一种就诊预测方法技术

本发明专利技术公开了一种就诊预测方法。包括：获取对象的就诊状态时序链，所述就诊状态时序链由按照就诊转换顺序排列的所述对象每次就诊的就诊状态构成；根据状态预测数学模型，确定各个就诊状态基于所述对象的就诊状态时序链的发生概率；所述状态预测数学模型是根据多个对象的就诊状态时序链构建的；根据确定的各个就诊状态基于所述对象的就诊状态时序链的发生概率，预测所述对象本次就诊的就诊状态。在将本发明专利技术实施例提供的技术方案应用于对患者进行分诊的场景，那么，就诊状态就是患者就诊的科室。本发明专利技术实施例提供的技术方案实现了自动分诊。

【技术实现步骤摘要】

本专利技术涉及智能医疗
，尤其涉及一种就诊预测方法。
技术介绍
患者到医院就诊，通常是由患者根据自己的情况选择就诊科室，或者由他人(例如医院工作人员)代为选择就诊科室，即为患者进行分诊。可见，目前的分诊技术还停留在人工分诊阶段，没有解决方案实现自动为患者进行分诊。
技术实现思路
本专利技术的目的是提供一种就诊预测方法，以实现自动为患者进行分诊。本专利技术的目的是通过以下技术方案实现的：一种就诊预测方法，包括：获取对象的就诊状态时序链，所述就诊状态时序链由按照就诊转换顺序排列的所述对象每次就诊的就诊状态构成；根据状态预测数学模型，确定各个就诊状态基于所述对象的就诊状态时序链的发生概率；所述状态预测数学模型是根据多个对象的就诊状态时序链构建的；根据确定的各个就诊状态基于所述对象的就诊状态时序链的发生概率，预测所述对象本次就诊的就诊状态。本专利技术实施例提供的技术方法，预先根据多个对象的就诊状态时序链构建状态预测数学模型，进而根据该状态预测数学模型，确定各个就诊状态基于对象(即患者)的就诊状态时序链的发生概率，根据确定的各个发生概率，预测对象的本次就诊的就诊状态。在将本专利技术实施例提供的技术方案应用于对患者
进行分诊的场景，那么，就诊状态就是患者就诊的科室。由于本专利技术实施例提供的方案，其各个步骤均可通过系统自动实现，从而实现了自动分诊。应当指出的是，本专利技术实施例提供的技术方案不仅适用于对患者进行分诊，还可以适用于其他的就诊预测，例如预测患者的患病风险等等。附图说明图1为本专利技术一个实施例提供的方法流程图；图2为本专利技术另一个实施例提供的方法流程图；图3为本专利技术又一个实施例提供的方法流程图。具体实施方式下面将结合附图，对本专利技术实施例提供的技术方案进行详细说明。实施例1本专利技术实施例1提供一种就诊预测方法，其流程如图1所示，其具体包括如下操作：步骤100、获取对象的就诊状态时序链，所述就诊状态时序链由按照就诊转换顺序排列的该对象每次就诊的就诊状态的构成。步骤110、根据状态预测数学模型，确定各个就诊状态基于上述对象的就诊状态时序链的发生概率。其中，状态预测数学模型是根据多个对象的就诊状态时序链构建的。步骤120、根据确定的各个发生概率，预测上述对象本次就诊的就诊状态。其中，可以将给予上述对象的就诊状态时序链的发生概率最大的就诊状态，确定为该对象的本次就诊的就诊状态。应当指出的是，在实际应用过程中，出于实际需要的考虑，或者结合其他参数进行分诊时，也可以预测发生概率不是最大的就诊状态为对象本次就诊的就诊状态，具体的预测方式与实际需要有关，本专利技术对此不作限定。本专利技术实施例提供的技术方法，预先根据多个对象的就诊状态时序链构建状态预测数学模型，进而根据该状态预测数学模型，确定各个就诊状态基于对象(即患者)的就诊状态时序链的发生概率，根据确定的各个发生概率，预测对象的本次就诊的就诊状态。在将本专利技术实施例提供的技术方案应用于对患者进行分诊的场景，那么，就诊状态就是患者就诊的科室。由于本专利技术实施例提供的方案，其各个步骤均可通过系统自动实现，从而实现了自动分诊。应当指出的是，本专利技术实施例提供的技术方案不仅适用于对患者进行分诊，还可以适用于其他的就诊预测，例如预测患者的患病风险等等。本专利技术实施例中，就诊状态可以是患者就诊的科室，也可以是患者就诊所诊断出的疾病，还可以是患者就诊的科室和所诊断出的疾病。本专利技术实施例中，如果就诊状态是患者就诊的科室，那么，就诊状态时序链中的一个就诊状态可以通过该就诊状态的标识信息表示；也可以通过该就诊状态的标识信息和截止到该次就诊、该对象到该科室就诊的次数表示；又可以通过该就诊状态的标识信息和该对象该次就诊所诊断出的疾病的标识信息表示；还可以通过该就诊状态的标识信息、截止到该次就诊、该对象到该科室就诊的次数和该对象该次就诊所诊断出的疾病的标识信息表示。当然，也可以通过其他方式表示。本专利技术实施例中，如果就诊状态是患者就诊所诊断出的疾病，那么，就诊状态时序链中的一个就诊状态可以通过对象一次就诊所诊断出的疾病的标识信息表示；也可以通过对象一次就诊所诊断出的疾病的标识信息和截止到该次就诊、该对象被诊断出该疾病的次数表示；又可以通过对象一次就诊所诊断出的疾病的标识信息和该对象该次就诊的科室的标识信息表示；还可以通过对象一次就诊所诊断出的疾病的标识信息，截止到该次就诊、该对象被诊断出该疾病的次数和该对象该次就诊的科室的标识信息表示。当然，也可以通过其他方式表示。实施例2为了实施本专利技术提供的技术方案，需要构建状态预测数学模型。本专利技术实施例2以对患者进行分诊的具体应用场景为例，提供了状态预测数学模型的构建方法，具体可以采用如下方式构建状态预测数学模型：选择所述各个科室中的部分科室作为输入状态集合S，剩余科室作为输出状态集合V；根据输入状态集合S中的任意两个科室之间的转换概率，确定状态集转移矩阵A，所述状态集转移矩阵A中的一个元素为输入状态集合S中的一个科室与另一个科室之间的转换概率，任意两个科室之间的转换概率是根据任意两个科室在多个对象的就诊状态时序链中的相互转换的次数确定的；根据输出状态集合V中的各个科室在多个对象的就诊状态时序链中与其他科室之间转换的次数，确定输出序列概率分布矩阵B，所述输出序列概率分布矩阵B中的一个元素为输出状态集合V中的一个科室与输入状态集合S中的一个科室之间的转换概率；根据输入状态集合S中的各个科室的初始分布概率，确定初始状态概率分布矩阵π，所述初始状态概率分布矩阵π的元素为所述输入状态集合S中的各个科室的初始分布概率，科室的初始分布概率是根据科室在多个对象的就诊状态时序链中的出现次数确定的，所述状态预测数学模型表示为五元组<S,V,A,B,π>。应当指出的是，构建状态预测数学模型的实现方式有多种，以上仅为举例说明。凡能够基于历史数据进行状态预测的数学模型均可以作为本专利技术实施例中的状态预测数学模型。本实施例2中，输出状态集合V中的各个科室在多个对象的就诊状态时序链中与其他科室之间转换的次数可以但不仅限于是：每个科室的正向直接转换频数、正向间接转换频数、逆向直接转换频数和逆向间接转换频数之和。相应的，根据每个科室的正向直接转换频数、正向间接转换频数、逆向直接转换频数和逆向间接转换频数之和，确定输出序列概率分布矩阵B。其中，各个科室的正向直接转换频数是各个科室在多个对象的就诊状态时序链中与其他科室存在的正向直接转换关系的出现次数，对象的就诊状态时序链中，时序相邻(就诊转换顺序相邻)的两次就诊中前一次就诊的科室到后一次就诊的科室的转换关系作为后一次就诊的科室的正向直接转换关系。科室Ci的正向直接转换频数NDi可以通过如下公式表示：其中，N为参与统计的科室数量(例如按照上述方式选择的分类后的科室数量)，U为参与统计的患者数量，w’ai为满足公式中条件下，患者a到科室Ci就诊的次数，公式中的条件是指在患者a前一次在科室Cj就诊后，后一次到科室Ci就诊，o为传递步数，如果科室Cj和科室Ci在就诊状态时序链中相邻，则它们之间的传递步数为1，如果中间隔了一个科室，则传递步数为2，以此类推。其中，科室的正向间接转换频数是该科室在多个对象的就诊状态时序链中与其他各个科室存在正向间接转换关系的出现次本文档来自技高网...

【技术保护点】
一种就诊预测方法，其特征在于，包括：获取对象的就诊状态时序链，所述就诊状态时序链由按照就诊转换顺序排列的所述对象每次就诊的就诊状态构成；根据状态预测数学模型，确定各个就诊状态基于所述对象的就诊状态时序链的发生概率；所述状态预测数学模型是根据多个对象的就诊状态时序链构建的；根据确定的各个就诊状态基于所述对象的就诊状态时序链的发生概率，预测所述对象本次就诊的就诊状态。

【技术特征摘要】
1.一种就诊预测方法，其特征在于，包括：获取对象的就诊状态时序链，所述就诊状态时序链由按照就诊转换顺序排列的所述对象每次就诊的就诊状态构成；根据状态预测数学模型，确定各个就诊状态基于所述对象的就诊状态时序链的发生概率；所述状态预测数学模型是根据多个对象的就诊状态时序链构建的；根据确定的各个就诊状态基于所述对象的就诊状态时序链的发生概率，预测所述对象本次就诊的就诊状态。2.根据权利要求1所述的方法，其特征在于，所述状态预测数学模型通过如下方式构建：选择所述各个就诊状态中的部分就诊状态作为输入状态集合S，剩余就诊状态作为输出状态集合V；根据输入状态集合S中的任意两个就诊状态之间的转换概率，确定状态集转移矩阵A，所述状态集转移矩阵A中的一个元素为输入状态集合S中的一个就诊状态与另一个就诊状态之间的转换概率，任意两个就诊状态之间的转换概率是根据任意两个就诊状态在多个对象的就诊状态时序链中的相互转换的次数确定的；根据输出状态集合V中的各个就诊状态在多个对象的就诊状态时序链中与其他就诊状态之间转换的次数，确定输出序列概率分布矩阵B，所述输出序列概率分布矩阵B中的一个元素为输出状态集合V中的一个就诊状态与输入状态集合S中的一个就诊状态之间的转换概率；根据输入状态集合S中的各个就诊状态的初始分布概率，确定初始状态概率分布矩阵π，所述初始状态概率分布矩阵π的元素为所述输入状态集合S中的各个就诊状态的初始分布概率，就诊状态的初始分布概率是根据就诊状态在多个对象的就诊状态时序链中的出现次数确定的，所述状态预测数学模型表示
\t为五元组<S,V,A,B,π>。3.根据权利要求2所述的方法，其特征在于，所述根据输出状态集合V中的各个就诊状态在多个对象的就诊状态时序链中与其他就诊状态之间转换的次数，确定输出序列概率分布矩阵B，包括：将输出状态集合V中的各个就诊状态在多个对象的就诊状态时序链中与其他就诊状态之间转换的次数作为初始值，通过EM算法确定输出序列概率分布矩阵B。4.根据权利要求2或3所述的方法，其特征在于，所述根据输出状态集合V中的各个就诊状态在多个对象的就诊状态时序链中与其他就诊状态之间转换的次数，确定输出序列概率分布矩阵B，包括：根据每个就诊状态的正向直接转换频数、正向间接转换频数、逆向直接转换频数和逆向间接转换频数之和，确定输出序列概率分布矩阵B；其中，就诊状态的正向直接转换频数是该就诊状态在多个对象的就诊状态时序链中与其他就诊状态存在的正向直接转换关系的出现次数，对象的就诊状态时序链中，时序相邻的两次就诊中前一次就诊的就诊状态到后一次就诊的就诊状态的转换关系作为后一次就诊的就诊状态的正向直接转换关系；就诊状态的正向间接转换频数是该就诊状态在多个对象的就诊状态时序链中与其他各个就诊状态存在正向间接转换关系的出现次数和传递步数对应的权重值乘积，对象的就诊状态时序链中，时序不相邻的两次就诊中前一次就诊的就诊状态到后一次就诊的就诊状态的转换关系作为后一次就诊的就诊状态的正向间接转换关系；就诊状态的逆向直接转换频数是该就诊状态在多个对象的就诊状态时序链中与其他就诊状...

【专利技术属性】
技术研发人员：万艾学，高雪松，胡伟凤，
申请(专利权)人：青岛海信医疗设备股份有限公司，
类型：发明
国别省市：山东;37