【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种基于大数据的计算手术后目标血红蛋白的方法及系统。
技术介绍
1、输血是手术中的常见操作，“限制性输血”主要指在临床治疗中，医生尽可能地限制使用血液制品，只在必要时进行输血，以减少输血的风险和并发症。实现限制性输血主要方法是设置更低的输血阈值，只有在血红蛋白水平低于该阈值时才进行输血。由于设定阈值的复杂性和难以单维度评价，产生了难以确定输血阈值的问题，造成血液资源浪费或输注不足影响患者预后的结果，因此，在需要确定具体患者的输血阈值时，基于大数据的计算手术后目标血红蛋白的方法具有重要的价值。
2、例如中国专利申请“cn106250689b”公开了一种基于氧供平衡原理建立的临床输血需求量评估与疗效评价的系统和方法，系统包括数据收集模块，数据存储模块，数据处理模块，数据显示模块。该方法通过比较实际检测到的输血后血红蛋白升高浓度和预期理论上血红蛋白升高的浓度差值，并根据积累的数据进一步精准计算出不同受血者在现有情况下的推荐输注量，同时能够自动评估每次输注后的治疗效果，并在积累受血者的主观感受评价输血效果的基础上，建立一种新的输血后效果评价体系。该方法能够实现临床红细胞输注需求评估和红细胞输注疗效的科学评价，减少患者痛苦，降低医生工作量，降低输血风险，节约血液资源，是指导临床科学合理输血不可或缺的工具。又例如中国专利申请“cn116030990b”公开了一种基于级联模型的围手术期输血方案生成方法及系统，获取历史术前贫血纠正数据，基于历史术前贫血纠正数据建立术前贫血预测模型，获取历史手术数据，基
3、然而，上述现有技术中仅对患者输血后的效果进行评价并通过失血量来预测输血量，在实际情况中，需要结合患者的生理特征等综合因素计算术后目标血红蛋白，以确定可靠的输血方案。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于大数据的计算手术后目标血红蛋白的方法、系统及存储介质，以解决现有技术中的问题。
2、为了达到上述的专利技术目的，本专利技术提出一种基于大数据的计算手术后目标血红蛋白的方法，包括：
3、采集单元收集样本数据，将各个所述样本数据集成生成集成数据库，所述集成数据库包括文本信息和数值信息，设置多种特征标签，所述特征标签包括第一标签、第二标签和第三标签，所述第一标签包括年龄、体重和性别，所述第二标签包括科室名称和手术名称，所述第三标签包括血红蛋白检测值、检测偏移时间和输血偏移时间，基于各个所述特征标签从所述集成数据库中提取与不同标签对应的特征信息，基于所述特征信息构建资料分析库，并发送至分类单元；
4、所述分类单元内设置多个第一维度区间，将所述资料分析库中位于相同所述第一维度区间内的所述第一标签分类至同一第一维数组内，以划分为多个所述第一维数组，基于相同所述第二标签将所述资料分析库划分为多个第二维数组，基于相同所述第二标签将所述第一维数组划分为多个第三维数组，将各个维数组传输至处理单元；
5、所述处理单元基于所述第一维数组中所述第三标签的所述特征信息获取第一维度值，基于所述第二维数组中所述第三标签的所述特征信息获取第二维度值，基于所述第三维数组中所述第三标签的所述特征信息获取第三维度值，基于所述第三维度值生成术后血红蛋白输入的最佳时间点，将各个维度值和所述最佳时间点发送至输出单元；
6、在所述输出单元中输入待手术患者的术前信息，分别选取所述术前信息对应的所述第一维数组、所述第二维数组和所述第三维数组，对应输出所述第一维度值、所述第二维度值和所述第三维度值，并生成所述待手术患者对应所述术后血红蛋白输入的目标估值和所述最佳时间点。
7、进一步的，基于以下步骤生成所述集成数据库：
8、建立预测模型对各个所述样本数据进行纳排，所述预测模型用于预测所述样本数据中输血偏移时间，在所述样本数据中分别获取第一数据组和第二数据组，所述第一数据组和所述第二数据组包含不同的子标签，所述第一数据组为目标科室所建立的数据集合，所述第二数据组为非目标科室所建立的数据集合，基于第一公式计算各个数据组的评价值w，所述第一公式为：，其中，和为权重系数，为将各个数据组输入至所述预测模型后，所述预测模型输出的预测准确率，为输入所述预测模型中各个数据组的样本数量，将所述第二数据组拆分为第三数据组和第四数据组，基于所述第一公式分别计算所述第三数据组和所述第四数据组的第三评价值和第四评价值，比较所述第三评价值和所述第四评价值的大小，获取较高评价值对应的数据组，并从中抽取所述第一数据组中不包含的所述子标签定义为扩展标签，将所述扩展标签对应的数据整合至所述第一数据组中，以获得第五数据组，基于所述第一公式分别获取所述第一数据组和所述第五数据组的第一评价值和第五评价值，若所述第五评价值大于等于所述第一评价值，则将所述第五数据组设定为所述集成数据库，否则，删除所述扩展标签对应的数据，并将所述第二数据组重新拆分为所述第三数据组和所述第四数据组，重复执行此步骤，直至完成所述第二数据组中所有数据的抽取。
9、进一步的，基于所述第二标签从所述集成数据库中提取所述科室名称对应的所述特征信息包括以下步骤：
10、设置标准科室名称，在所述集成数据库中抽取所述第二标签中所述科室名称的特征信息，通过自然语言模型获取所述第二标签中所述科室名称与所述标准科室名称的词向量，获取所述标准科室名称对应的字符信息，基于所述词向量和第二公式计算所述科室名称和所述标准科室名称的词义相似度s，所述第二公式为：，其中，和为权重系数，为所述标准科室名称的词向量，为所述第二标签中所述科室名称的词向量，函数为计算两个词向量的夹角余弦值，n为所述科室名称对应的特征信息与所述标准名称的所述字符信息相同的数量，n为所述标准名称的所述字符信息的数量，比较各个所述词义相似度的大小，将最大所述词义相似度的所述标准科室名称的所述字符信息设定为所述科室名称对应的所述特征信息。
11、进一步的，获取所述第一维度值、所述第二维度值、所述第三维度值和所述最佳时间点包括以下步骤：
12、基于预设的第一字符串将各个维数组中所述检测偏移时间划分为术中时间段和术后时间段，获取所述第一维数组在所述术后时间段中所述血红蛋白检测值相同且所述输血偏移时间相同的样本数量并定义为第一数值，获取所述第一数值最大时包含的各个所述血红蛋白检测值，将各个所述血红蛋白检测值的中值设定为所述第一维度值，获取所述第二维数组在所述术后时间段中所述血红蛋白检测值相同且所述输血偏移时间相同的样本数量并定义为第二数值，获取所述第二数值最本文档来自技高网...
【技术保护点】
1.一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，基于以下步骤生成所述集成数据库：
3.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，基于所述第二标签从所述集成数据库中提取所述科室名称对应的所述特征信息包括以下步骤：
4.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，获取所述第一维度值、所述第二维度值、所述第三维度值和所述最佳时间点包括以下步骤：
5.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，生成所述术后目标估值包括以下步骤：
6.根据权利要求5所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，将所述术前信息进行扩充提取包括以下步骤：
7.一种基于大数据的计算手术后目标血红蛋白的系统，用于实现如权利要求1-6任一项所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，所述
...【技术特征摘要】
1.一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，基于以下步骤生成所述集成数据库：
3.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，基于所述第二标签从所述集成数据库中提取所述科室名称对应的所述特征信息包括以下步骤：
4.根据权利要求1所述的一种基于大数据的计算手术后目标血红蛋白的方法，其特征在于，获取所述第一维度值、...
【专利技术属性】
技术研发人员：王民，王蕾，
申请(专利权)人：北京和兴创联健康科技有限公司，
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。