混合云架构下的微创医疗服务系统及其辅助决策方法技术方案

本发明专利技术提供了一种混合云架构下的微创医疗服务系统及其辅助决策方法。该方法包括：获取目标对象的隐私数据和检查数据；在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合；以表格形式输出所述至少一个特征项。可见，本发明专利技术能够检查数据中提出与目标对象最相关的预设特征项，输出后辅助医疗人员作决策，可以减轻医护人员的工作负担。

The minimally invasive medical service system and its auxiliary decision-making method under the hybrid Cloud Architecture

The invention provides a minimally invasive medical service system under the hybrid Cloud Architecture and its auxiliary decision-making method. The method includes: data privacy and inspection data acquisition targets; there are at least in the feature set, the query privacy data and the inspection data of a preset feature, the at least one preset feature in arbitrary and feature a collection of feature overlap or partially overlap with; the output form of the at least one feature. It can be seen that the invention can check the preset feature item which is most relevant to the target object in the data, and assist the medical staff to make decision after output, which can lighten the workload of the medical staff.

【技术实现步骤摘要】
混合云架构下的微创医疗服务系统及其辅助决策方法
本专利技术涉及数据处理
，尤其涉及一种混合云架构下的微创医疗服务系统及其辅助决策方法。
技术介绍
目前，医疗工作者为患者诊断时，需要有丰富的经验，才能得到准确的临床结果。随着患者的增加，医疗工作者的工作负担越来越重，为获取准确的临床结果，需要查询大量的检查报告和病理检查，从而得到诊断结果。然而，查询上述大量的检查报告和病理检查会占用医疗工作者的时间，降低诊断效率，从而进一步加重医疗工作者的负担。
技术实现思路
针对相关技术中的缺陷，本专利技术提供了一种混合云架构下的微创医疗服务系统及其辅助决策方法，用于解决相关技术中的技术问题。第一方面，本专利技术实施例提供了一种混合云架构下的微创医疗服务辅助决策方法，所述方法包括：获取目标对象的隐私数据和检查数据；在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合；以表格形式输出所述至少一个特征项。可选地，特征项集合的获取方法包括：对已有的病历文本进行分词,提取出特征词并量化；所述病历文本包括检查数据，病历数据和隐私数据；构造(X，Y)的训练数据，其中X为量化后的特征项，Y为处理过的病理检查结果，每一份病历都可以得到这样一对(X，Y)的训练样例；遍历X的子集，分别构造(X1，Y)、(X2，Y)、……、(Xn，Y)的训练样例，其中n是X的子集数量；选择K中机器学习方法，对每种方法，使用上一步的训练样本，分别训练，保证分类精度大于阈值的情况下，得到若干X的特征子集，选择其分类精度最好的一组特征子集；选择K种机器学习方法，即可得到K个子集，求并集，即为最终特征子集。可选地，所述对已有的病历文本进行分词,提取出特征词并量化，包括：从私有云获取目标对象的隐私数据解密，得到该目标对象的年龄和性别数据；从公有云获取该目标对象的检查数据，根据分词词典对所述检查数据进行文本分词和去停止词，剔除含否定词的短语后得到多个预设特征项；所述多个预设特征项包括键值对型和平行词型，并分别为每个预设特征项进行赋值。可选地，所述分词词典根据历史检查数据确定。第二方面，本专利技术实施例提供了一种混合云架构下的微创医疗服务辅助决系统，所述系统包括：数据获取模块，用于获取目标对象的隐私数据和检查数据；特征项查询模块，用于在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合；输出模块，用于以表格形式输出所述至少一个特征项。可选地，所述数据获取模块包括：特征词提取单元，用于对已有的病历文本进行分词,提取出特征词并量化；所述病历文本包括检查数据，病历数据和隐私数据；数据构造单元，用于构造(X，Y)的训练数据，其中X为量化后的特征项，Y为处理过的病理检查结果，每一份病历都可以得到这样一对(X，Y)的训练样例；样例构造单元，用于遍历X的子集，分别构造(X1，Y)、(X2，Y)、……、(Xn，Y)的训练样例，其中n是X的子集数量；训练单元，用于选择K中机器学习方法，对每种方法，使用上一步的训练样本，分别训练，保证分类精度大于阈值的情况下，得到若干X的特征子集，选择其分类精度最好的一组特征子集；子集计算单元，用于选择K种机器学习方法得到K个子集，且计算K个子集的并集得到最终特征子集。可选地，所述特征词提取单元包括：解密子单元，用于从私有云获取目标对象的隐私数据解密，得到该目标对象的年龄和性别数据；特征项获取子单元，用于从公有云获取该目标对象的检查数据，根据分词词典对所述检查数据进行文本分词和去停止词，剔除含否定词的短语后得到多个预设特征项；赋值子单元，用于为所述多个预设特征项中每个预设特征项进行赋值，所述多个预设特征项包括键值对型和平行词型。可选地，所述分词词典根据历史检查数据确定。由以上方案可知，本专利技术通过获取目标对象的隐私数据和检查数据；在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合；以表格形式输出所述至少一个特征项。可见，本专利技术能够检查数据中提出与目标对象最相关的预设特征项，输出后辅助医疗人员作决策，可以减轻医护人员的工作负担，降低医疗事件的发生概率。附图说明为了更清楚地说明本专利技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。图1是本专利技术实施例提供的一种混合云架构下的微创医疗服务辅助决策方法的流程示意图；图2是本专利技术实施例提供的构建特征项集合的流程示意图；图3是本专利技术实施例提供的一种混合云架构下的微创医疗服务辅助决策的框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例提供的一种混合云架构下的微创医疗服务辅助决策方法的流程示意图。本方法可以应用于私有云和公有云构成的混合云架构的系统，并且该方法可以辅助医疗人员根据检查数据决策目标对象(例如患者)的症状等情况。参见图1，该方法包括步骤101～步骤103：步骤101，获取目标对象的隐私数据和检查数据。本实施例中目标对象可以为患者，后续以患者为例进行说明。患者在检查时，病历样本上会包括隐私数据(例如姓名、性别)和检查数据(各种生理特征)。为提高数据安全，本实施例中将隐私数据加密后存储在私有云，将检查数据存储在公有云。步骤102，在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合。本实施例中，选用机器学习领域的K(K为正整数)种不同的特征选择方法，在保证分类精度的情况下，对特征项集合中的特征项进行选择，剔除部分相关性较弱(即相关性低于预设阈值)的特征项，得到与疾病相关性较强(即相关性超过预设阈值)的特征项。本实施例中，特征选择方法可以包括：逻辑回归(LR)、最小近邻算法(KNN)、支持向量机(SVM)、随机森林(RF)等。这些特征选择方法的选择过程包括：选择特征项集合中的特征子集，病理检查结果作为类标签，训练模型，选择分类精度最好的特征子集，作为选择出来的特征项。例如，(x1,x2,x3,x4,x5,x6,y),x为特征，y为分类标签，用(x1,x2,x4,x5,x6,y)、(x1,x3,x4,x5,x6,y)、(x1,x2,x3,x4,x6,y)……分别进行模型训练，分类精度最好的一组特征项即是最终最相关的特征项。本实施例中，对于每一种特征选择方法，可得到一个预设特征项的集合T1＝{t1,t2,…，ti，…，tk}，i限值范围[1，K]，即K种特征选择方法会得到K个特征词集合，最后对K个特征词集合取并集，得到最终的特征项集合。可理解的是，在使用特征项集合本文档来自技高网...

【技术保护点】
一种混合云架构下的微创医疗服务辅助决策方法，其特征在于，所述方法包括：获取目标对象的隐私数据和检查数据；在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合；以表格形式输出所述至少一个特征项。

【技术特征摘要】
1.一种混合云架构下的微创医疗服务辅助决策方法，其特征在于，所述方法包括：获取目标对象的隐私数据和检查数据；在特征项集合中查询所述隐私数据和所述检查数据中存在的至少一个预设特征项，所述至少一个预设特征项与特征项集合中任意一个特征项重合或者部分重合；以表格形式输出所述至少一个特征项。2.根据权利要求1所述的辅助决策方法，其特征在于，特征项集合的获取方法包括：对已有的病历文本进行分词,提取出特征词并量化；所述病历文本包括检查数据，病历数据和隐私数据；构造(X，Y)的训练数据，其中X为量化后的特征项，Y为处理过的病理检查结果，每一份病历都可以得到这样一对(X，Y)的训练样例；遍历X的子集，分别构造(X1，Y)、(X2，Y)、……、(Xn，Y)的训练样例，其中n是X的子集数量；选择K中机器学习方法，对每种方法，使用上一步的训练样本，分别训练，保证分类精度大于阈值的情况下，得到若干X的特征子集，选择其分类精度最好的一组特征子集；选择K种机器学习方法，即可得到K个子集，求并集，即为最终特征子集。3.根据权利要求1所述的辅助决策方法，其特征在于，所述对已有的病历文本进行分词,提取出特征词并量化，包括：从私有云获取目标对象的隐私数据解密，得到该目标对象的年龄和性别数据；从公有云获取该目标对象的检查数据，根据分词词典对所述检查数据进行文本分词和去停止词，剔除含否定词的短语后得到多个预设特征项；所述多个预设特征项包括键值对型和平行词型，并分别为每个预设特征项进行赋值。4.根据权利要求3所述的辅助决策方法，其特征在于，所述分词词典根据历史检查数据确定。5.一种混合云架构下的微创医疗服务辅助决系统，其特征在于，所述系统包括：数据获取模块，用...

【专利技术属性】
技术研发人员：丁帅，杨善林，范雯娟，胡世康，王泽源，李叶青，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34