本发明专利技术涉及智慧医疗，提供一种医疗数据分析方法、装置、电子设备及存储介质。该方法能够确定分析对象，确定与分析对象对应的对象特征，根据所述对象特征生成疾病概率预测模型，提取与对象特征对应的待测因素，将待测因素输入至疾病概率预测模型中，得到患病概率，构建疾病因素集及多个测试因素集，将每个测试因素集中的特征因素输入至疾病概率预测模型中，得到多个测试概率，将与患病概率差值最大的测试概率确定为目标概率，并将与目标概率对应的测试因素集确定为目标因素集，对比疾病因素集与目标因素集，得到目标病因。本发明专利技术能够提高医疗数据分析准确率及分析效率。此外，本发明专利技术还涉及区块链技术，所述目标病因可存储于区块链中。中。中。
【技术实现步骤摘要】
医疗数据分析方法、装置、电子设备及存储介质
[0001]本专利技术涉及智慧医疗
，尤其涉及一种医疗数据分析方法、装置、电子设备及存储介质。
技术介绍
[0002]为了更好的防控确诊疾病，通常需要确定出确诊疾病的致病因素。由于导致确诊疾病的患病因素众多，目前需要依赖医生的经验对多项患病因素进行逐一排查分析，这种方式严重依赖于医生的经验，从而导致医疗数据分析不够准确，此外，由于患病因素众多以及医疗数据错综复杂，因此通过人为方式分析医疗数据从而确定出致病因素，降低了分析效率。
技术实现思路
[0003]鉴于以上内容，有必要提供一种医疗数据分析方法、装置、电子设备及存储介质，不仅能够提高医疗数据分析准确率，还能够提高医疗数据分析效率。
[0004]一方面，本专利技术提出一种医疗数据分析方法，所述医疗数据分析方法包括：
[0005]当接收到医疗数据分析请求时，确定所述医疗数据分析请求的分析对象，并确定与所述分析对象对应的对象特征；
[0006]根据所述对象特征生成疾病概率预测模型；
[0007]从所述医疗数据分析请求中提取与所述对象特征对应的待测因素，并将所述待测因素输入至所述疾病概率预测模型中，得到患病概率；
[0008]根据所述待测因素构建疾病因素集，并从所述疾病因素集中剔除任一待测因素，得到多个测试因素集，每个测试因素集中包括特征因素，所述特征因素包括所述任一待测因素外的待测因素；
[0009]将每个测试因素集中的所述特征因素输入至所述疾病概率预测模型中，得到多个测试概率；
[0010]将与所述患病概率差值最大的测试概率确定为目标概率，并将与所述目标概率对应的测试因素集确定为目标因素集；
[0011]对比所述疾病因素集与所述目标因素集，得到所述分析对象的目标病因。
[0012]根据本专利技术优选实施例，所述确定所述医疗数据分析请求的分析对象，并确定与所述分析对象对应的对象特征包括：
[0013]解析所述医疗数据分析请求的报文，得到所述报文携带的数据信息；
[0014]从所述数据信息中提取用于指示疾病的信息作为所述分析对象；
[0015]获取所述分析对象的对象标识；
[0016]从预设特征列表中获取与所述对象标识对应的特征列表作为目标列表；
[0017]将所述目标列表中存储的特征确定为所述对象特征。
[0018]根据本专利技术优选实施例，所述根据所述对象特征生成疾病概率预测模型包括：
[0019]根据所述对象特征构建样本数据集，所述样本数据集中包括多个样本用户的样本信息；
[0020]利用所述样本数据集中的所述样本信息训练预先构建的广义相加模型，得到所述疾病概率预测模型。
[0021]根据本专利技术优选实施例，所述根据所述对象特征构建样本数据集，所述样本数据集中包括多个样本用户的样本信息包括：
[0022]利用网络爬虫技术获取所述多个样本用户的用户信息；
[0023]利用所述对象特征清洗所述用户信息，得到所述多个样本用户的特征信息；
[0024]检测所述特征信息中是否存在缺失值；
[0025]当检测到所述特征信息中存在所述缺失值时，根据所述用户信息确定与所述缺失值对应的目标缺失信息；
[0026]利用所述目标缺失信息填补所述特征信息，得到所述样本信息，并基于所述样本信息生成所述样本数据集。
[0027]根据本专利技术优选实施例，所述利用所述样本数据集中的所述样本信息训练预先构建的广义相加模型，得到所述疾病概率预测模型包括：
[0028]获取预先构建的映射向量表；
[0029]根据所述映射向量表对所述样本信息进行向量转换，得到所述样本信息的信息向量；
[0030]将所述信息向量输入至所述广义相加模型中，得到目标参数；
[0031]融合所述目标参数与所述广义相加模型，得到所述疾病概率预测模型。
[0032]根据本专利技术优选实施例，所述对比所述疾病因素集与所述目标因素集，得到所述分析对象的目标病因包括：
[0033]遍历所述疾病因素集中的待测因素；
[0034]检测所述目标因素集中是否存在遍历到的待测因素；
[0035]当所述目标因素集中不存在所述遍历到的待测因素时，将所述待测因素确定为所述目标病因。
[0036]根据本专利技术优选实施例，在得到所述分析对象的目标病因后，所述方法还包括：
[0037]计算所述目标概率与所述患病概率的差值，得到目标差值；
[0038]根据所述目标差值及所述目标病因生成反馈包；
[0039]根据所述患病概率确定所述反馈包的反馈等级；
[0040]根据所述反馈等级确定所述反馈包的发送方式；
[0041]以所述发送方式发送所述反馈包。
[0042]另一方面，本专利技术还提出一种医疗数据分析装置，所述医疗数据分析装置包括：
[0043]确定单元，用于当接收到医疗数据分析请求时，确定所述医疗数据分析请求的分析对象，并确定与所述分析对象对应的对象特征；
[0044]生成单元，用于根据所述对象特征生成疾病概率预测模型；
[0045]输入单元，用于从所述医疗数据分析请求中提取与所述对象特征对应的待测因素，并将所述待测因素输入至所述疾病概率预测模型中，得到患病概率；
[0046]构建单元，用于根据所述待测因素构建疾病因素集，并从所述疾病因素集中剔除
任一待测因素，得到多个测试因素集，每个测试因素集中包括特征因素，所述特征因素包括所述任一待测因素外的待测因素；
[0047]所述输入单元，还用于将每个测试因素集中的所述特征因素输入至所述疾病概率预测模型中，得到多个测试概率；
[0048]所述确定单元，还用于将与所述患病概率差值最大的测试概率确定为目标概率，并将与所述目标概率对应的测试因素集确定为目标因素集；
[0049]对比单元，用于对比所述疾病因素集与所述目标因素集，得到所述分析对象的目标病因。
[0050]另一方面，本专利技术还提出一种电子设备，所述电子设备包括：
[0051]存储器，存储计算机可读指令；及
[0052]处理器，执行所述存储器中存储的计算机可读指令以实现所述医疗数据分析方法。
[0053]另一方面，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述医疗数据分析方法。
[0054]由以上技术方案可以看出，本专利技术通过所述分析对象能够确定出所述对象特征，进而根据所述对象特征生成与所述分析对象对应的疾病概率预测模型，从而利用所述疾病概率预测模型能够确定出所述患病概率，通过分析每个测试因素集中的所述特征因素能够确定出测试概率，进而利用所述测试概率与所述患病概率的差值进行比较，能够确定出所述医疗数据分析请求中的目标病因。由于所述目标病因无需依赖医生的经验，而是通过所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医疗数据分析方法，其特征在于，所述医疗数据分析方法包括：当接收到医疗数据分析请求时，确定所述医疗数据分析请求的分析对象，并确定与所述分析对象对应的对象特征；根据所述对象特征生成疾病概率预测模型；从所述医疗数据分析请求中提取与所述对象特征对应的待测因素，并将所述待测因素输入至所述疾病概率预测模型中，得到患病概率；根据所述待测因素构建疾病因素集，并从所述疾病因素集中剔除任一待测因素，得到多个测试因素集，每个测试因素集中包括特征因素，所述特征因素包括所述任一待测因素外的待测因素；将每个测试因素集中的所述特征因素输入至所述疾病概率预测模型中，得到多个测试概率；将与所述患病概率差值最大的测试概率确定为目标概率，并将与所述目标概率对应的测试因素集确定为目标因素集；对比所述疾病因素集与所述目标因素集，得到所述分析对象的目标病因。2.如权利要求1所述的医疗数据分析方法，其特征在于，所述确定所述医疗数据分析请求的分析对象，并确定与所述分析对象对应的对象特征包括：解析所述医疗数据分析请求的报文，得到所述报文携带的数据信息；从所述数据信息中提取用于指示疾病的信息作为所述分析对象；获取所述分析对象的对象标识；从预设特征列表中获取与所述对象标识对应的特征列表作为目标列表；将所述目标列表中存储的特征确定为所述对象特征。3.如权利要求1所述的医疗数据分析方法，其特征在于，所述根据所述对象特征生成疾病概率预测模型包括：根据所述对象特征构建样本数据集，所述样本数据集中包括多个样本用户的样本信息；利用所述样本数据集中的所述样本信息训练预先构建的广义相加模型，得到所述疾病概率预测模型。4.如权利要求3所述的医疗数据分析方法，其特征在于，所述根据所述对象特征构建样本数据集，所述样本数据集中包括多个样本用户的样本信息包括：利用网络爬虫技术获取所述多个样本用户的用户信息；利用所述对象特征清洗所述用户信息，得到所述多个样本用户的特征信息；检测所述特征信息中是否存在缺失值；当检测到所述特征信息中存在所述缺失值时，根据所述用户信息确定与所述缺失值对应的目标缺失信息；利用所述目标缺失信息填补所述特征信息，得到所述样本信息，并基于所述样本信息生成所述样本数据集。5.如权利要求3所述的医疗数据分析方法，其特征在于，所述利用所述样本数据集中的所述样本信息训练预先构建的广义相加模型，得到所述疾病概率预测模型包括：获取预先构建的映射向量表...
【专利技术属性】
技术研发人员：李娜，王磊，陶英，王媛，徐嘉颖，
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。