一种医疗费用大数据的分析方法、装置及设备制造方法及图纸

本发明专利技术公开了一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质，其中该方法包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。本申请公开的技术方案中，将多个分布式异构数据源集合得到一个统一的数据库，方便了对于数据的统一分析及管理；进而由海量的医疗费用数据中有效的获取对于用户来说有用的数据，在医疗费用大数据处理中具有很大优势。

【技术实现步骤摘要】
一种医疗费用大数据的分析方法、装置及设备
本专利技术涉及大数据分析
，更具体地说，涉及一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质。
技术介绍
随着计算机技术在医疗卫生领域的迅猛发展以及就医人数的不断增多，医疗服务信息服务系统产生大量的医疗数据(包括医疗费用数据)。在现存的这些海量的医疗数据中，用户并不能有效的从中获取有用的信息，导致医疗数据被废弃。综上所述，如何提供一种能够由海量医疗数据中有效获取有用的数据的技术方案，是目前本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质，能够有效由海量医疗数据中有效获取有用的数据。为了实现上述目的，本专利技术提供如下技术方案：一种医疗费用大数据的分析方法，包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。优选的，预先训练数据挖掘算法，包括：获取初始的数据挖掘算法为当前挖掘算法；利用当前挖掘算法对训练数据进行数据挖掘，得到对应的训练挖掘结果，所述训练数据为预先获取的用于训练数据挖掘算法的医疗费用数据；判断所述训练挖掘结果与预设标准结果之间的相似度，如果该相似度大于预设相似度，则确定当前挖掘算法为训练完成的数据挖掘算法，否则，则调整当前挖掘算法的参数，并确定调整参数后的当前挖掘算法为当前挖掘算法，返回执行利用当前挖掘算法对训练数据进行数据挖掘的步骤。优选的，获取初始的数据挖掘算法为当前挖掘算法，包括：获取初始的数据挖掘k-means算法为当前挖掘算法。优选的，由数据库中调取与所述数据请求对应的医疗费用数据之后，还包括：对调取到的所述医疗费用数据进行预设的数据清理、数据变换及数据规约处理，并在处理完成后执行利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘的步骤。优选的，将所述数据挖掘结果进行输出，包括：将所述数据挖掘结果进行可视化显示。优选的，将所述数据挖掘结果进行可视化显示，包括：采用表格、柱状图及饼形图中的任一种或者任多种对所述数据挖掘结果进行可视化显示。优选的，将所述数据挖掘结果进行输出，包括：将所述数据挖掘结果发送至指定终端。一种医疗费用大数据的分析装置，包括：调取模块，用于：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；分析模块，用于：利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；输出模块，用于：将所述数据挖掘结果进行输出。一种医疗费用大数据的分析设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上任一项所述医疗费用大数据的分析方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述医疗费用大数据的分析方法的步骤。本专利技术提供了一种医疗费用大数据的分析方法、装置、设备及计算机可读存储介质，其中该方法包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。本申请公开的技术方案中，将多个分布式异构数据源集合得到一个统一的数据库，从而由该数据库中查询与外界输入的数据请求对应的医疗费用数据，方便了对于数据的统一分析及管理；进而利用数据挖掘算法对数据请求对应医疗费用数据进行数据挖掘，得到包含有用户需要获取的数据的数据挖掘结果并输出，从而由海量的医疗费用数据中有效的获取对于用户来说有用的数据，在医疗费用大数据处理中具有很大优势。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的一种医疗费用大数据的分析方法的流程图；图2为本专利技术实施例提供的一种医疗费用大数据的分析方法的可视化平台体系结构图；图3为本专利技术实施例提供的一种医疗费用大数据的分析装置的结构示意图。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。请参阅图1，其示出了本专利技术实施例提供的一种医疗费用大数据的分析方法的流程图，可以包括：S11：接收外界输入的数据请求，由数据库中调取与数据请求对应的医疗费用数据，数据库为由多个分布式异构医疗费用数据源集合得到的。需要说明的是，本申请中多个分布式异构医疗费用数据源(以下简称数据源)可以为互相关联的数据源，具体来说，由于病人医疗费用包含种类很多，如住院费、手术费、药物费等，因此为了使得数据库在对应数据量最小的情况下能够提供用户所需数据，可以仅将实际需要的互相关联的多个分布式异构医疗费用数据源集合得到的数据库，如某个种类的医疗费用对应数据源为互相关联的数据源，或者某个疾病的医疗费用对应数据源为互相关联的数据源，或者某个医院对应的全部数据源为互相关联的数据源等，均在本专利技术的保护范围之内。本申请中将多个分布式异构医疗费用数据源集合在一起，通过中间件集成方法对各个分布式异构医疗费用数据源进行对应处理，以使得用户能够通过中间件透明的访问这些数据源，从而维护医疗费用数据的整体一致性的同时还能够提高数据共享的利用效率；其中中间件集成方法可以通过统一的全局数据模型来访问异构的数据源，中间件介于数据层和应用层之间，向下协调对应的各个医疗费用数据源，本申请中数据库即为对应中间件，从而通过这种方式使得用户可以把集成的数据源包含的数据看成一个统一的整体，方便统一分析。另外，外界输入的数据请求可以携带有用户需要查询的医疗费用数据的关键字，如某项疾病、某个费用种类等，由此，可以通过关键字匹配的方式由数据库中查询出与数据请求对应的医疗费用数据；当然也可以根据实际需要进行其他设定，均在本专利技术的保护范围之内。S12：利用预先训练的数据挖掘算法对与数据请求对应的医疗费用数据进行数据挖掘，得到与数据请求对应的数据挖掘结果。获取到与数据请求对应的医疗费用数据后，为了使得输出给用户的医疗费用数据更加符合用户需要，可以利用预先训练的数据挖掘算法对医疗费用数据进行数据挖掘，得到对应的数据挖掘结果。其中，数据挖掘算法的作用为将数据后面隐藏的信息提取出来，通过数据挖掘算法可以获取各数据之间的关联规则；本申请中可以利用数据挖掘算法对于数据请求对应的医疗费用数据进行聚类处理，聚类处理所得结果即为本文档来自技高网...

【技术保护点】
一种医疗费用大数据的分析方法，其特征在于，包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。

【技术特征摘要】
1.一种医疗费用大数据的分析方法，其特征在于，包括：接收外界输入的数据请求，由数据库中调取与所述数据请求对应的医疗费用数据，所述数据库为由多个分布式异构医疗费用数据源集合得到的；利用预先训练的数据挖掘算法对与所述数据请求对应的医疗费用数据进行数据挖掘，得到与所述数据请求对应的数据挖掘结果；将所述数据挖掘结果进行输出。2.根据权利要求1所述的方法，其特征在于，预先训练数据挖掘算法，包括：获取初始的数据挖掘算法为当前挖掘算法；利用当前挖掘算法对训练数据进行数据挖掘，得到对应的训练挖掘结果，所述训练数据为预先获取的用于训练数据挖掘算法的医疗费用数据；判断所述训练挖掘结果与预设标准结果之间的相似度，如果该相似度大于预设相似度，则确定当前挖掘算法为训练完成的数据挖掘算法，否则，则调整当前挖掘算法的参数，并确定调整参数后的当前挖掘算法为当前挖掘算法，返回执行利用当前挖掘算法对训练数据进行数据挖掘的步骤。3.根据权利要求2所述的方法，其特征在于，获取初始的数据挖掘算法为当前挖掘算法，包括：获取初始的数据挖掘k-means算法为当前挖掘算法。4.根据权利要求1所述的方法，其特征在于，由数据库中调取与所述数据请求对应的医疗费用数据之后，还包括：对调取到的所述医疗费用数据进行预设的数据清理、数据变换及数据规约处理，并在处理完成后执行利用预先训练的数据挖掘...

【专利技术属性】
技术研发人员：鲁仁全，李艳洲，吴元清，李鸿一，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44