【技术实现步骤摘要】
一种基于多模型融合的医院感染智能诊断方法及系统
本专利技术涉及数据处理
，尤其是一种基于多模型的医院感染智能诊断方法及系统。
技术介绍
医院感染指住院病人在医院内获得的感染，通常诊断步骤可分为两步：首先通过临床资料、实验室检查结果及各种专业诊断指标来判断是否感染；然后分析感染是否属于医院感染。医院感染的诊断原则分为两类，对于有明确潜伏期的感染性疾病，自入院第一天开始计算，平均潜伏期后发生的感染为医院感染，对潜伏期不明确者一般认为入院48h后发生的感染可初步判定为医院感染。从这两个步骤可以看出，对于医院感染的诊断，最关键的步骤为判断病人是否感染，而由于感染类型众多，如上呼吸道感染、泌尿道感染等，且部分感染间临床表现十分相似，区分难度大，如依据临床表现诊断的肺炎和有特异的实验检查发现的肺炎症状表现就十分相似，都包含如呼吸音粗、呼吸急促、干湿啰音等症状，只能通过实验检查才能有效区分。因此，一个可以辅助进行感染诊断的智能诊断系统对于医护人员来说十分重要。对于辅助感染诊断的方式主要分为两类：(1)基于知识库的专家系统；对于基于知识库的专家系统，这类系统利用计算机技术，...
【技术保护点】
1.一种基于多模型的医院感染智能诊断方法，其特征在于，包括以下步骤：获取与医院感染相关的若干病历数据；对病历数据进行预处理，获得若干离散的与每份病历数据对应的单词列表；对所有的单词列表按照比例划分为训练集和测试集；在所述训练集针对不同的感染类型获得最优特征集；对两种以上的基模型分别进行调参，选择最优参数获得两种以上最优基模型，对所有所述最优基模型进行融合，获得诊断模型；用测试集对诊断模型进行测试，并分析诊断模型的性能。
【技术特征摘要】
1.一种基于多模型的医院感染智能诊断方法，其特征在于，包括以下步骤：获取与医院感染相关的若干病历数据；对病历数据进行预处理，获得若干离散的与每份病历数据对应的单词列表；对所有的单词列表按照比例划分为训练集和测试集；在所述训练集针对不同的感染类型获得最优特征集；对两种以上的基模型分别进行调参，选择最优参数获得两种以上最优基模型，对所有所述最优基模型进行融合，获得诊断模型；用测试集对诊断模型进行测试，并分析诊断模型的性能。2.如权利要求1所述的基于多模型的医院感染智能诊断方法，其特征在于，所述获取与医院感染相关的若干病历数据的步骤中：所述病历数据包括：病程信息、检查检验信息；所述病程信息包括：用于病历描述的文本数据；所述检查检验信息包括：影像信息、体检信息、体检结果数据和体格检查数据。3.如权利要求2所述的基于多模型的医院感染智能诊断方法，其特征在于，所述对病历数据进行预处理，获得若干离散的与每份病历数据对应的单词列表的步骤包括：对病历数据中关于病历描述的文本数据进行划分、切分后形成的短语进行过滤，将包含否定词语的相关短语滤除；保留的短语采用预置的连接符连接，形成病历描述片段；对所述病历描述片段中包含的医疗术语进行切分，根据已知的药品名称名录和疾病名称名录建立专业领域词典。4.如权利要求2所述的基于多模型的医院感染智能诊断方法，其特征在于，所述对病历数据进行预处理，获得若干离散的与每份病历数据对应的单词列表的步骤包括：对病历数据中记录的体检信息和体检结果数据，分别提取数据中的名词部分和数量词部分，并采用预置的连接符连接形成短语；根据医疗规范为不同体征或不同的检验划分阈值的范围，将数量词的数值与经该数量词连接的名词判断合适的阈值比较；根据比较结果将所述短语转化为词语特征。5.如权利要求2所述的基于多模型的医院感染智能诊断方法，其特征在于，所述对病历数据进行预处理，获得若干离散的与每份病历数据对应的单词列表的步骤包括：对病历数据中记录的体格检查数据，分别提取数据中的名词部分和形容词部分，并采用预置的连接符连接形成短语；利用键值对转换法将所述短语中描述患者属性的名词转换为键，将所述短语中描述名词对应状态的形容词转化为值，并采用预置的连接符连接键与值，形成键值特征。6.如权利要求2...
【专利技术属性】
技术研发人员：彭访，蔡志平，方胜群，李振华，
申请(专利权)人：湖南省蓝蜻蜓网络科技有限公司，
类型：发明
国别省市：湖南,43
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。