AI数据云测质量的提升方法、装置、设备及存储介质制造方法及图纸

本发明专利技术属于临床数据处理技术领域，公开了一种AI数据云测质量的提升方法、装置、设备及存储介质。该方法包括：对各医疗数据库内数据进行整合，确定第一数据集；基于预设标准对所述第一数据集进行交叉比对及智能运算，得到第二数据集；将所述第一数据集和所述第二数据集进行规则变更，并利用经过规则变更后的第一数据集和第二数据集来进行建库，得到原始规则及元数据初筛内容数据库；对所述原始规则及元数据初筛内容数据库中的指标元数据集合进行数据质量评估，得到新标准数据集；将所述新标准数据集输入到深度学习网络中，得到临床应用数据集。通过上述方式，能够有效提高临床应用数据的质量。据的质量。据的质量。

【技术实现步骤摘要】
AI数据云测质量的提升方法、装置、设备及存储介质


[0001]本专利技术涉及临床数据处理
，尤其涉及一种AI数据云测质量的提升方法、装置、设备及存储介质。

技术介绍

[0002]临床数据的质量是生成临床医疗质量指标的关键，而临床数据的质量受多方面因素影响，比如，在院内数据是有限的情况下，医务工作者因规则太多而无法记住相关规则或最新规则的改变时，会对临床数据的质量造成影响，还比如，医务工作者只做了简单的数据匹配，而对应标准的数据匹配才能得到高质量的临床数据，这也会对临床数据的质量造成影响。

技术实现思路

[0003]本专利技术的主要目的在于提供一种AI数据云测质量的提升方法、装置、设备及存储介质，旨在解决现有技术中临床数据质量不高的技术问题。
[0004]为实现上述目的，本专利技术提供了一种AI数据云测质量的提升方法，所述方法包括以下步骤：S10、对各医疗数据库内数据进行整合，确定第一数据集；S20、基于预设标准对所述第一数据集进行交叉比对及智能运算，得到第二数据集；S30、将所述第一数据集和所述第二数据集进行规则变更，并利用经过规则变更后的第一数据集和第二数据集来进行建库，得到原始规则及元数据初筛内容数据库；S40、对所述数据库中的指标元数据集合进行数据质量评估，得到新标准数据集；S50、将所述新标准数据集输入到深度学习网络中，得到临床应用数据集。
[0005]优选地，所述预设标准包括地区高发病症医学诊疗临床数据、国际医学级国内临床数据共识标准、医学文献标准、医学各分支专家根据历年数据验证结果标准、专家共识推荐结果标准；所述基于预设标准对所述第一数据集进行交叉比对及智能运算，得到第二数据集，包括：基于地区高发病症医学诊疗临床数据、国际医学级国内临床数据共识标准、医学文献标准、医学各分支专家根据历年数据验证结果标准、专家共识推荐结果标准中的共有标准，对所述第一数据集进行比对及智能运算，得到第一相关数据；基于地区高发病症医学诊疗临床数据、国际医学级国内临床数据共识标准、医学文献标准、医学各分支专家根据历年数据验证结果标准、专家共识推荐结果标准中的非共有标准，对所述第一数据集进行交叉比对及智能运算，得到第二相关数据；基于所述第一相关数据和所述第二相关数据，得到第二数据集。
[0006]优选地，所述将所述第一数据集和所述第二数据集进行规则变更，包括：
将所述第一数据集和所述第二数据集用标准数据模板进行梳理。
[0007]优选地，所述利用经过规则变更后的第一数据集和第二数据集来建库，得到原始规则及元数据初筛内容数据库，包括：通过对经过规则变更后的第一数据集和第二数据集进行字段确定和提取，得到第一指标元数据集；通过对经过规则变更后的第一数据集和第二数据集进行文本结构化处理，得到第二指标元数据集；通过对经过规则变更后的第一数据集和第二数据集进行名称编码，得到第三指标元数据集；基于所述第一指标元数据集、所述第二指标元数据集及所述第三指标元数据集，生成指标元数据集合，得到原始规则及元数据初筛内容数据库。
[0008]优选地，在所述步骤S40之前，还包括；对经过规则变更后的第一数据集和第二数据集进行可用性评估，其中，所述可用性评估包括数据一致性评估、代码和名称一致性评估及数据精确性评估；根据评估结果来更新所述原始规则及元数据初筛内容数据库。
[0009]优选地，在所述步骤S40之前，还包括：基于所述经过规则变更后的第一数据集和第二数据集，通过大数据挖掘和推算算法融合推算出新数据；根据所述新数据来更新所述原始规则及元数据初筛内容数据库。
[0010]优选地，在所述步骤S50之后，还包括：S60、将所述临床应用数据集输入到卷积神经网络中，获取未知元数据；S70、在将所述未知元数据与所述指标元数据集合进行比对之后，更新所述指标元数据集合，并根据新的指标元数据集合来重复步骤S40
‑
S70。
[0011]此外，为实现上述目的，本专利技术还提出一种AI数据云测质量的提升装置，所述AI数据云测质量的提升装置包括：确定模块，用于对各医疗数据库内数据进行整合，确定第一数据集；所述确定模块，用于基于预设标准对所述第一数据集进行交叉比对及智能运算，得到第二数据集；建库模块，用于将所述第一数据集和所述第二数据集进行规则变更，并利用经过规则变更后的第一数据集和第二数据集来进行建库，得到原始规则及元数据初筛内容数据库；评估模块，用于对所述原始规则及元数据初筛内容数据库中的指标元数据集合进行数据质量评估，得到新标准数据集；生成模块，用于将所述新标准数据集输入到深度学习网络中，得到临床应用数据集。
[0012]此外，为实现上述目的，本专利技术还提出一种AI数据云测质量的提升设备，所述AI数据云测质量的提升设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的AI数据云测质量的提升程序，所述AI数据云测质量的提升程序配置为实现如上文所述的AI数据云测质量的提升方法的步骤。
[0013]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有AI数据云测质量的提升程序，所述AI数据云测质量的提升程序被处理器执行时实现如上文所述AI数据云测质量的提升方法的步骤。
[0014]本专利技术实施例提供的AI数据云测质量的提升方法、装置、设备及存储介质，通过对各医疗数据库内数据进行模糊逻辑整合得到第一数据集，再第一数据集与预设标准进行交叉比对及智能运算，得到第二数据集，将第一数据集与第二数据集统一成一个标准后生成指标元数据集合并存储于数据库中，为了进一步提高AI数据质量，先对指标元数据集合进行数据质量评估后再输入至深度学习网络中，通过深度学习网络确定新标准数据集中需要应用到的数据集的概率或者准确度，从中筛选出概率或者准确度大于一定数值的数据作为临床应用数据集，能够有效提高最终生成的临床应用数据集的质量，进而提高生成临床医疗质量指标。
附图说明
[0015]图1是本专利技术实施例方案涉及的硬件运行环境的AI数据云测质量的提升设备的结构示意图；图2为本专利技术AI数据云测质量的提升方法第一实施例的流程示意图；图3为本专利技术AI数据云测质量的提升方法第二实施例的流程示意图；图4为本专利技术AI数据云测质量的提升方法第三实施例的流程示意图；图5为本专利技术AI数据云测质量的提升方法第三实施例中的循环流程图；图6为本专利技术AI数据云测质量的提升装置第一实施例的结构框图。
[0016]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0017]应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0018]参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的AI数据云测质量的提升设备结构示意图。
[0019]如图1所示，该AI数据云测质量的提升设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI数据云测质量的提升方法，其特征在于，所述AI数据云测质量的提升方法包括：S10、对各医疗数据库内数据进行整合，确定第一数据集；S20、基于预设标准对所述第一数据集进行交叉比对及智能运算，得到第二数据集；S30、将所述第一数据集和所述第二数据集进行规则变更，并利用经过规则变更后的第一数据集和第二数据集来进行建库，得到原始规则及元数据初筛内容数据库；S40、对所述原始规则及元数据初筛内容数据库中的指标元数据集合进行数据质量评估，得到新标准数据集；S50、将所述新标准数据集输入到深度学习网络中，得到临床应用数据集。2.如权利要求1所述的方法，其特征在于，所述预设标准包括地区高发病症医学诊疗临床数据、国际医学级国内临床数据共识标准、医学文献标准、医学各分支专家根据历年数据验证结果标准以及专家共识推荐结果标准；所述基于预设标准对所述第一数据集进行交叉比对及智能运算，得到第二数据集，包括：基于所述地区高发病症医学诊疗临床数据、国际医学级国内临床数据共识标准、医学文献标准、医学各分支专家根据历年数据验证结果标准、专家共识推荐结果标准中的共有标准，对所述第一数据集进行比对及智能运算，得到第一相关数据；基于所述地区高发病症医学诊疗临床数据、国际医学级国内临床数据共识标准、医学文献标准、医学各分支专家根据历年数据验证结果标准、专家共识推荐结果标准中的非共有标准，对所述第一数据集进行交叉比对及智能运算，得到第二相关数据；基于所述第一相关数据和所述第二相关数据，得到第二数据集。3.如权利要求1所述的方法，其特征在于，所述将所述第一数据集和所述第二数据集进行规则变更，包括：将所述第一数据集和所述第二数据集用标准数据模板进行梳理。4.如权利要求1所述的方法，其特征在于，所述利用经过规则变更后的第一数据集和第二数据集来建库，得到原始规则及元数据初筛内容数据库，包括：通过对经过规则变更后的第一数据集和第二数据集进行字段确定和提取，得到第一指标元数据集；通过对经过规则变更后的第一数据集和第二数据集进行文本结构化处理，得到第二指标元数据集；通过对经过规则变更后的第一数据集和第二数据集进行名称编码，得到第三指标元数据集；基于所述第一指标元数据集、所述第二指标元数据集及所述第三指标元数据集，生成指标元数...

【专利技术属性】
技术研发人员：舒振峰，杨政，刘洋，
申请(专利权)人：深圳市指南针医疗科技有限公司，
类型：发明
国别省市：