本申请提供了一种基于机器学习的医疗风险信息推送方法及装置，涉及人工智能及数字医疗领域，主要目的在于改善现有患病风险发生率升高，以及就医数据处理准确性降低的问题。包括：获取预设采集设备的全部位点信息；基于筛选处理模型从全部位点信息中筛选目标测试位点，提取与目标测试位点匹配的医疗检测数据；基于已完成模型训练的风险预测模型对医疗检测数据进行风险预测处理，并解析风险预测处理后得到的医疗预测结果中与目标病症信息匹配的第一过程信息；若已建立的目标病症用户画像数据库中各用户画像数据所对应的第二过程信息与第一过程信息的相似度超过预设相似度阈值，则获取用户画像数据中与医疗预测结果匹配的医疗风险信息，并进行推送。并进行推送。并进行推送。
【技术实现步骤摘要】
基于机器学习的医疗风险信息推送方法及装置
[0001]本申请涉及人工智能及数字医疗
，特别是涉及一种基于机器学习的医疗风险信息推送方法及装置。
技术介绍
[0002]随着智慧医疗的快速发展，越来越多的患者选择通过数字化医疗的方式进行就医，或者进行医疗咨询。其中，为了实现患者的及时就诊，会通过医疗风险信息推送的方式将患者就医过程中产生的相关医疗风险进行推送，大大减少患者病情严重的产生风险。
[0003]目前，现有的医疗风险信息的推送仅仅是按照时间、年龄、疾病等特征进行固定信息的推送，例如，按照每个月方式向糖尿病患者推送糖肾风险信息，以使患者及时关注自身情况进行就医。但是，仅仅通过特定的特征作为推送依据，无法针对患者的自身情况及时灵活的推送信息，大大提高了患病风险的发生率，降低信息推送的有效性，从而影响智慧医疗系统中就医数据的处理准确性，因此，亟需一种医疗风险信息推送方法来解决上述问题。
技术实现思路
[0004]有鉴于此，本申请提供一种基于机器学习的医疗风险信息推送方法及装置，主要目的在于改善现有无法针对患者的自身情况及时灵活的推送信息，降低了信息推送的有效性，导致患病风险发生率的提高，以及智慧医疗系统中就医数据处理准确性降低的技术问题。
[0005]依据本申请一个方面，提供了一种基于机器学习的医疗风险信息推送方法，包括：
[0006]获取预设采集设备的全部位点信息；
[0007]基于筛选处理模型从所述全部位点信息中筛选目标测试位点，提取与所述目标测试位点匹配的医疗检测数据，所述筛选处理模型为基于测试验证集的模型评估指标对模型超参数进行调整完成训练得到的；
[0008]基于已完成模型训练的风险预测模型对所述医疗检测数据进行风险预测处理，并解析风险预测处理后得到的医疗预测结果中与目标病症信息匹配的第一过程信息，所述第一过程信息用于表征与所述目标病程信息匹配的病症时间、就诊信息、医疗阶段；
[0009]若已建立的目标病症用户画像数据库中各用户画像数据所对应的第二过程信息与所述第一过程信息的相似度超过预设相似度阈值，则获取所述用户画像数据中与所述医疗预测结果匹配的医疗风险信息，并进行推送。
[0010]优选的，所述获取预设采集设备的全部位点信息之前，所述方法还包括：
[0011]获取位点样本测试特征集，确定第一预置个数的主成分特征；
[0012]通过各个主成分特征的系数绝对值进行大小顺序排序，筛选第二预置个数的位点信息，并基于所述位点样本测试特征集计算模型评估指标；
[0013]通过所述模型评估指标配置调整模型超参数，并结合筛选出的所述位点信息与所述模型超参数对筛选处理模型进行训练。
[0014]优选的，其特征在于，所述获取位点样本测试特征集，确定第一预置个数的主成分特征包括：
[0015]提取位点样本测试集中至少一个位点位置信息，以及用于标记位点信息完整性的位点标识；
[0016]依次按照行、列单位选取从所述位点样本测试集中的至少两个所述位点标识对应的位点位置信息，并统计选取的所述位点位置信息的个数；
[0017]基于所述个数与所述预设采集设备的采集长度单位数之比，确定为第一预置个数，并将所述第一预置个数所对应的位点位置信息确定为主成分特征。
[0018]优选的，其特征在于，所述基于已完成模型训练的风险预测模型对所述医疗检测数据进行风险预测处理之前，所述方法还包括：
[0019]构建卷积神经网络模型，并基于医疗检测数据样本集对卷积神经网络模型进行模型训练，得到所述风险预测模型，其中，所述风险预先模型为基于所述医疗检测数据样本集中的测试位点样本数配置所述卷积神经网络模型的层级权值完成迭代训练的。
[0020]优选的，其特征在于，所述方法还包括：
[0021]获取用户医疗数据库中与目标病症匹配的用户基础数据以及与所述目标病症关联的病症时间、就诊时间、医疗阶段；
[0022]基于所述用户基础数据、所述病症时间、所述就诊时间、所述医疗阶段建立目标病症用户画像数据库。
[0023]优选的，其特征在于，所述基于所述用户基础数据、所述病症时间、所述就诊时间、所述医疗阶段建立目标病症用户画像数据库之后，所述方法还包括：
[0024]获取所述目标病症用户画像数据库中各用户就诊过程中产生的诊断信息、以及与所述诊断信息匹配的当前症状信息、预期症状信息；
[0025]结合所述诊断信息、所述当前症状信息、所述预期症状信息生成与不同医疗预测结果匹配的医疗风险信息。
[0026]优选的，其特征在于，所述获取所述用户画像数据中与所述医疗预测结果匹配的医疗风险信息，并进行推送之后，所述方法还包括：
[0027]记录所述医疗风险信息的接收次数，并采集各用户基于所述医疗风险信息所产生的医疗操作；
[0028]根据所述医疗操作与所述第一过程信息的就诊信息的相似度更新所述预设相似度阈值。
[0029]依据本申请另一个方面，提供了一种基于机器学习的医疗风险信息推送装置，包括：
[0030]第一获取模块，用于获取预设采集设备的全部位点信息；
[0031]筛选模块，用于基于筛选处理模型从所述全部位点信息中筛选目标测试位点，提取与所述目标测试位点匹配的医疗检测数据，所述筛选处理模型为基于测试验证集的模型评估指标对模型超参数进行调整完成训练得到的；
[0032]解析模块，用于基于已完成模型训练的风险预测模型对所述医疗检测数据进行风险预测处理，并解析风险预测处理后得到的医疗预测结果中与目标病症信息匹配的第一过程信息，所述第一过程信息用于表征与所述目标病程信息匹配的病症时间、就诊信息、医疗
阶段；
[0033]推送模块，用于若已建立的目标病症用户画像数据库中各用户画像数据所对应的第二过程信息与所述第一过程信息的相似度超过预设相似度阈值，则获取所述用户画像数据中与所述医疗预测结果匹配的医疗风险信息，并进行推送。
[0034]优选的，所述第一获取模块之前，所述装置还包括：
[0035]确定模块，用于获取位点样本测试特征集，确定第一预置个数的主成分特征；
[0036]计算模块，用于通过各个主成分特征的系数绝对值进行大小顺序排序，筛选第二预置个数的位点信息，并基于所述位点样本测试特征集计算模型评估指标；
[0037]训练模块，用于通过所述模型评估指标配置调整模型超参数，并结合筛选出的所述位点信息与所述模型超参数对筛选处理模型进行训练。
[0038]优选的，其特征在于，所述确定模块包括：
[0039]提取单元，用于提取位点样本测试集中至少一个位点位置信息，以及用于标记位点信息完整性的位点标识；
[0040]统计单元，用于依次按照行、列单位选取从所述位点样本测试集中的至少两个所述位点标识对应的位点位置信息，并统计选取的所述位点位置信息的个数；
[0041]确定单元，用于基于所述个数与所述预设采本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的医疗风险信息推送方法，其特征在于，包括：获取预设采集设备的全部位点信息；基于筛选处理模型从所述全部位点信息中筛选目标测试位点，提取与所述目标测试位点匹配的医疗检测数据，所述筛选处理模型为基于测试验证集的模型评估指标对模型超参数进行调整完成训练得到的；基于已完成模型训练的风险预测模型对所述医疗检测数据进行风险预测处理，并解析风险预测处理后得到的医疗预测结果中与目标病症信息匹配的第一过程信息，所述第一过程信息用于表征与所述目标病程信息匹配的病症时间、就诊信息、医疗阶段；若已建立的目标病症用户画像数据库中各用户画像数据所对应的第二过程信息与所述第一过程信息的相似度超过预设相似度阈值，则获取所述用户画像数据中与所述医疗预测结果匹配的医疗风险信息，并进行推送。2.根据权利要求1所述的方法，其特征在于，所述获取预设采集设备的全部位点信息之前，所述方法还包括：获取位点样本测试特征集，确定第一预置个数的主成分特征；通过各个主成分特征的系数绝对值进行大小顺序排序，筛选第二预置个数的位点信息，并基于所述位点样本测试特征集计算模型评估指标；通过所述模型评估指标配置调整模型超参数，并结合筛选出的所述位点信息与所述模型超参数对筛选处理模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述获取位点样本测试特征集，确定第一预置个数的主成分特征包括：提取位点样本测试集中至少一个位点位置信息，以及用于标记位点信息完整性的位点标识；依次按照行、列单位选取从所述位点样本测试集中的至少两个所述位点标识对应的位点位置信息，并统计选取的所述位点位置信息的个数；基于所述个数与所述预设采集设备的采集长度单位数之比，确定为第一预置个数，并将所述第一预置个数所对应的位点位置信息确定为主成分特征。4.根据权利要求1所述的方法，其特征在于，所述基于已完成模型训练的风险预测模型对所述医疗检测数据进行风险预测处理之前，所述方法还包括：构建卷积神经网络模型，并基于医疗检测数据样本集对卷积神经网络模型进行模型训练，得到所述风险预测模型，其中，所述风险预先模型为基于所述医疗检测数据样本集中的测试位点样本数配置所述卷积神经网络模型的层级权值完成迭代训练的。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取用户医疗数据库中与目标病症匹配的用户基础数据以及与所述目标病症关联的病症时间、就诊时间、医疗阶段；基于所述用户基础数据、所述病症...
【专利技术属性】
技术研发人员：李映雪，熊昊，李响，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。