数据的数值,纵坐标为肿瘤患者的待分析病历中的第个数值型维度内的正常数据的数值,得到一个二维坐标系;将第个肿瘤患者的所有待分析病历映射到二维坐标系内,得到二维坐标系内的若干数据点;根据二维坐标系内的所有数据点,计算出一个皮尔逊相关系数,将其记为第个肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度的相关性;将所有肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度的相关性的均值经绝对化后的结果,记为肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度的最终相关性。
6、进一步地,所述得到对异常数据进行修正的维度的具体步骤如下:预设数值可能性阈值,若肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度的最终相关性大于,则肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度存在相关性;预设字符相关性阈值,若肿瘤患者的待分析病历中的第个字符型维度与第个字符型维度的最终相关性大于,则肿瘤患者的待分析病历中的第个字符型维度与第个字符型维度存在相关性;获取第个数值型维度对待分析病历的重要程度的具体计算公式如下:式中,表示肿瘤患者的待分析病历中的第个数值型维度对待分析病历的重要程度,表示肿瘤患者的待分析病历中含有的数值型维度的种类数,表示肿瘤患者的待分析病历中的所有种类的数值型维度内与第个数值型维度存在相关性的数值型维度的数量,表示肿瘤患者的待分析病历中所有跟第个数值型维度存在相关性的数值型维度与第个数值型维度的最终相关性的均值;获取第个字符型维度对待分析病历的重要程度的具体计算公式如下:式中,表示肿瘤患者的待分析病历中的第个字符型维度对待分析病历的重要程度,表示肿瘤患者的待分析病历中含有的字符型维度的种类数,表示肿瘤患者的待分析病历中的所有种类的字符型维度内与肿瘤患者的待分析病历中的第个字符型维度存在相关性的字符型维度的数量,表示肿瘤患者的待分析病历中所有跟第个字符型维度存在相关性的字符型维度与第个字符型维度的最终相关性的均值;根据肿瘤患者的待分析病历中的每一维度对待分析病历的重要程度,判断肿瘤患者的待分析病历中的每一维度是否为对异常数据进行修正的维度。
7、进一步地,所述判断肿瘤患者的待分析病历中的每一维度是否为对异常数据进行修正的维度的具体步骤如下:预设重要程度阈值,若,则肿瘤患者的待分析病历中的第个数值型维度为对异常数据进行修正的维度;若,则肿瘤患者的待分析病历中的第个字符型维度为对异常数据进行修正的维度。
8、进一步地,所述得到对异常数据进行修正的每一维度第一次修正后与其他维度的最终相关性的具体步骤如下:若肿瘤患者的待分析病历中的第个字符型维度对待分析病历的重要程度大于预设的重要程度阈值,且至少有一个待分析病历中的第个字符型维度内的数据为异常数据,则将肿瘤患者的待分析病历中的第个字符型维度记为第个待修正的字符型维度;让医生对所有肿瘤患者的所有待分析病历中的第个待修正的字符型维度内的异常数据进行第一次修正,将所有肿瘤患者的所有待分析病历中的第个待修正的字符型维度内的异常数据进行第一次修正后所得的数据,与第个待修正的字符型维度内的正常数据,均记为肿瘤患者的待分析病历中的第个待修正的字符型维度内的第一次修正数据;根据第个肿瘤患者的第个待分析病历中的第个待修正的字符型维度内的第一次修正数据,得到第个肿瘤患者的第个待分析病历中的第个待修正的字符型维度第一次修正后的向量;通过第个肿瘤患者的第个待分析病历中的第个字符型维度与第个字符型维度的相关性的获取方法,根据第个肿瘤患者的第个待分析病历与第个待分析病历中的第个待修正的字符型维度第一次修正后的向量,得到第个肿瘤患者的第个待分析病历中的第个待修正的字符型维度第一次修正后与第个字符型维度的相关性;将所有肿瘤患者的所有待分析病历中的第个待修正的字符型维度第一次修正后与第个字符型维度的相关性的均值,记为第个待修正的字符型维度第一次修正后与第个字符型维度的最终相关性;若肿瘤患者的待分析病历中的第个数值型维度对待分析病历的重要程度大于预设的重要程度阈值,且至少有一个待分析病历中的第个数值型维度内的数据为异常数据,则将肿瘤患者的待分析病历中的第个数值型维度记为第个待修正的数值型维度;让医生对所有肿瘤患者的所有待分析病历中的第个待修正的数值型维度内的异常数据进行第一次修正,将肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据进行第一次修正后所得的数据,与第个数值型维度内的正常数据,均记为肿瘤患者的待分析病历中的第个数值型维度内的第一次修正数据;构建横坐标为肿瘤患者的待分析病历中的第个数值型维度内的第一次修正数据的数值,纵坐标为肿瘤患者的待分析病历中的第个数值型维度内的正常数据的数值,得到一个二维坐标系;将第个肿瘤患者的所有待分析病历映射到二维坐标系内,得到二维坐标系内的若干样本点;通过肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度的最终相关性的获取方法,得到第个待修正的数值型维度第一次修正后与第个数值型维度的最终相关性。
9、进一步地,所述得到对异常数据进行修正的每一维度内的异常数据第一次修正后的准确性的具体步骤如下:若第个待修正的字符型维度第一次修正后与第个字符型维度的最终相关性大于预设的字符相关性阈值,则认为第个待修正的数值型维度第一次修正后与肿瘤患者的待分析病历中的第个数值型维度存在相关性;若肿瘤患者的待分析病历中的一个字符型维度即与肿瘤患者的待分析病历中的第个字符型维度存在相关性也与第个待修正的字符型维度第一次修正后存在相关性,将该字符型维度,记为第个待修正的字符型维度第一次修正后的双重关联维度;获取第个待修正的字符型维度内的异常数据第一次修正后的准确性的具体计算公式如下:式中,表示第个待修正的字符型维度内的异常数据第次修正后的准确性,表示肿瘤患者的待分析病历中的所有种类的字符型维度内与肿瘤患者的待分析病历中的第个字符型维度存在相关性的字符型维度的数量,表示肿瘤患者的待分析病历中的所有种类的字符型维度内与第个待修正的字符型维度第一次修正后存在相关性的字符型维度的数量,表示第个待修正的字符型维度第一次修正后的双重关联维度,表示肿瘤患者的待分析病历中的第个字符型维度与第个待修正的字符型维度第次修正后的第个双重关联维度的最终相关性,表示第个待修正的字符型维度第次修正后与第个待修正的字符型维度第次修正后的第个双重关联维度的最终相关性,表示绝对值函数,为以自然常数为底的指数函数,为防止分母为0的超参数;通过第个待修正的字符型维度内的异常数据第一次修正后的准确性的获取方法,根据第个待修正的数值型维度第一次修正后与第个字符型维度的最终相关性,以及肿瘤患者的待分析病历中的第个数值型维度与第个数值型维度的最终相关性,得到第个待修正的数值型维度内的异常数据第1次修正后的准确性。
10、进一步地,所述完成对异常数据进行修正的维度内的异常数据的最终修正的具体步骤如下:预设准确性阈值,若,将肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据进行第一次修正后的所得的数据,作为肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据的实际数据;若小于等于,对肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据重新进行第二次修正,根据的获取方法得到第个待修正的字符型维度内的异常数据第二次修正后的准确性,判断是否大于,若其大于则将肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据进行第二次修正后所得的数据,作为肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据的实际数据,若其小于等于;对肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据重新进行第三次修正,根据的获取方法得到第个待修正的字符型维度内的异常数据第三次修正后的准确性,不断重复上述步骤,得到肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据的实际数据,完成对肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据的一个最终修正;若,将肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据进行第一次修正后所得的数据,作为肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据的实际数据;若小于等于,对肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据进行第二次修正,根据的获取方法得到第个待修正的数值型维度内的异常数据第二次修正后的准确性,判断是否大于,若其大于则将肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据进行第二次修正后所得的数据,作为肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据的实际数据,若其小于等于;对肿瘤患者的待分析病历中的第个待修正的数值型维度内的异常数据重新进行第三次修正,得到第个待修正的数值型维度内的异常数据第三次修正后的准确性,不断重复上述步骤,得到每一肿瘤患者的每一待分析病历中的第个待修正的数值型维度内的异常数据的实际数据,完成对肿瘤患者的待分析病历中的第个待修正的字符型维度内的异常数据的一个最终修正。
11、本发明还提出了一种肿瘤患者电子病历数据智能分析系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序,以实现上述方法的步骤。
12、本发明提供的一种肿瘤患者电子病历数据智能分析方法及系统具有以下有益效果:本发明在对肿瘤患者电子病历数据中的异常数据进行修正时,首先对每一维度内的正常数据与其他维度内的正常数据共同进行分析,得到每一维度内的数据与其他维度内的数据的相关性,之后只对与其他维度内的数据的相关性较强的维度内的异常数据进行修正,即只对分析结果影响较大的异常数据进行修正,从而在确保分析结果的准确率的同时,缩减对异常数据的修正时间;且本发明在对较为重要的异常数据修正后,将进行修正的维度内的正常数据与修正后的异常数据跟其他维度内的正常数据进行分析,得到对进行修正的维度内的异常数据进行修正后,该维度与其他维度的相关性,根据每一维度内的数据在修正前后,该维度内的数据与其他维度内的数据的相关性的变化情况,来判断修正后的异常数据的准确性,解决了当前医生通过经验或者其他方式对较为重要的维度内的异常数据进行修正后,无法判断修正后的数据的可靠性,使得医生依靠修正后的异常数据、正常数据来对电子病历进行分析时,分析结果的可信性可能较弱的问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com