异常就诊的识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种异常就诊的识别方法、装置、电子设备及存储介质，所述方法包括：根据目标患者的参保信息和就诊数据，确定目标患者的第一数据和第二数据；将目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果；当预设的第一就诊条件中不存在第一预判结果时，将第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果；当预设的第二就诊条件中存在第二预判结果时，确定目标患者为异常就诊。本发明专利技术根据患者的第一人群类别、疾病类型、第二人群类别及药品类型，从多个维度进行异常就诊识别，提高了异常就诊识别的准确率。

【技术实现步骤摘要】
异常就诊的识别方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，具体涉及一种异常就诊的识别方法、装置、电子设备及存储介质。
技术介绍
目前的医疗行业，通过对疾病数据和药品数据进行分析，根据分析结果进行异常就诊识别，辅助医院等医疗行业的从业者进行处方的简易诊断。然而，在对疾病数据和药品数据进行异常就诊识别过程中，未考虑到人群的分类，可能存在一张医保卡被多人使用，引起分析结果不准确，进而导致异常就诊识别的识别结果准确率低的问题。
技术实现思路
鉴于以上内容，有必要提出一种异常就诊的识别方法、装置、电子设备及存储介质，根据患者的第一人群类别、疾病类型、第二人群类别及药品类型，从多个维度进行异常就诊识别，提高了异常就诊识别的准确率。本专利技术的第一方面提供一种异常就诊的识别方法，所述方法包括：解析目标患者的就诊请求，以获取所述目标患者的参保信息和就诊数据；根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据，其中，所述第一数据包含有第一人群类别和疾病数据，所述第二数据包含有第二人群类别和药品数据；将所述目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果；识别预设的第一就诊条件是否存在所述第一预判结果；当所述预设的第一就诊条件中不存在所述第一预判结果时，将所述第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果；识别预设的第二就诊条件是否存在所述第二预判结果；当所述预设的第二就诊条件中存在所述第二预判结果时，确定所述目标患者为异常就诊。可选地，所述根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据包括：识别所述目标患者的参保信息，确定所述目标患者的年龄和性别；从预设的人群类别库中确定出与所述目标患者的年龄和性别匹配的第一人群类别和第二人群类别；从所述就诊数据中提取关键信息，按照预设的格式转换规则对所述关键信息进行转换，得到转换后的关键信息；按照预设的划分规则将所述转换后的关键信息划分为疾病数据和药品数据；将所述第一人群类别和疾病数据确定为所述目标患者的第一数据，及将所述第二人群类别和药品数据确定为所述目标患者的第二数据。可选地，所述疾病类型预测模型的训练过程包括：获取每个第一人群类别对应的多个患者；提取每个患者的多个疾病数据及对应的疾病类型，形成数据集；将所述数据集随机分为第一数量的训练集和第二数量的测试集；将所述训练集中的多个疾病数据及对应的疾病类型输入至预设卷积神经网络中进行训练，得到疾病类型预测模型；将所述测试集输入至所述疾病类型预测模型中进行测试，得到测试通过率；判断所述测试通过率是否大于预设通过率阈值；当所述测试通过率大于或者等于所述预设通过率阈值时，结束所述疾病类型预测模型的训练；或者，当所述测试通过率小于所述预设通过率阈值时，增加所述训练集的数量，重新进行疾病类型预测模型的训练。可选地，所述预设的第一就诊条件包括以下一种或者多种组合：疾病类型为女性常见病，目标患者为男性；疾病类型为男性常见病，目标患者为女性；疾病类型为老年人常见病，目标患者为年轻人；疾病类型为年轻人常见病，目标患者为老年人；疾病类型为儿童病，目标患者为成年人；疾病类型为年轻人常见病，目标患者为儿童。可选地，所述预设的第二就诊条件包括以下一种或者多种组合：药品类型为儿童禁用，目标患者为小儿；药品类型为小儿用药，目标患者为成年人；药品类型为女性用药，目标患者为男性；药品类型为男性用药，目标患者为女性。可选地，所述识别预设的第一就诊条件是否存在所述第一预判结果包括：将所述第一预判结果与所述预设的第一就诊条件进行匹配；当在所述预设的第一就诊条件中匹配到与所述第一预判结果相匹配的第一就诊条件时，确定所述预设的第一就诊条件中存在所述第一预判结果；或者当在所述预设的第一就诊条件中未匹配到与所述第一预判结果相匹配的第一就诊条件时，确定所述预设的第一就诊条件中不存在所述第一预判结果。可选地，所述解析目标患者的就诊请求，以获取所述目标患者的参保信息和就诊数据包括：解析所述目标患者的就诊请求的报文，得到所述报文携带的报文信息；从所述报文信息中获取所述目标患者的识别码；根据所述目标患者的识别码确定所述参保信息的接口和所述就诊数据的接口；调用所述参保信息的接口获取所述目标患者的参保信息，及调用所述就诊数据的接口获取所述目标患者的就诊数据。本专利技术的第二方面提供一种异常就诊的识别装置，所述装置包括：解析模块，用于解析目标患者的就诊请求，以获取所述目标患者的参保信息和就诊数据；第一确定模块，用于根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据，其中，所述第一数据包含有第一人群类别和疾病数据，所述第二数据包含有第二人群类别和药品数据；第一输入模块，用于将所述目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果；第一识别模块，用于识别预设的第一就诊条件是否存在所述第一预判结果；第二输入模块，用于当所述预设的第一就诊条件中不存在所述第一预判结果时，将所述第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果；第二识别模块，用于识别预设的第二就诊条件是否存在所述第二预判结果；第二确定模块，用于当所述预设的第二就诊条件中存在所述第二预判结果时，确定所述目标患者为异常就诊。本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的异常就诊的识别方法。本专利技术的第四方面提供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所述的异常就诊的识别方法。综上所述，本专利技术所述的异常就诊的识别方法、装置、电子设备及存储介质，一方面，通过患者的参保信息和就诊数据，确定出患者的第一人群类别、疾病类型、第二人群类别及药品类型，在后续进行异常就诊的识别过程中，结合人群类别、疾病类型和药品类型，从多个维度进行了考虑，进而提高后续异常就诊识别过程中识别结果的准确率；另一方面，将目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果，及将第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果，结合目标患者的人群类别，从两个维度验证目标患者是否属于异常就诊，提高了异常就诊的识别结果的准确率；最后，当预设的第二就诊条件中存在第二预判结果时，确定目标患者为异常就诊，在确定目标患者为异常就诊后，向目标患者发送告警信息，告知目标患者不能使用医保卡进行就本文档来自技高网...

【技术保护点】
1.一种异常就诊的识别方法，其特征在于，所述方法包括：/n解析目标患者的就诊请求，以获取所述目标患者的参保信息和就诊数据；/n根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据，其中，所述第一数据包含有第一人群类别和疾病数据，所述第二数据包含有第二人群类别和药品数据；/n将所述目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果；/n识别预设的第一就诊条件是否存在所述第一预判结果；/n当所述预设的第一就诊条件中不存在所述第一预判结果时，将所述第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果；/n识别预设的第二就诊条件是否存在所述第二预判结果；/n当所述预设的第二就诊条件中存在所述第二预判结果时，确定所述目标患者为异常就诊。/n

【技术特征摘要】
1.一种异常就诊的识别方法，其特征在于，所述方法包括：
解析目标患者的就诊请求，以获取所述目标患者的参保信息和就诊数据；
根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据，其中，所述第一数据包含有第一人群类别和疾病数据，所述第二数据包含有第二人群类别和药品数据；
将所述目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果；
识别预设的第一就诊条件是否存在所述第一预判结果；
当所述预设的第一就诊条件中不存在所述第一预判结果时，将所述第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果；
识别预设的第二就诊条件是否存在所述第二预判结果；
当所述预设的第二就诊条件中存在所述第二预判结果时，确定所述目标患者为异常就诊。


2.如权利要求1所述的异常就诊的识别方法，其特征在于，所述根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据包括：
识别所述目标患者的参保信息，确定所述目标患者的年龄和性别；
从预设的人群类别库中确定出与所述目标患者的年龄和性别匹配的第一人群类别和第二人群类别；
从所述就诊数据中提取关键信息，按照预设的格式转换规则对所述关键信息进行转换，得到转换后的关键信息；
按照预设的划分规则将所述转换后的关键信息划分为疾病数据和药品数据；
将所述第一人群类别和疾病数据确定为所述目标患者的第一数据，及将所述第二人群类别和药品数据确定为所述目标患者的第二数据。


3.如权利要求1所述的异常就诊的识别方法，其特征在于，所述疾病类型预测模型的训练过程包括：
获取每个第一人群类别对应的多个患者；
提取每个患者的多个疾病数据及对应的疾病类型，形成数据集；
将所述数据集随机分为第一数量的训练集和第二数量的测试集；
将所述训练集中的多个疾病数据及对应的疾病类型输入至预设卷积神经网络中进行训练，得到疾病类型预测模型；
将所述测试集输入至所述疾病类型预测模型中进行测试，得到测试通过率；
判断所述测试通过率是否大于预设通过率阈值；
当所述测试通过率大于或者等于所述预设通过率阈值时，结束所述疾病类型预测模型的训练；或者，当所述测试通过率小于所述预设通过率阈值时，增加所述训练集的数量，重新进行疾病类型预测模型的训练。


4.如权利要求1所述的异常就诊的识别方法，其特征在于，所述预设的第一就诊条件包括以下一种或者多种组合：
疾病类型为女性常见病，目标患者为男性；
疾病类型为男性常见病，目标患者为女性；
疾病类型为老年人常见病，目标患者为年轻人；
疾病类型为年轻人常见病，目标患者为老年人；
疾病类型为儿童病，目标患者为成年人；
疾病类型为年轻人常见病，目标患者为儿童。

【专利技术属性】
技术研发人员：徐欣星，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44