一种基于知识图谱的医疗项目成本核算可视分析方法技术

本发明专利技术公开一种基于知识图谱的医疗项目成本核算可视分析方法，包括从第三方接口获取结构化与非结构化成本核算的基础数据；通过数据筛选、数据转化和数据归集处理抽取医院成本核算中的本体及其属性，所述本体主要有医疗资源、作业中心和医疗项目；然后采用自然语言处理技术从非结构化语料从抽取实体，并进行实体融合，构建实体知识库；接着基于神经网络技术建立起医疗资源与作业中心的关系，形成关系知识库；最后以可视化图谱的形式，展示医疗资源分配到医疗作业的关系及路径，使用力导向布局展示作业中心与医疗项目的紧密程度，体现成本消耗中占比。从而实现对医院成本核算中各个复杂环节进行可视化地展现分析。杂环节进行可视化地展现分析。杂环节进行可视化地展现分析。

【技术实现步骤摘要】
一种基于知识图谱的医疗项目成本核算可视分析方法


[0001]本专利技术涉及数据处理分析
，尤其涉及一种基于知识图谱的医疗项目成本核算可视分析方法。

技术介绍

[0002]当前医疗项目成本核算主要采用作业成本法来对服务项目所有作业活动的追踪和统计，是以成本动因为分配要素，体现“项目消耗作业，作业消耗资源”的原则。然而其涉及的数据具有类型复杂、数据量庞大冗杂的特点，使得多源异构医院成本核算数据的集中管理、可视分析成为两大难题。如现有技术一种医疗成本分摊及效益计算的方法及系统（CN109460898A）和医疗项目成本核算方法、系统、电子设备及存储介质（CN114240494A），介绍了对医疗系统中不同费用资源项进行分类和分摊的方法。可以准确地记录和计算各个资源细项在每个科室以及每个医疗项目上分摊权重比例，但是大型公立医院的资源种类繁多，医疗科室数量近百，具体细化后的不同医疗项目达上万个，通过这些方法虽然能够实现成本的合理分摊，但是难以直观地建立起项目、作业、资源不同元素之间的直复杂度关系，无法清晰地表达一个医疗项目的成本构成。

技术实现思路

[0003]针对现有技术的不足，本专利技术提出了一种基于知识图谱的医疗项目成本核算可视分析方法，能够帮助医疗机构深入了解医疗项目成本构成情况，以及各项资源与项目支出间的关系，以直观、清晰易懂地方式呈现复杂的成本核算过程，从而更好地进行医疗费用管理和优化，提高医疗资源利用效率，同时也能够为医院决策提供重要数据支持。
[0004]一种基于知识图谱的医疗项目成本核算可视分析方法，包括以下步骤：步骤1、基础数据获取通过数据中间件从第三方接口中获取用于成本核算的基础数据，包括结构化语料和非结构化语料，用于构建医院成本核算的知识图谱。
[0005]优选的，所述基础数据包括通过数据中间件从医院第三方HIS、LIS、PACS、物资系统、财务系统、门诊住院系统、手麻系统、消毒供应系统、卫生耗材核算系统、总账系统、固定资产核算系统、工资核算管理系统中抽取的数据。
[0006]步骤2、本体定义对步骤1获取的基础数据进行筛选、转化和数据归集处理，抽取其中的医疗资源、作业中心和医疗项目作为构建知识图谱的本体，存入关系数据库中。
[0007]优选的，采用可视化界面定义本体的关键属性。
[0008]步骤3、实体知识库构建对于步骤1中得到的非结构化语料，采用自然语言处理技术抽取实体，构建实体定义表与属性定义表，并保存在关系数据库中。通过实体知识融合，以图数据库的形式构建实体知识库。
[0009]优选的，实体知识库构建的具体步骤为：步骤3.1、实体信息标注抽取通过Doc2Vec将非结构化语料投影到向量空间，生成每个单词对应的词向量。
[0010]步骤3.2、实体信息自动识别将类别已知的词向量输入深度学习模型，计算模型输出的预测类别与实际编码类别间的偏差，反向传播更新深度学习模型的参数，直至模型偏差满足预设目标，使用训练后的深度学习模型识别步骤3.1得到的词向量所属的类别。
[0011]步骤3.3、实体信息融合对于本体中涉及的不同实体，将其名称文本转换为词向量，使用词向量相似度算法匹配与数据库中的名称词向量比较，对表示相同概念的实体进行融合，并存储至图数据库中。
[0012]步骤4、关系知识库构建定义所需的关系类别，所述关系包括一系列的成本动因。基于神经网络技术建立医疗资源与作业中心的关系，存储于图数据库中，形成关系知识库。
[0013]优选的，关系知识库构建具体包括以下步骤：步骤4.1、关系注意力机制特征抽取给定一个实体对包，使用分段池化卷积神经网络依次计算包中句子的语义嵌入表示γ
ij
：
[0014]其中，j=1,2,
…
m，、是可学习参数，d
b
是隐藏层数，d
c
是卷积核个数。
[0015]为每个句子分配对应的注意力分数β
ij
：
[0016]通过上述注意力分数来得到包级别的特征表示r
i
，用于关系分类：
[0017]特征表示r
i
经过线性变换后被送入到 Softmax分类器当中，计算关系类别P(r
i
|S
i
;θ)：
[0018]其中，M
r
是变换矩阵，上标T表示矩阵转置，b
r
是偏置项，θ表示模型中的所有参数。在包级别的特征表示r
i
上使用dropout来防止过拟合。
[0019]作为优选，分段池化卷积神经网络中的卷积核个数，隐藏层。
[0020]步骤4.2、关系模型训练
采用最小化交叉熵损失函数J(θ)训练步骤4.1中的网络模型：
[0021]其中，表示实体对包的集合，|B|表示实体对包的数量，表示对应的关系标签。
[0022]优选的，使用随机梯度下降(stochastic gradient descent，SGD)进行网络模型优化。
[0023]步骤4.3、关系推理保存完成模型训练后，使用softmax 函数计算每个实体属于不同种类的概率，推理出不同实体之间概率值最大的关系，并将两个实体及其之间概率值最大的关系形成三元组存入图数据库，形成知识图谱。
[0024]步骤5、图谱可视化展示利用可视化模块展示医疗资源分配到医疗作业的关系及路径，使用力导向布局展示作业中心与医疗项目的紧密程度，体现成本消耗中占比。
[0025]优选的，通过不同颜色或形状的气泡节点展示各类实体，实体间的关系用边相连并标注关系名称。将散乱的医疗资源、作业中心、医疗项目基础数据关联起来，针对每个医疗项目，构建一个医疗资源成本逐级分配到作业中心，作业中心成本聚合到医疗项目的知识网络图谱。
[0026]本专利技术具有以下有益效果：本专利技术将结构化数据、非结构化数据进行特征抽取、数据建模，挖掘医疗资源、作业中心、医疗项目的勾稽关系，将异构医疗成本核算涉及的大数据进行可视化表达。能够更好地分析成本核算过程及相关要素的关联关系，追溯各个医疗项目的成本构成。本专利技术能够更好地增强医疗资源有效配置，还能对医院收益进行细粒度评估，为医院的管理、优化提供有效的数据支撑。
附图说明
[0027]图1为基于知识图谱的医疗项目成本核算可视分析方法流程图。
[0028]图2为实体知识库构建流程图。
[0029]图3为关系知识库构建流程图。
[0030]图4为实施例2中构建的医疗项目成本核算的知识图谱。
[0031]图5为实施例2中构建的作业中心成本核算的知识图谱。
具体实施方式
[0032]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的医疗项目成本核算可视分析方法，通过数据中间件从第三方接口中获取基础数据，包括结构化语料和非结构化语料，进行医疗项目的成本核算，其特征在于：该方法具体包括以下步骤：步骤1、本体定义抽取基础数据中的医疗资源、作业中心和医疗项目作为构建知识图谱的本体，定义其属性后，存入关系数据库中；步骤2、实体知识库构建采用自然语言处理技术从非结构化语料中抽取实体的特征向量，利用训练后的深度学习模型，判断实体类别；通过实体知识融合，消除不同实体间的矛盾和歧义，然后以图数据库的形式保存实体知识库；步骤3、关系知识库构建定义医疗项目成本核算相关的关系类别，所述关系为不同实体间的成本动因；基于神经网络技术建立医疗资源与作业中心、作业中心与医疗项目两两之间的关系，存储于图数据库中，形成关系知识库；步骤4、图谱可视化展示根据步骤3得到的关系知识库，利用可视化模块展示医疗资源成本逐级分配到作业中心，作业中心成本聚合到医疗项目的知识网络图谱。2.如权利要求1所述一种基于知识图谱的医疗项目成本核算可视分析方法，其特征在于：所述基础数据包括通过数据中间件从医院第三方HIS、LIS、PACS、物资系统、财务系统、门诊住院系统、手麻系统、消毒供应系统、卫生耗材核算系统、总账系统、固定资产核算系统、工资核算管理系统中抽取的数据。3.如权利要求1所述一种基于知识图谱的医疗项目成本核算可视分析方法，其特征在于：对关系数据库中存储的各类本体数据，手动标注其实体类别，作为数据标签；通过Doc2Vec语义分析模型投影到向量空间，得到对应的特征数据；将特征数据和数据标签组成训练数据，用于训练深度学习模型。4.如权利要求1或3所述一种基于知识图谱的医疗项目成本核算可视分析方法，其特征在于：对于未知的非结构化语料，提取其向量特征，然后输入训练后的深度学习模型中，得到其对应的实体类别。5.如权利要求1所述一种基于知识图谱的医疗项目成本核算可视分析方法，其特征在于：对于本体中涉及的医疗资源、作业中心、医疗项目，首先将待匹配实体名称文本转换为词向量，然后使用词向量相似度算法与关系数据库中的名称...

【专利技术属性】
技术研发人员：易颜新，丁建浩，杨莹，明巍，王冬，
申请(专利权)人：云内控科技有限公司，
类型：发明
国别省市：