一种基于大数据的医学实习教学决策方法技术

本申请提供一种基于大数据的医学实习教学决策方法，包括：获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表；获取患者过往数据，构造患者敏感偏好数据表；利用患者敏感偏好数据表建立先验知识库，基于贝叶斯算法构建判别模型；从患者敏感偏好数据表中提取特征变量输入判别模型，判断实习生是否能参与；根据判别结果和实习生技能数据表，初步推荐能胜任患者所需技能且能发挥稳定性的实习生；针对患者敏感偏好类型和初步推荐结果，选择最合适的实习生参与治疗；分配稳定性高的同学探索新的实习任务，对技能差的同学，加强训练，不推荐实际参与治疗。不推荐实际参与治疗。不推荐实际参与治疗。

【技术实现步骤摘要】
一种基于大数据的医学实习教学决策方法


[0001]本专利技术涉及信息
，尤其涉及一种基于大数据的医学实习教学决策方法。

技术介绍

[0002]医学实习是医学院学生进行实战的必要阶段，一方面，医院科室老师需要充分了解每一名实习生的能力和水平，根据实习任务的难度和重要性，给予合适的指导和安排，确保实习任务与实习生能力相匹配，避免医疗事故的发生，另一方面，不同患者有不同的敏感偏好，例如需要打针的病人面对技能不熟练的实习生可能会产生不信任感，而需要进行化疗的癌症病人更加偏好具有良好沟通能力的医者。因此，如何合理地对这些实习生进行管理分配，使他们能够获得最佳的实习体验，同时又能对患者的敏感偏好进行个性化判断，根据不同敏感偏好类型分配相应的实习生，从而保障患者的就医质量和安全，是一个亟待解决的问题。

技术实现思路

[0003]本专利技术提供了一种基于大数据的医学实习教学决策方法，主要包括：
[0004]获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表，所述获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表，具体包括：获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型预测实习生技能操作效果，获取实习成绩和对应的技能操作名称、技能操作效果，计算技能稳定性和成绩评价得分，获取实习成绩和对应的技能操作效果，进行归一化处理并分组定标；获取患者过往数据，构造患者敏感偏好数据表，所述获取患者过往数据，构造患者敏感偏好数据表，具体包括：获取患者医疗项目的身体体验难受程度和患者敏感度，根据实习内容构建Logistic回归模型，判断技术难度；利用患者敏感偏好数据表建立先验知识库，基于贝叶斯算法构建判别模型；从患者敏感偏好数据表中提取特征变量输入判别模型，判断实习生是否能参与；根据判别结果和实习生技能数据表，初步推荐能胜任患者所需技能且能发挥稳定性的实习生；针对患者敏感偏好类型和初步推荐结果，选择最合适的实习生参与治疗，具体包括：根据患者敏感偏好数据表对患者进行敏感性聚类；分配稳定性高的同学探索新的实习任务，对技能差的同学，加强训练，不推荐实际参与治疗。
[0005]进一步可选地，所述获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表包括：
[0006]获取实习生的科室实习数据，所述科室实习数据从实习单位实习生管理平台系统获取；所述科室实习数据包括实习生编号、实习生姓名、成绩公布日期以及医学理论成绩、病史采集成绩、体格检查成绩、医患交流成绩、临床诊断成绩五项实习成绩；根据实习成绩判断实习生沟通态度、技能操作效果、技能稳定性及成绩评价得分；所述实习生沟通态度用分数描述，沟通态度得分等于实习生医患交流成绩的平均值；所述技能操作效果通过获取
患者治疗后的部位图像并提取图像特征，基于回归决策树模型获得；所述技能稳定性和所述成绩评价得分根据医学理论成绩、病史采集成绩、体格检查成绩、医患交流成绩、临床诊疗成绩、技能操作效果计算获得；构建实习技能数据表，所述实习技能数据表包括实习生编号、实习生姓名、沟通态度得分、技能操作名称、技能操作效果、技能操作稳定性、成绩评价得分；包括：获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型预测实习生技能操作效果；获取实习成绩和对应的技能操作名称、技能操作效果，计算技能稳定性和成绩评价得分；获取实习成绩和对应的技能操作效果，进行归一化处理并分组定标；
[0007]所述获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型预测实习生技能操作效果，具体包括：
[0008]获取患者治疗后的部位图像集及每张图像对应的技能操作效果得分数据，作为先验知识库；提取所述患者治疗后的部位图像集中每张图像对应的的图像特征，所述图像特征包括治疗部位的最大周长、最大凹陷度、平均凹陷度、最大面积、最大半径、平均灰度值六个维度；所述技能操作效果得分为医生根据自身经验判断得到；利用所述先验知识库构建模型训练集，所述模型训练集由六个图像特征和技能操作效果得分构成，所述六个图像特征为特征变量，所述技能操作效果得分为目标变量；建立回归决策树模型，导入训练集进行模型训练；训练完成后，获取经由实习生参与的患者治疗后的部位图像，提取图像特征制作输入集，所述输入集包括治疗部位的最大周长、最大凹陷度、平均凹陷度、最大面积、最大半径、平均灰度值六个图像特征，将所述输入集输入训练好的回归决策树模型，模型能够自动输出实习生的技能操作效果得分。
[0009]所述获取实习成绩和对应的技能操作名称、技能操作效果，计算技能稳定性和成绩评价得分，具体包括：
[0010]获取实习生每次的实习成绩及每次实习对应的技能操作名称和技能操作效果；对实习成绩和对应的技能操作效果，进行归一化处理并分组定标；获取分组定标的结果；统计各分组定标的结果中的数据条数，若所述数据条数大于1，则按照方差平均法计算实习生技能稳定性，若所述数据条数小于等于1，则默认实习生技能稳定性为0；分别计算医学理论、病史采集、体格检查、医患交流、临床诊疗、技能操作效果的成绩方差，并利用各项成绩方差的平均数，计算实习生技能稳定性，其中所述实习生技能稳定性等于所述各项成绩方差的平均数的倒数。计算各分组定标的结果中各实习内容的平均成绩；获取各实习成绩的平均值，利用权重法计算实习生成绩评价得分；所述权重法指结合权重值和得分计算实习生成绩评价得分，实习生成绩评价得分等于各项成绩得分与对应权重的乘积之和；所述权重由医生确定。
[0011]所述获取实习成绩和对应的技能操作效果，进行归一化处理并分组定标，具体包括：
[0012]对实习成绩中的医学理论成绩、病史采集成绩、体格检查成绩、医患交流成绩、临床诊疗成绩及技能操作效果进行归一化处理，归一化公式为：100*(原得分/原满分)；对归一化处理后的数据进行分组定标；以实习生编号为索引对实习生实习成绩及对应的技能操作效果进行分组，得到第一次分组定标的结果，所述第一次分组定标的结果为每一位实习生对应的历次实习成绩及对应的技能操作名称、技能操作效果；以技能操作名称为索引对第一次分组定标的结果进行分组，得到每一位实习生不同技能对应的数据；最后将分组定
标的结果按照固定格式定上标签，所述固定格式为“实习编号_技能操作名称”。
[0013]进一步可选地，所述获取患者过往数据，构造患者敏感偏好数据表包括：
[0014]获取患者过往数据，构造患者敏感偏好数据表；所述患者敏感偏好数据表包括患者编号、患者姓名、患者身体体验难受程度、患者敏感度、技能操作名称、技能操作编号、技术难度；所述患者身体体验难受程度和所述患者敏感度都通过医学量化工具获取；所述技术难度通过Logistic回归模型获得；包括：获取患者医疗项目的身体体验难受程度和患者敏感度；根据实习内容构建Logistic回归模型，判断技术难度；
[0015]所述获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的医学实习教学决策方法，其特征在于，所述方法包括：获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表，所述获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表，具体包括：获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型预测实习生技能操作效果，获取实习成绩和对应的技能操作名称、技能操作效果，计算技能稳定性和成绩评价得分，获取实习成绩和对应的技能操作效果，进行归一化处理并分组定标；获取患者过往数据，构造患者敏感偏好数据表，所述获取患者过往数据，构造患者敏感偏好数据表，具体包括：获取患者医疗项目的身体体验难受程度和患者敏感度，根据实习内容构建Logistic回归模型，判断技术难度；利用患者敏感偏好数据表建立先验知识库，基于贝叶斯算法构建判别模型；从患者敏感偏好数据表中提取特征变量输入判别模型，判断实习生是否能参与；根据判别结果和实习生技能数据表，初步推荐能胜任患者所需技能且能发挥稳定性的实习生；针对患者敏感偏好类型和初步推荐结果，选择最合适的实习生参与治疗，具体包括：根据患者敏感偏好数据表对患者进行敏感性聚类；分配稳定性高的同学探索新的实习任务，对技能差的同学，加强训练，不推荐实际参与治疗。2.根据权利要求1所述的方法，其中，所述获取实习生过往科室实习数据并提取实习成绩，并判断实习生沟通态度、技能操作效果、稳定性及成绩评价，构建实习技能数据表，包括:获取实习生的科室实习数据，所述科室实习数据从实习单位实习生管理平台系统获取；所述科室实习数据包括实习生编号、实习生姓名、成绩公布日期以及医学理论成绩、病史采集成绩、体格检查成绩、医患交流成绩、临床诊断成绩五项实习成绩；根据实习成绩判断实习生沟通态度、技能操作效果、技能稳定性及成绩评价得分；所述实习生沟通态度用分数描述，沟通态度得分等于实习生医患交流成绩的平均值；所述技能操作效果通过获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型获得；所述技能稳定性和所述成绩评价得分根据医学理论成绩、病史采集成绩、体格检查成绩、医患交流成绩、临床诊疗成绩、技能操作效果计算获得；构建实习技能数据表，所述实习技能数据表包括实习生编号、实习生姓名、沟通态度得分、技能操作名称、技能操作效果、技能操作稳定性、成绩评价得分；包括：获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型预测实习生技能操作效果；获取实习成绩和对应的技能操作名称、技能操作效果，计算技能稳定性和成绩评价得分；获取实习成绩和对应的技能操作效果，进行归一化处理并分组定标；所述获取患者治疗后的部位图像并提取图像特征，基于回归决策树模型预测实习生技能操作效果，具体包括:获取患者治疗后的部位图像集及每张图像对应的技能操作效果得分数据，作为先验知识库；提取所述患者治疗后的部位图像集中每张图像对应的的图像特征，所述图像特征包括治疗部位的最大周长、最大凹陷度、平均凹陷度、最大面积、最大半径、平均灰度值六个维度；所述技能操作效果得分为医生根据自身经验判断得到；利用所述先验知识库构建模型训练集，所述模型训练集由六个图像特征和技能操作效果得分构成，所述六个图像特征为特征变量，所述技能操作效果得分为目标变量；建立回归决策树模型，导入训练集进行模型训练；训练完成后，获取经由实习生参与的患者治疗后的部位图像，提取图像特征制作输入
集，所述输入集包括治疗部位的最大周长、最大凹陷度、平均凹陷度、最大面积、最大半径、平均灰度值六个图像特征，将所述输入集输入训练好的回归决策树模型，模型能够自动输出实习生的技能操作效果得分；所述获取实习成绩和对应的技能操作名称、技能操作效果，计算技能稳定性和成绩评价得分，具体包括:获取实习生每次的实习成绩及每次实习对应的技能操作名称和技能操作效果；对实习成绩和对应的技能操作效果，进行归一化处理并分组定标；获取分组定标的结果；统计各分组定标的结果中的数据条数，若所述数据条数大于1，则按照方差平均法计算实习生技能稳定性，若所述数据条数小于等于1，则默认实习生技能稳定性为0；分别计算医学理论、病史采集、体格检查、医患交流、临床诊疗、技能操作效果的成绩方差，并利用各项成绩方差的平均数，计算实习生技能稳定性，其中所述实习生技能稳定性等于所述各项成绩方差的平均数的倒数；计算各分组定标的结果中各实习内容的平均成绩；获取各实习成绩的平均值，利用权重法计算实习生成绩评价得分；所述权重法指结合权重值和得分计算实习生成绩评价得分，实习生成绩评价得分等于各项成绩得分与对应权重的乘积之和；所述权重由医生确定；所述获取实习成绩和对应的技能操作效果，进行归一化处理并分组定标，具体包括:对实习成绩中的医学理论成绩、病史采集成绩、体格检查成绩、医患交流成绩、临床诊疗成绩及技能操作效果进行归一化处理，归一化公式为：100*(原得分/原满分)；对归一化处理后的数据进行分组定标；以实习生编号为索引对实习生实习成绩及对应的技能操作效果进行分组，得到第一次分组定标的结果，所述第一次分组定标的结果为每一位实习生对应的历次实习成绩及对应的技能操作名称、技能操作效果；以技能操作名称为索引对第一次分组定标的结果进行分组，得到每一位实习生不同技能对应的数据；最后将分组定标的结果按照固定格式定上标签，所述固定格式为“实习编号_技能操作名称”。3.根据权利要求1所述的方法，其中，所述获取患者过往数据，构造患者敏感偏好数据表，包括:获取患者过往数据，构造患者敏感偏好数据表；所述患者敏感偏好数据表包括患者编号、患者姓名、患者身体体验难受程度、患者敏感度、技能操作名称、技能操作编号、技术难度；所述患者身体体验难受程度和所述患者敏感度都通过医学量化工具获取；所述技术难度通过Logistic回归模型获得；包括：获取患者医疗项目的身体体验难受程度和患者敏感度；根据实习内容构建Logistic回归模型，判断技术难度；所述获取患者医疗项目的身体体验难受程度和患...

【专利技术属性】
技术研发人员：刘海鹏，祝敬臣，
申请(专利权)人：广州市德慷电子有限公司，
类型：发明
国别省市：