本发明专利技术涉及数字医疗领域，公开了一种基于科室维度的收费异常识别方法、装置、设备及介质，方法包括：获取预设时间段的科室的就诊数据，将就诊数据输入至就诊数据向量表示模型中获取就诊数据向量；获取预设时间段的科室的医生数据，将医生数据输入至医生数据向量表示模型中获取医生数据向量；将就诊数据向量和医生数据向量进行融合获取科室的科室综合向量；将科室综合向量输入至对收费异常识别模型中，获取科室的收费正常或异常情况，收费异常识别模型为多层感知器神经网络模型。本发明专利技术通过在科室维度自动识别收费异常，能够从海量的、复杂的数据中发现异常数据，从而达到最终控费目的，且异常识别的准确率更高，提升了效率，大大解放了人力。解放了人力。解放了人力。
【技术实现步骤摘要】
基于科室维度的收费异常识别方法、装置、设备及介质
[0001]本专利技术涉及数字医疗
，尤其涉及一种基于科室维度的收费异常识别方法、装置、设备及介质。
技术介绍
[0002]控制不合理的医疗费用增长是目前我国医改的重要目标之一。存在多种原因会导致不合理的医疗费用支出，针对医疗控费的目的，不同地区已经提出了多种措施进行医疗控费。
[0003]现有的方法一般是通过人工挑选一些病例进行检查，另一方面在医疗项目的费用维度应用一些统计模型发现费用异常高的病例的方法进行医疗费用控制，然而这些方法普遍存在人工参与高，效率低，无法发现复杂的、隐蔽的异常医疗收费的问题。
技术实现思路
[0004]本专利技术提供一种科室维度的收费异常识别方法、装置、计算机设备及介质，以解决现有方法普遍存在人工参与高，效率低，无法发现复杂的、隐蔽的异常医疗收费的技术问题。
[0005]第一方面，提供了一种基于科室维度的收费异常识别方法，包括：
[0006]获取预设时间段的科室的就诊数据，将所述就诊数据输入至就诊数据向量表示模型中，获取就诊数据向量；其中，所述就诊数据向量表示模型为第一自编码器；
[0007]获取预设时间段的所述科室的医生数据，将所述医生数据输入至医生数据向量表示模型中，获取医生数据向量；其中，所述医生数据向量表示模型为第二自编码器；
[0008]将所述就诊数据向量和所述医生数据向量进行融合获取所述科室的科室综合向量；
[0009]将所述科室综合向量输入至对收费异常识别模型中，获取所述科室的收费正常或异常情况，其中，所述收费异常识别模型为多层感知器神经网络模型。
[0010]第二方面，提供了一种基于科室维度的收费异常识别装置，包括：
[0011]就诊数据向量获取模块，用于获取预设时间段的科室的就诊数据，将所述就诊数据输入至就诊数据向量表示模型中，获取就诊数据向量；其中，所述就诊数据向量表示模型为第一自编码器；
[0012]医生数据向量获取模块，用于获取预设时间段的所述科室的医生数据，将所述医生数据输入至医生数据向量表示模型中，获取医生数据向量；其中，所述医生数据向量表示模型为第二自编码器；
[0013]科室综合向量获取模块，用于将所述就诊数据向量和所述医生数据向量进行融合获取所述科室的科室综合向量；
[0014]收费识别模块，用于将所述科室综合向量输入至对收费异常识别模型中，获取所述科室的收费正常或异常情况，其中，所述收费异常识别模型为多层感知器神经网络模型。
[0015]第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于科室维度的收费异常识别方法的步骤。
[0016]第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于科室维度的收费异常识别方法的步骤。
[0017]上述基于科室维度的收费异常识别方法、装置、设备及介质所实现的方案中，可以通过获取一定段内某一科室的就诊数据和医生数据，并根据其就诊数据和医生数据分别获取该科室的就诊数据向量和医生数据向量，并将该就诊数据向量和医生数据向量进行融合以获取该科室的科室综合向量，然后将该科室的科室综合向量输入至通过利用带有标签的科室综合向量对多层感知器进行训练完成后构建的收费异常识别模型中，以判断该科室是否存在收费异常的情况，在本专利技术中，针对医院中某一科室中获取到海量的、复杂的数据进行特征提取融合，从而获取该科室的科室综合向量，通过该科室综合向量从科室的维度上来判断科室是否存在收费异常的情况，能够从海量的、复杂的数据中发现异常数据模式，从而达到最终控费的目的，相较于已有的、常见的通过费用检查的方法进行异常识别的方法，本方案提出的方法建立的模型异常识别的准确率更高，同时，能够在科室维度自动识别收费异常，相较于之前人工检查的方式，提升了效率，大大解放了人力。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术提供基于科室维度的收费异常识别方法的应用环境示意图。
[0020]图2为本专利技术提供的基于科室维度的收费异常识别方法的流程示意图。
[0021]图3为本专利技术提供的基于科室维度的收费异常识别方法中获取就诊数据向量的流程示意图。
[0022]图4为本专利技术提供的基于科室维度的收费异常识别方法中获取初始就诊数据向量的流程示意图。
[0023]图5为设置为5层的自编码器的示意图。
[0024]图6本专利技术提供的基于科室维度的收费异常识别方法中获取医生数据向量的流程示意图。
[0025]图7为本专利技术提供的获取所述科室的收费正常或异常情况流程示意图。
[0026]图8为本专利技术实施例提供的建立收费异常识别模型流程示意图。
[0027]图9为本专利技术实施例提供的获取各个科室的带有是否收费异常的标签的科室综合向量作为训练集样本一个流程示意图。
[0028]图10为本专利技术提出的一种基于科室维度的收费异常识别装置的结构框图。
[0029]图11为本专利技术提出的一种计算机设备内部结构图。
[0030]图12为本专利技术提出的一种计算机设备另一种内部结构图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]本专利技术实施例提供的基于科室维度的收费异常识别方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务端进行通信。服务端可以获取任一科室的在某一时间段内的就诊数据和医生数据，并根据其就诊数据和医生数据分别获取该科室的就诊数据向量和医生数据向量，并将该就诊数据向量和医生数据向量进行融合以获取该科室的科室综合向量，然后将该科室的科室综合向量输入至通过利用带有标签的科室综合向量对多层感知器进行训练完成后构建的收费异常识别模型中，以判断该科室是否存在收费异常的情况，并其将其收费异常的识别结果反馈给客户端。在本专利技术中，在本专利技术中，针对医院中某一科室中获取到海量的、复杂的数据进行特征提取融合，从而获取该科室的科室综合向量，通过该科室综合向量从科室的维度上来判断科室是否存在收费异常的情况，能够从海量的、复杂的数据中发现异常数据模式，从而达到最终控费的目的。其中，客户端可以但不限于各种个人计算机、笔记本电脑、智能手机和平板电脑便携式。下面通过具体的实施例对本专利技术进行详细的描述。
[0033]请参阅本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于科室维度的收费异常识别方法，其特征在于，包括：获取预设时间段的科室的就诊数据，将所述就诊数据输入至就诊数据向量表示模型中，获取就诊数据向量；其中，所述就诊数据向量表示模型为第一自编码器；获取预设时间段的所述科室的医生数据，将所述医生数据输入至医生数据向量表示模型中，获取医生数据向量；其中，所述医生数据向量表示模型为第二自编码器；将所述就诊数据向量和所述医生数据向量进行融合获取所述科室的科室综合向量；将所述科室综合向量输入至对收费异常识别模型中，获取所述科室的收费正常或异常情况，其中，所述收费异常识别模型为多层感知器神经网络模型。2.根据权利要求1所述的基于科室维度的收费异常识别方法，其特征在于，所述获取科室的就诊数据，将所述就诊数据输入至就诊数据向量表示模型中，获取就诊数据向量包括：获取就诊数据，并根据所述就诊数据生成初始就诊数据向量；将所述初始就诊数据向量输入至第一自编码器中，通过所述第一自编码器对所述初始就诊数据向量进行降维处理，获取中间就诊数据向量；将所有就诊数据对应的中间就诊数据向量进行平均，获取所述科室的就诊数据向量。3.根据权利要求2所述的基于科室维度的收费异常识别方法，其特征在于，获取就诊数据，根据所述就诊数据获取初始就诊数据向量的步骤包括：获取所述科室中的多个收费项目；获取所述科室中的就诊数据，并将所述就诊数据收费项目相关联，构成初始就诊数据向量。4.根据权利要求1所述的基于科室维度的收费异常识别方法，其特征在于，获取所述科室的医生数据，将所述医生数据输入至医生数据向量表示模型中获取医生数据向量包括：从所述科室中获取每个医生的多个问诊数据，并生成每个医生的初始医生数据向量；将每个医生的所述初始医生数据向量输入至第二自编码器中，将所述初始就诊数据向量输入至第二自编码器中，通过所述第二自编码器对所述初始医生数据向量进行降维处理，获取每个医生的中间医生数据向量；将所有医生的中间医生数据向量进行平均，获取所述科室的医生数据向量。5.根据权利要求1所述的基于科室维度的收费异常识别方法，其特征在于，所述将所述就诊数据向量和所述医生数据向量进行融合获取所述科室的科室综合向量包括：将就诊数据向量u、医生数据向量v、就诊数据向量u与医生数据向量v之和以及就诊数据向量u与医生数据向量v之间差值的绝对值构建为所述科室综合向量X，其中X为(u；v；u+v；|u
‑
v|...
【专利技术属性】
技术研发人员：唐蕊，
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。