【技术实现步骤摘要】
本申请涉及医学智能大数据领域，特别是涉及一种医学数据库的构建方法和装置、电子设备和医学数据系统。
技术介绍
1、目前，医学人工智能已经覆盖了我国医学产业链条上的四大环节，即医学、医药、医保和医院，其发展为医学领域带来了巨大的潜力。然而，随着医学ai应用的不断扩大，涉及的数据安全问题和隐私问题也日益凸显。
2、在医学数据交流过程中，目前的医学数据库通常直接将医学数据提供给访问者，而医学数据包含了真实的患者的基本信息和治疗信息，进而无法有效地形成隐私保护，进而存在隐私问题和安全问题。
3、针对目前的医学数据库通常直接将医学数据提供给访问者，无法有效地形成隐私保护的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本专利技术中提供了一种医学数据库的构建方法和装置、电子设备和医学数据系统，以解决目前的医学数据库通常直接将患者数据提供给用户，进而无法有效地形成隐私保护问题。
2、第一个方面，在本专利技术中提供了一种医学数据库的构建方法，所述构建方法包括：
3、获取真实医学数据集；
4、通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集；
5、基于所述目标医学数据集构建医学数据库，所述医学数据库用于将所述目标医学数据集提供给访问者。
6、在其中的一些实施例中，所述获取真实医学数据集包括：
7、在第一基础数据库中创建目标数据处理对象得到第二基础数据库；
8、
9、在其中的一些实施例中，所述目标数据对象包括患者的基本信息、诊断信息、检查信息、处方信息、手术信息和病历信息。
10、在其中的一些实施例中，所述构建方法还包括：
11、对所述真实医学数据集进行数据预处理；
12、其中，所述数据预处理包括去标识化、无效特征删除、降维、位数调整和缺失值填补。
13、在其中的一些实施例中，所述通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集包括：
14、根据离散门限值确定所述真实医学数据集中需要离散化的目标数据特征，并对所述目标数据特征进行离散化；
15、对离散化后的所述真实医学数据集进行因子化；
16、通过所述贝叶斯网络对因子化后的所述真实医学数据集进行结构学习和参数学习得到目标医学数据集。
17、在其中的一些实施例中，所述通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集包括：
18、通过所述贝叶斯网络对所述真实医学数据进行结构学习得到第一有向边列表；
19、基于当前的随机种子编号，通过所述贝叶斯网络对所述真实医学数据进行参数学习得到当前的候选医学数据集；
20、通过所述贝叶斯网络对所述当前的所述候选医学数据集进行结构学习得到第二有向边列表；
21、判断所述第一有向边列表与所述第二有向边列表是否一致；
22、若是，则将当前的所述候选医学数据集确定为所述目标医学数据集；
23、若否，则更新所述当前的所述随机种子编号。
24、在其中的一些实施例中，所述随机种子编号的初始值为0；
25、每次更新时，所述随机种子编号加1。
26、第二个方面，在本专利技术中提供了一种医学数据库的构建装置，所述构建装置包括：
27、数据获取模块，用于获取真实医学数据集；
28、数据学习模块，用于通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集；
29、数据库构建模块，用于基于所述目标医学数据集构建医学数据库，所述医学数据库用于将所述目标医学数据集提供给访问者。
30、第三个方面，在本专利技术中提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的医学数据库的构建方法。
31、第四个方面，在本专利技术中提供了一种医学数据系统，所述医学数据系统包括：
32、基础数据库，用于获取并存储真实医学数据集；
33、贝叶斯学习模块，用于通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集；
34、医学数据库，用于存储所述目标医学数据集并将所述目标医学数据集提供给访问者。
35、与相关技术相比，通过本专利技术提供的医学数据库的构建方法，访问者能够查看的是目标医学数据集，目标医学数据集则是经过贝叶斯差分隐私处理后的医学数据，有效保障了医学数据的安全性和隐私性，有助于提高医学数据的安全性和可信度，解决了目前的医学数据库通常直接将医学数据提供给访问者，无法有效地形成隐私保护的问题。
36、本申清的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种医学数据库的构建方法，其特征在于，所述构建方法包括：
2.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述获取真实医学数据集包括：
3.根据权利要求2所述的医学数据库的构建方法，其特征在于，所述目标数据对象包括患者的基本信息、诊断信息、检查信息、处方信息、手术信息和病历信息。
4.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述构建方法还包括：
5.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集包括：
6.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集包括：
7.根据权利要求6所述的医学数据库的构建方法，其特征在于，所述随机种子编号的初始值为0；
8.一种医学数据库的构建装置，其特征在于，所述构建装置包括：
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所
10.一种医学数据系统，其特征在于，所述医学数据系统包括：
...【技术特征摘要】
1.一种医学数据库的构建方法，其特征在于，所述构建方法包括：
2.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述获取真实医学数据集包括：
3.根据权利要求2所述的医学数据库的构建方法，其特征在于，所述目标数据对象包括患者的基本信息、诊断信息、检查信息、处方信息、手术信息和病历信息。
4.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述构建方法还包括：
5.根据权利要求1所述的医学数据库的构建方法，其特征在于，所述通过贝叶斯网络对所述真实医学数据集进行结构学习和参数学习得到目标医学数据集包括：
【专利技术属性】
技术研发人员：徐磊，姜云龙，刘瑜，杨旻，马超志，张礼明，张洋，肖文艳，张金，
申请(专利权)人：安徽大学，
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。