一种基于适配器注册模式的多源异构健康数据异常统一检测方法及系统与流程

摘要: 本发明属于医疗健康信息,具体涉及一种基于适配器注册模式的多源异构健康数据异常统一检测方法及系统。背景技术:1、随着健康体检的普及以及家用医疗检测设备的推广,个人...
一种基于适配器注册模式的多源异构健康数据异常统一检测方法及系统与流程

本发明属于医疗健康信息,具体涉及一种基于适配器注册模式的多源异构健康数据异常统一检测方法及系统。

背景技术:

1、随着健康体检的普及以及家用医疗检测设备的推广,个人积累的医疗健康数据量日益庞大,这些数据呈现出典型的多源异构特征,包括结构化的化验报告数值、日常体征记录,以及非结构化的医学影像报告、体格检查自由文本等;

2、多种健康数据例如:检验设备自动生成的化验报告中的数值与参考范围对比,如6.8vs3.9-6.1;其典型格式是结构化数值+参考范围文本;

3、放射科医生书写的影像报告,文本中是否出现异常描述(如"结节""占位");其典型格式是自由文本finding_text+impression_text;

4、临床医生书写的体格检查,同影像,依赖自由文本中的异常描述;其典型格式同样是自由文本finding_text+conclusion;

5、设备上传或手动录入的体征记录,数值与预设医学阈值比较(如收缩压>140);其典型格式是结构化数值

6、用户主动描述的症状记录,有症状内容即视为异常;其典型格式是短文本;

7、现有技术在处理上述多种健康数据时存在显著不足,一方面,现有系统的数据处理逻辑往往相对分散,不同类型数据的异常检测通常依赖独立的硬编码组件,导致新增数据源的集成维护成本偏高,且现有机制难以对包含大量医学正常表述的自由文本进行防误判处理及异常特征提取;另一方面,现行的健康评估体系普遍侧重于评估用户的生理健康状态,缺乏针对健康数据自身资产质量的量化手段。现有方法通常仅依据是否存在体检记录等单一维度进行简单统计,未能综合考量数据的时间跨度、数据粒度、来源准确性及活跃度等多维因素,导致异构医疗数据无法在同一标准下进行价值量化;

8、这种评估体系的缺失,使得管理机构与用户难以直观掌握数据资产的整体质量与薄弱环节,不利于数据资产的持续积累与更新。

技术实现思路

1、本发明的目的是提供一种基于适配器注册模式的多源异构健康数据异常统一检测方法及系统,要解决的技术问题是“如何将多种异构数据源的异常检测逻辑统一到一个可扩展的框架中,使新增数据源只需实现统一接口并注册即可完成集成,且同时支持结构化数值判断和非结构化文本分析”。

2、本发明采取的技术方案具体如下:

3、一种基于适配器注册模式的多源异构健康数据异常统一检测方法,包括以下步骤:

4、s1:获取用户的多源异构医疗健康数据;

5、s2:针对不同类型的医疗健康数据分别建立对应的数据处理适配器,并通过统一适配器接口对各数据处理适配器进行注册管理;

6、s3:调用注册后的数据处理适配器,对数据类型与该数据处理适配器相对应的医疗健康数据进行异常检测处理;各适配器独立执行该数据源的异常检测逻辑,输出统一格式的异常项列表;

7、s4:将适配器注册到引擎的适配器表中;引擎依次调度各适配器,将各数据处理适配器输出的异常检测结果转换为统一异常数据结构,并进行异常结果合并汇总,生成用户医疗数据异常集合,最后返回统一异常项集合。

8、优选地,所述s2中,所述统一适配器接口至少包括:

9、数据源标识字段,用于标识对应医疗数据类型;

10、数据源标签字段,用于记录医疗数据中文分类信息;

11、异常提取方法,用于从对应医疗数据源中提取异常数据项。

12、优选地,所述s3中,对于结构化数值的医疗健康数据,通过解析检测结果与参考范围之间的关系确定异常状态;

13、对于文本型的医疗健康数据,通过对待检测文本进行正常描述排除处理,并基于异常关键词匹配确定异常状态;

14、优选地,所述s3中,所述文本型的医疗健康数据异常检测包括:

15、将影像数据中的医学影像报告中的影像描述文本和影像结论文本进行合并;或者将体格检查中的检查描述文本和检查结论文本进行合并;

16、利用预设正常医学描述规则去除正常描述文本;

17、对剩余文本进行异常关键词扫描;

18、当检测到异常关键词时,将对应文本数据确定为异常数据;

19、对于文本型的医疗健康数据中的体征数据,通过将检测值与预设医学阈值范围进行比较确定异常状态;

20、对于文本型的医疗健康数据中的症状数据,根据是否存在症状描述内容确定异常状态;

21、优选地,所述s3中,所述结构化数值的医疗健康数据包括化验检测数据;

22、所述化验检测数据的异常检测包括:

23、解析参考范围文本,根据数值范围型、大小比较型以及定性文本型参考范围格式确定参考区间;

24、将检测结果与所述参考区间进行比较;

25、当检测结果超过所述参考区间时,将对应检测数据标记为异常。

26、优选地,所述s4中,所述统一异常数据结构至少包括:

27、数据源信息、数据源标签、异常分类、指标名称、检测值、单位信息、参考范围、异常方向、偏离程度、严重程度、检测时间、附加说明以及异常关键词;

28、所述异常严重程度根据异常方向、异常偏离程度以及异常关键词数量进行计算。

29、一种基于适配器注册模式的多源异构健康数据异常统一检测系统,该检测系统用于执行所述的检测方法,所述检测系统包括:

30、数据采集模块,用于获取用户多源异构医疗健康数据;

31、适配器管理模块,用于建立并管理不同医疗数据类型对应的数据处理适配器;

32、异常检测模块,用于通过不同数据处理适配器执行医疗数据异常检测;

33、异常聚合模块,用于将多个适配器输出结果转换为统一异常数据集合。

34、优选地,所述多源异构医疗健康数据包括结构化数值的医疗健康数据以及文本型的医疗健康数据;结构化数值的医疗健康数据包括化验数据;文本型的医疗健康数据包括影像数据;体格检查数据;体征数据;症状数据;

35、所述适配器管理模块包括:

36、化验数据适配器:用于执行化验数据源的异常检测逻辑;

37、影像数据适配器:用于执行影像数据源的异常检测逻辑;

38、体格检查数据适配器:用于执行体格检查数源的异常检测逻辑;

39、体征数据适配器:用于执行体征数据源的异常检测逻辑;

40、症状数据适配器:用于执行症状数据源的异常检测逻辑。

41、优选地,所述异常检测模块在任一数据处理适配器执行失败时,对异常进行捕获,并继续调用其他数据处理适配器执行异常检测。

42、本发明取得的技术效果为:

43、本发明通过建立包含统一接口的数据处理适配器机制,将多种异构医疗数据的异常检测纳入单一处理框架,新增数据源仅需注册对应适配器,提升了系统的数据接入扩展性,针对文本型数据,采用防误判排除与异常关键词匹配结合的校验处理,实现了自由文本异常特征的自动提取;

44、此外,本方案基于提取的上下文参数,构建涵盖完整性、时间跨度、粒度、准确性、独占性及活跃度等多维度的加权评分模型,并将总评分映射为资产等级输出,实现了异构数据资产价值的综合量化,直观反映了数据质量差异,并为补充数据提供了客观指引。