一种基于机器学习的医疗数据分析处理方法及系统技术方案

本说明书实施例提供一种基于机器学习的医疗数据分析处理方法及系统，该方法包括：获取与目标医疗设备相关的第一医疗数据，第一医疗数据包括预设时间段内目标医疗设备产生的诊疗数据；基于第一医疗数据，确定目标医疗设备的多维概率特征信息，多维概率特征信息包括第一概率特征信息和第二概率特征信息；响应于多维概率特征信息满足预设条件，向用户发出预警。警。警。

【技术实现步骤摘要】
一种基于机器学习的医疗数据分析处理方法及系统


[0001]本说明书涉及医疗数据分析领域，特别涉及一种基于机器学习的医疗数据分析处理方法及系统。

技术介绍

[0002]许多医疗设备在高负荷运行或长期使用没有得到足够维护时，往往会产生各种问题，如医疗设备输出的数据存在误差、医疗设备生成的图片伪影严重、医疗设备的零件老化等问题，若不及时发现与解决这些问题，将会对后续的诊疗产生严重的影响。
[0003]通常情况下，我们基于医疗数据通过肉眼和个人经验难以准确判断医疗设备是否存在故障，因此，亟需一种高效且准确的基于医疗数据判断医疗设备发生故障的概率，并及时发出预警的方法。

技术实现思路

[0004]本说明书一个或多个实施例提供一种基于机器学习的医疗数据分析处理方法，该方法包括：获取与目标医疗设备相关的第一医疗数据，第一医疗数据包括预设时间段内目标医疗设备产生的诊疗数据；基于第一医疗数据，确定目标医疗设备的多维概率特征信息，多维概率特征信息包括第一概率特征信息和第二概率特征信息；响应于多维概率特征信息满足预设条件，向用户发出预警。
[0005]本说明书实施例之一提供一种基于机器学习的医疗数据分析处理系统，该系统包括：获取模块，用于获取与目标医疗设备相关的第一医疗数据，第一医疗数据包括预设时间段内目标医疗设备产生的诊疗数据；确定模块，用于基于第一医疗数据，确定目标医疗设备的多维概率特征信息，多维概率特征信息包括第一概率特征信息和第二概率特征信息；预警模块，响应于多维概率特征信息满足预设条件，用于向用户发出预警。
[0006]本说明书一个或多个实施例提供一种基于机器学习的医疗数据分析处理装置，包括处理器，所述处理器用于执行上述实施例中任一项所述的基于机器学习的医疗数据分析处理方法。
[0007]本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述实施例中任一项所述的基于机器学习的医疗数据分析处理方法。
附图说明
[0008]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0009]图1是根据本说明书一些实施例所示的基于机器学习的医疗数据分析处理系统的示例性模块图；
[0010]图2是根据本说明书一些实施例所示的基于机器学习的医疗数据分析处理方法的示例性流程图；
[0011]图3是根据本说明书一些实施例所示的确定多维概率特征信息的示例性流程图；
[0012]图4是根据本说明书一些实施例所示的第一概率特征信息确定模型的示例性示意图；
[0013]图5是根据本说明书一些实施例所示的第二概率特征信息确定模型的示例性示意图；
[0014]图6是根据本说明书一些实施例所示的故障概率确定模型的示例性示意图。
具体实施方式
[0015]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0016]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0017]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0018]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0019]图1是根据本说明书一些实施例所示的基于机器学习的医疗数据分析处理系统的示例性模块图。
[0020]如图1所示，在一些实施例中，基于机器学习的医疗数据分析处理系统100可以包括获取模块110、确定模块120和预警模块130。
[0021]获取模块110用于获取与目标医疗设备相关的第一医疗数据，第一医疗数据包括预设时间段内目标医疗设备产生的诊疗数据。关于目标医疗设备、第一医疗数据的更多内容参见图2及其相关描述。
[0022]确定模块120用于基于第一医疗数据，确定目标医疗设备的多维概率特征信息，多维概率特征信息包括第一概率特征信息和第二概率特征信息。关于多维概率特征信息、第一概率特征信息、第二概率特征信息的更多内容参见图2及其相关描述。
[0023]在一些实施例中，确定模块120进一步用于对第一医疗数据进行特征分类，得到多个第一医疗子数据集；基于多个第一医疗子数据集，确定多个第一概率特征子信息；基于多个第一医疗子数据集，确定多个第二概率特征子信息；以及，基于多个第一概率特征子信息
和多个第二概率特征子信息，确定第一概率特征信息和第二概率特征信息。关于第一医疗子数据集、第一概率特征子信息、第二概率特征子信息的更多内容参见图3及其相关描述。
[0024]在一些实施例中，确定模块120还用于获取第二医疗数据与第二陈述集，第二陈述集包括对第二医疗数据真实度的相关陈述；基于第二医疗数据确定多个第二医疗子数据集，多个第二医疗子数据集对应于多个第一医疗子数据集；基于多个第一医疗子数据集、多个第二医疗子数据集以及第二陈述集，确定多个第二概率特征子信息。关于第二医疗数据、第二陈述集、第二医疗子数据集的更多内容参见图3及其相关描述。
[0025]预警模块130用于响应于多维概率特征信息满足预设条件，向用户发出预警。关于预设条件的更多内容参见图2及其相关描述。
[0026]在一些实施例中，预警模块130还用于基于多维概率特征信息，确定目标医疗设备存在故障的概率；响应于目标医疗设备存在故障的概率满足预设条件，向用户发出所述预警。关于确定目标医疗设备存在故障的概率、判断是否满足预设条件的更多内容参见图6及其相关描述。
[0027]需要注意的是，以上对于系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，获取模块和确定模块可以整合在一个模块中。又例如，各个模块可以共用一个存储设备，各个模块也可以分别具有各自的存储设备。诸如此类的变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的医疗数据分析处理方法，其特征在于，所述方法包括：获取与目标医疗设备相关的第一医疗数据，所述第一医疗数据包括预设时间段内所述目标医疗设备产生的诊疗数据；基于所述第一医疗数据，确定所述目标医疗设备的多维概率特征信息，所述多维概率特征信息包括第一概率特征信息和第二概率特征信息；响应于所述多维概率特征信息满足预设条件，向用户发出预警。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一医疗数据，确定所述目标医疗设备的多维概率特征信息包括：对所述第一医疗数据进行特征分类，得到多个第一医疗子数据集；基于所述多个第一医疗子数据集，确定多个第一概率特征子信息；基于所述多个第一医疗子数据集，确定多个第二概率特征子信息；以及，基于所述多个第一概率特征子信息和所述多个第二概率特征子信息，确定所述第一概率特征信息和所述第二概率特征信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述多个第一医疗子数据集，确定多个第二概率特征子信息包括：获取第二医疗数据与第二陈述集，所述第二陈述集包括对所述第二医疗数据真实度的相关陈述；基于所述第二医疗数据确定多个第二医疗子数据集，所述多个第二医疗子数据集对应于所述多个第一医疗子数据集；基于所述多个第一医疗子数据集、所述多个第二医疗子数据集以及所述第二陈述集，确定所述多个第二概率特征子信息。4.根据权利要求1所述的方法，其特征在于，所述响应于所述多维概率特征信息满足预设条件，向用户发出预警包括：基于所述多维概率特征信息，确定所述目标医疗设备的故障概率；响应于所述故障概率满足所述预设条件，向所述用户发出所述预警。5.一种基于机器学习的医疗数据分析处理系统，其特征在于，所述系统包括：获取模块，用于获取与目标医疗设备相关的第一医疗数据，所述第一医疗数据包括预设时间段内...

【专利技术属性】
技术研发人员：周校平，陈竹，章有智，
申请(专利权)人：武汉博科国泰信息技术有限公司，
类型：发明
国别省市：