【技术实现步骤摘要】
一种基于神经网络的异常病例识别方法及计算设备
本专利技术涉及医疗管理
，具体涉及一种基于神经网络的异常病例识别方法及计算设备。
技术介绍
随着国家公共医疗的布局和医疗改革的不断深入，支付制度改革是系统工程是医保管理理念和医保经办机构角色发生重大转变的体现。推行按照病种付费，充分体现了支付制度才是全面医改的关键所在。所谓按病种付费，就是指通过统一的疾病诊断分类，科学地制定出每一种疾病的定额偿付标准，社保机构按照该标准与住院人次，向定点医疗机构支付住院费用，使得医疗资源利用标准化，即医疗机构资源消耗与所治疗的住院病人的数量、疾病复杂程度和服务强度成正比。简而言之，就是明确规定某一种疾病该花多少钱，从而既避免了医疗单位滥用医疗服务项目、重复项目和分解项目，防止医院小病大治，又保证了医疗服务质量。标准化的医疗信息对于医疗信息大数据应用于按病种收费的支付方式非常重要，医疗信息的标准化是实现医疗大数据进行应用的前提。病种的分类目前通常采用国际疾病分类(internationalClassificationofdiseases,ICD)。ICD-10根据病因、部位、病理及...
【技术保护点】
1.一种基于神经网络的异常病例识别方法，其特征在于，包括：接收第一病例，所述第一病例的病例数据包括实际检查项组合，所述实际检查项组合包括至少一个检查项；提取所述第一病例的病例特征，并将所述病例特征输入到检查分类模型，得到所述第一病例的预测检查项组合；将所述实际检查项组合与所述预测检查项组合中的项进行比对，计算所述实际检查项组合与所述预测检查项组合的第一相同率，所述第一相同率用于表示所述实际检查项组合与所述预测检查项组合的相似程度；在所述第一相同率小于第一阈值时，识别所述第一病例为异常病例，并输出用于提示所述第一病例为异常病例的提示信息。
【技术特征摘要】
1.一种基于神经网络的异常病例识别方法，其特征在于，包括：接收第一病例，所述第一病例的病例数据包括实际检查项组合，所述实际检查项组合包括至少一个检查项；提取所述第一病例的病例特征，并将所述病例特征输入到检查分类模型，得到所述第一病例的预测检查项组合；将所述实际检查项组合与所述预测检查项组合中的项进行比对，计算所述实际检查项组合与所述预测检查项组合的第一相同率，所述第一相同率用于表示所述实际检查项组合与所述预测检查项组合的相似程度；在所述第一相同率小于第一阈值时，识别所述第一病例为异常病例，并输出用于提示所述第一病例为异常病例的提示信息。2.如权利要求1所述的方法，其特征在于，所述预测检查组合包括V个组合，V为正整数，所述第一相同率的计算方法为：其中，i为所述实际检查组合中检查项的索引，i为正整数；j为所述预测检查组合的索引，j为正整数，且j≤V；Rj为所述预测检查组合j的概率，且∑jRj＝1；若检查项i为所述预测检查项组合j中的项则Qi,j等于1，若所述检查项i不为所述预测检查项组合j中的项，则Qi,j为0。3.如权利要求1所述的方法，其特征在于，所述将所述病例特征输入到检查分类模型，得到所述第一病例的预测检查项组合之前，所述方法还包括：获取样本病例集，所述样本病例集中任一病例包括病例特征和真实检查项组合；将所述样本病例集中每一个病例的病例特征输入到新建分类模型，通过监督所述样本病例集中每一个病例的真实检查项组合对所述新建分类模型进行训练，得到所述新建分类模型的模型参数；将所述模型参数输入到所述新建分类模型，得到所述检查分类模型。4.如权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：根据所述第一相同率计算所述第一病例的风险系数，所述风险系数用于指示所述第一病例为异常病例的概率；其中，其中，F为所述风险系数，P为所述第一相同率。5.如权利要求1-3任一项所述的方法，其特征在于，所述实际检查项组合包括实际定性检查项组合以及实际定量检查项组合，所述预测检查项组合包括预测定性检查项组合以及预测定量检查项组合，所述在所述相同率小于第一阈值时，识别所述第一病例为异常病例，输出用于提示所述第一病例为异常病例的提示信息之后，方法...
【专利技术属性】
技术研发人员：南致超，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。