一种数据处理方法、装置及系统制造方法及图纸

本发明专利技术公开了一种数据处理方法、装置及系统，其方法包括：根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；获取目标患者的电子健康档案的各项信息；将电子健康档案中的各项信息输入白内障患病风险预测模型进行处理，输出目标患者的白内障患病风险概率。本发明专利技术根据所有历史电子健康档案的与白内障相关的各项信息进行训练，得到精确的白内障患病风险预测模型，由于考虑了各项信息的白内障的标签特征，更符合白内障发展规律，提高了训练得到的白内障患病风险预测模型的准确性，将获取到的目标患者的电子健康档案输出该白内障患病风险预测模型中，可准确输出目标患者的白内障患病风险概率。

【技术实现步骤摘要】
一种数据处理方法、装置及系统
本专利技术涉及移动健康领域，尤其涉及一种数据处理方法、装置及系统。
技术介绍
目前医院的门诊和急诊量非常大，值诊医生仅有几分钟就需要接待一名患者，医生虽然有强烈意愿去全面了解患者情况，但是受制于时间和精力、以及医学知识的局限性，医生往往在简单了解患者情况后凭经验开出诊断结果和处方，并不能全面考虑患者个体情况作出准确判断，因此医患关系日趋紧张。但随着大数据技术的发展，各类信息系统如PACS(PictureArchivingandCommunicationSystems，影像归档和通信系统)、EMR(ElectronicMedicalRecord，电子病历)系统等应用在医疗领域中。但是，医疗大数据的多态、时效、隐私等复杂特性，导致不能大范围的获取不同特征之间的关联关系，尤其是像眼科疾病这类病症特征，如何能够在短时间内准确预测出患病几率是现有医学领域亟待解决的问题。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种数据处理方法、装置及系统，解决了现有技术中无法在短时间内准确预测出眼疾患病几率的问题。依据本专利技术的一个方面，提供了一种数据处理方法，包括：根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；获取目标患者的电子健康档案的各项信息；将电子健康档案中的各项信息输入白内障患病风险预测模型进行处理，输出目标患者的白内障患病风险概率。其中，根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型的步骤，包括：根据历史电子健康档案中与白内障相关的各项信息的主外键关系，自动关联所有历史电子健康档案，得到历史患者的逻辑树形网络表；对逻辑树形网络表中的所有字段进行数据去重和数据去空处理，得到有效树形网络表；对有效树形网络表中的各项信息与目标变量进行相关性处理，得到有效相关特征树形网络表；根据有效相关特征树形网络表，训练得到白内障患病风险预测模型。其中，将电子健康档案中的各项信息输入白内障患病风险预测模型进行处理，输出目标患者的白内障患病风险概率的步骤，包括：若目标患者的电子健康档案中存在新的特征信息，则将白内障患病风险预测模型中与新的特征信息相关的所有特征值的影响因子的平均值确定为新的特征信息的影响因子；将新的特征信息的影响因子输入白内障患病风险预测模型进行处理，输出目标患者的白内障患病风险概率。其中，在获取目标患者的电子健康档案的各项信息的步骤之后，还包括：若目标患者的电子健康档案的各项信息中存在新的特征信息，根据新的特征信息更新白内障患病风险预测模型。其中，根据新的特征信息更新白内障患病风险预测模型的步骤，包括：将新的特征信息扩展到白内障患病风险预测模型中数据量的((2*a)m-1)倍；其中，m为新的特征信息的数量，a不小于0.75；根据扩展后的各项信息进行训练，得到新的白内障患病风险预测模型。依据本专利技术实施例的在一个方面，还提供了一种数据处理装置，包括：训练模块，用于根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；获取模块，用于获取目标患者的电子健康档案的各项信息；输出模块，用于将电子健康档案中的各项信息输入白内障患病风险预测模型进行处理，输出目标患者的白内障患病风险概率。其中，训练模块包括：关联单元，用于根据历史电子健康档案中与白内障相关的各项信息的主外键关系，自动关联所有历史电子健康档案，得到历史患者的逻辑树形网络表；第一处理单元，用于对逻辑树形网络表中的所有字段进行数据去重和数据去空处理，得到有效树形网络表；第二处理单元，用于对有效树形网络表中的各项信息与目标变量进行相关性处理，得到有效相关特征树形网络表；第一训练单元，用于根据有效相关特征树形网络表，训练得到白内障患病风险预测模型。其中，输出模块包括：确定单元，用于当目标患者的电子健康档案中存在新的特征信息时，将白内障患病风险预测模型中与新的特征信息相关的所有特征值的影响因子的平均值确定为新的特征信息的影响因子；输出单元，用于将新的特征信息的影响因子输入白内障患病风险预测模型进行处理，输出目标患者的白内障患病风险概率。其中，该数据处理装置还包括：更新模块，用于当目标患者的电子健康档案的各项信息中存在新的特征信息时，根据新的特征信息更新白内障患病风险预测模型。其中，更新模块包括：扩展单元，用于将新的特征信息扩展到白内障患病风险预测模型中数据量的((2*a)m-1)倍；其中，m为新的特征信息的数量，a不小于0.75；第二训练单元，用于根据扩展后的各项信息进行训练，得到新的白内障患病风险预测模型。依据本专利技术实施例的再一个方面，还提供了一种数据处理系统，包括如上所述的数据处理装置。本专利技术的实施例的有益效果是：根据所有历史电子健康档案的与白内障相关的各项信息进行训练，即针对所有数据集进行自组织的特征选择并进行训练，得到精确的白内障患病风险预测模型，由于考虑了各项信息的白内障的标签特征，更符合白内障发展规律，因此提高了训练得到的白内障患病风险预测模型的准确性，将获取到的目标患者的电子健康档案输出该白内障患病风险预测模型中，可准确输出目标患者的白内障患病风险概率。附图说明图1表示本专利技术实施例的数据处理方法的流程示意图；图2表示本专利技术实施例中步骤11的具体流程示意图；图3表示本专利技术实施例中步骤13的具体流程示意图；图4表示本专利技术实施例中模型更新的流程示意图；图5表示本专利技术实施例的数据处理装置的模块示意图。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。如图1所示，本专利技术的实施例提供了一种数据处理方法，尤其应用于白内障患病概率预测，具体包括以下步骤：步骤11：根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型。其中，历史电子健康档案指的是各个患者的个人就诊档案，具体可包括：挂号单、体检单、就诊单、诊断单、处方单以及住院单等在医就诊相关的电子病历信息。历史电子健康档案中的各项信息具体可包括：各个患者的姓名信息、年龄信息、性别信息、血型信息、职业信息、地址信息、疾病类型、严重程度、就诊科室、就诊医生以及临床表现信息中的一项或多项特征信息。提取所有历史电子健康档案中与白内障相关的各项信息，通过回归算法或分类算法进行训练，得到白内障患病风险预测模型，以根据该白内障患病风险预测模型判断患者患白内障的概率。步骤12：获取目标患者的电子健康档案的各项信息。目标患者指的是就诊患者，电子健康档案包括该患者的挂号单、体检单、就诊单、诊断单、处方单以及住院单等在医就诊相关的电子病历信息。电子健康档案中的各项信息包括该患者的姓名信息、性别信息、血型信息、职业信息、地址信息以及临床表现信息中的一项或多项信息。其中，姓名信息、性别信息、血型信息、职业信息和地址信息等患者固定特征信息可存储在就诊卡中，亦可与就诊卡的卡号信息建立对应关系，以降低数据处理的复杂度。步骤13：将电子健康档案中的各项信息输入白内障患病风险本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；获取目标患者的电子健康档案的各项信息；将所述电子健康档案中的各项信息输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；获取目标患者的电子健康档案的各项信息；将所述电子健康档案中的各项信息输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型的步骤，包括：根据历史电子健康档案中与白内障相关的各项信息的主外键关系，自动关联所有历史电子健康档案，得到历史患者的逻辑树形网络表；对所述逻辑树形网络表中的所有字段进行数据去重和数据去空处理，得到有效树形网络表；对所述有效树形网络表中的各项信息与目标变量进行相关性处理，得到有效相关特征树形网络表；根据所述有效相关特征树形网络表，训练得到白内障患病风险预测模型。3.根据权利要求1所述的数据处理方法，其特征在于，所述将所述电子健康档案中的各项信息输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率的步骤，包括：若所述目标患者的电子健康档案中存在新的特征信息，则将所述白内障患病风险预测模型中与所述新的特征信息相关的所有特征值的影响因子的平均值确定为所述新的特征信息的影响因子；将所述新的特征信息的影响因子输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。4.根据权利要求1所述的数据处理方法，其特征在于，在所述获取目标患者的电子健康档案的各项信息的步骤之后，还包括：若所述目标患者的电子健康档案的各项信息中存在新的特征信息，根据所述新的特征信息更新所述白内障患病风险预测模型。5.根据权利要求4所述的数据处理方法，其特征在于，所述根据所述新的特征信息更新所述白内障患病风险预测模型的步骤，包括：将新的特征信息扩展到白内障患病风险预测模型中数据量的((2*a)m-1)倍；其中，m为新的特征信息的数量，a不小于0.75；根据扩展后的各项信息进行训练，得到新的白内障患病风...

【专利技术属性】
技术研发人员：常耀斌，许利群，王威，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团公司，
类型：发明
国别省市：北京,11