基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)涉及一種預警系統(tǒng)，具體地說，涉及一種基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)。其包括數(shù)據(jù)管理單元、疾病搜尋單元和診療預警單元；數(shù)據(jù)管理單元用于管理發(fā)生過的病歷數(shù)據(jù)，建立疾病譜數(shù)據(jù)庫。本發(fā)明專利技術(shù)通過數(shù)據(jù)管理單元建立疾病譜數(shù)據(jù)庫，然后對患者診療時，將患者的臨床表現(xiàn)通過疾病搜尋單元的關(guān)鍵字輸入到數(shù)據(jù)管理單元的疾病譜數(shù)據(jù)庫中搜尋對應的疾病名稱，然后通過診療預警單元判斷疾病名稱是否被標記為傳染病，若是則進行預警，使醫(yī)護人員可以及時了解到當前病人可能患有傳染病，避免醫(yī)護人員直接接觸患者，減小了傳染醫(yī)護人員的概率。減小了傳染醫(yī)護人員的概率。減小了傳染醫(yī)護人員的概率。

【技術(shù)實現(xiàn)步驟摘要】
基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)


[0001]本專利技術(shù)涉及一種預警系統(tǒng)，具體地說，涉及基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)。

技術(shù)介紹

[0002]到醫(yī)療機構(gòu)接受治療的患者，通常分為門診和住院兩大類型，患者需要在門診進行診療，確定病情，才方便后續(xù)對癥下藥，但是目前沒有針對患者診療過程的預警的系統(tǒng)，導致患者的臨床表現(xiàn)，醫(yī)生只能根據(jù)自己所知的病進行初步判斷，由于人工判斷，導致一些疾病使醫(yī)生不能及時想起，不能準確的了解患者所患疾病，更不能及時判斷是否為傳染病，導致不能及時作出預警，易危害醫(yī)護人員和他人的健康，鑒于此，我們提出基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)。

技術(shù)實現(xiàn)思路

[0003]本專利技術(shù)的目的在于提供基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，以解決上述
技術(shù)介紹
中提出的問題。
[0004]為實現(xiàn)上述目的，本專利技術(shù)提供基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，包括數(shù)據(jù)管理單元、疾病搜尋單元和診療預警單元；
[0005]所述數(shù)據(jù)管理單元用于管理發(fā)生過的病歷數(shù)據(jù)，建立疾病譜數(shù)據(jù)庫；
[0006]所述疾病搜尋單元用于將臨床表現(xiàn)的關(guān)鍵字輸入到數(shù)據(jù)管理單元的疾病譜數(shù)據(jù)庫中搜尋對應的疾病名稱；
[0007]所述診療預警單元用于根據(jù)疾病搜尋單元搜尋的疾病名稱在疾病譜數(shù)據(jù)庫中為傳染病時，發(fā)出預警信號。
[0008]本專利技術(shù)在具體使用時，通過數(shù)據(jù)管理單元建立疾病譜數(shù)據(jù)庫，然后對患者診療時，將患者的臨床表現(xiàn)通過疾病搜尋單元的關(guān)鍵字輸入到數(shù)據(jù)管理單元的疾病譜數(shù)據(jù)庫中搜尋對應的疾病名稱，然后通過診療預警單元判斷疾病名稱是否被標記為傳染病，若是則進行預警，使醫(yī)護人員可以及時了解到當前病人可能患有傳染病，避免醫(yī)護人員直接接觸患者，減小了傳染醫(yī)護人員的概率。
[0009]作為本技術(shù)方案的進一步改進，所述數(shù)據(jù)管理單元包括聚類模塊、標記模塊和存儲模塊；
[0010]所述聚類模塊用于根據(jù)以往出現(xiàn)過的病歷將疾病名稱對應的多個臨床表現(xiàn)聚集成集合；
[0011]所述標記模塊用于將傳染病對應的疾病名稱標記；
[0012]所述存儲模塊用于存儲所述聚類模塊的聚集的集合和所述標記模塊的標記數(shù)據(jù)。
[0013]作為本技術(shù)方案的進一步改進，所述聚類模塊采用FCM聚類算法，包括以下步驟：
[0014]根據(jù)聚類數(shù)目c隨機給定初始聚類中心Vt和終止誤差b；
[0015]計算隸屬矩陣Ut；
[0016]計算下一迭代的聚類中心Vt+1，然后求出對應的隸屬矩陣Ut+1；
[0017]直至||Ut+1
?
Ut||＜b，則結(jié)束迭代。
[0018]作為本技術(shù)方案的進一步改進，所述計算隸屬矩陣Ut計算公式為：
[0019][0020]其中，V為聚類中心，U為隸屬矩陣，X為特征空間上的一個有限數(shù)據(jù)，n為集合總數(shù)，j為初始集合。
[0021]作為本技術(shù)方案的進一步改進，所述計算下一迭代的聚類中心Vt+1計算公式為：
[0022][0023]其中，V為聚類中心，U為隸屬矩陣，X為特征空間上的一個有限數(shù)據(jù)，M為模糊加權(quán)指數(shù)，合適的M值具有抑制噪音、平滑隸屬函數(shù)等功效，n為集合總數(shù)，j為初始集合，t為迭代次數(shù)。
[0024]作為本技術(shù)方案的進一步改進，所述初始聚類中心確定采用人工蜂群算法，包括以下步驟：
[0025]隨機初始化隸屬度矩陣U1，作為初始的聚類劃分，根據(jù)隸屬矩陣公式計算初始聚類中心,即產(chǎn)生初始解集V1；
[0026]計算初始解集V1的適應度fiti；
[0027]然后依次根據(jù)U2，產(chǎn)生初始解集V2，fiti2＞fiti1，則丟掉V1，經(jīng)過多次循環(huán)，找到最優(yōu)解，輸出最優(yōu)解的聚類中心作為初始聚類中心。
[0028]作為本技術(shù)方案的進一步改進，所述適應度fiti計算公式為：
[0029]fiti＝1/1+fi
[0030]其中，fiti為適應度，fi為FCM聚類算法的目標函數(shù)。
[0031]優(yōu)選的，數(shù)據(jù)管理模塊對調(diào)取的歷史疾病診療數(shù)據(jù)進行量化和歸一化處理后，采用FCM聚類算法對預處理后的歷史疾病診療數(shù)據(jù)進行聚類處理，并采用人工蜂群算法確定所述FCM聚類算法的初始聚類中心，定義人工蜂群算法的適應度函數(shù)為：
[0032][0033]其中，J(U,V)為FCM聚類算法定義的目標函數(shù)，聚類效果越好，J(U,V)的值就越小，fit的值也就越大。
[0034]作為另一種優(yōu)先，本專利技術(shù)例針對FCM聚類算法具有對初始聚類中心的選擇依賴的缺陷，提出采用改進的人工蜂群算法來確定初始聚類中心，再利用FCM聚類算法對初始聚類中心進行優(yōu)化，最后獲得精度較高的聚類結(jié)果。
[0035]優(yōu)選的，數(shù)據(jù)管理模塊采用改進的人工蜂群算法確定FCM聚類算法的初始聚類中心，在跟隨蜂階段，按照下列方式計算每個蜜源被跟隨蜂選擇的概率：
[0036]首先將當前蜜源按其適應度函數(shù)值由高到低進行排序組成序列L，依次計算序列L
中每個蜜源被跟隨蜂選擇的概率，設X
i
表示序列L中的第i個蜜源的位置，P
i
表示序列L中的第i個蜜源被跟隨蜂選擇的概率，則P
i
的值為：
[0037][0038]式中，F(xiàn)it
i
表示序列L中的第i個蜜源的適應度函數(shù)值，SN表示當前的蜜源數(shù)，K
i
表示序列L中的第i個蜜源的區(qū)域懲罰因子，且K
i
的值為：當i＝1時，則K
i
＝0，當i＞1時，則其中，d
i
表示序列L中的第i個蜜源的序列距離值，且其中，X
i
?1表示序列L中的第(i
?
1)個蜜源的位置，表示序列L中的蜜源的序列截斷閾值，且的值取：其中，表示序列L中的蜜源的序列距離值的均值，且表示序列L中的蜜源的序列距離值的均值，且表示序列L中的蜜源的序列距離值的均方差，且d
k
表示序列L中的第k個蜜源的序列距離值，且d
k
＝|X
k
?
X
k
?1|，其中，X
k
表示序列L中的第k個蜜源的位置，X
k
?1表示序列L中的第(k
?
1)個蜜源的位置，t表示當前迭代次數(shù)，T
max
表示最大迭代次數(shù)。
[0039]具體的，在人工蜂群的跟隨蜂階段，跟隨蜂在了解了所有引領蜂提供的蜜源信息后會根據(jù)一定概率在這些蜜源中選擇蜜源進行開采，其中，在標準人工蜂群算法中，跟隨蜂通過適應度函數(shù)值來判斷蜜源的優(yōu)劣程度，適應度函數(shù)值越高，代表所述蜜源越優(yōu)，其被跟隨蜂選擇的概率越高，當大部分跟隨蜂都選擇了較好的蜜源時，容易使得蜂群多樣性變差，并且易陷入局部最優(yōu)解，此外，該種概率計算方式使得跟隨蜂很難選中較差的蜜源，但這些較差蜜源中仍可能含有有本文檔來自技高網(wǎng)...

【技術(shù)保護點】

【技術(shù)特征摘要】
1.一種基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于，包括數(shù)據(jù)管理單元(100)、疾病搜尋單元(200)和診療預警單元(300)；所述數(shù)據(jù)管理單元(100)用于管理發(fā)生過的病歷數(shù)據(jù)，建立疾病譜數(shù)據(jù)庫；所述疾病搜尋單元(200)用于將臨床表現(xiàn)的關(guān)鍵字輸入到數(shù)據(jù)管理單元(100)的疾病譜數(shù)據(jù)庫中搜尋對應的疾病名稱；所述診療預警單元(300)用于根據(jù)疾病搜尋單元(200)搜尋的疾病名稱在疾病譜數(shù)據(jù)庫中為傳染病時，發(fā)出預警信號。2.根據(jù)權(quán)利要求1所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：所述數(shù)據(jù)管理單元(100)包括聚類模塊、標記模塊和存儲模塊；所述聚類模塊用于根據(jù)以往出現(xiàn)過的病歷將疾病名稱對應的多個臨床表現(xiàn)聚集成集合；所述標記模塊用于將傳染病對應的疾病名稱標記；所述存儲模塊用于存儲所述聚類模塊的聚集的集合和所述標記模塊的標記數(shù)據(jù)。3.根據(jù)權(quán)利要求2所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：所述聚類模塊采用FCM聚類算法，包括以下步驟：根據(jù)聚類數(shù)目c隨機給定初始聚類中心Vt和終止誤差b；計算隸屬矩陣Ut；計算下一迭代的聚類中心Vt+1，然后求出對應的隸屬矩陣Ut+1；直至||Ut+1
?
Ut||＜b，則結(jié)束迭代。4.根據(jù)權(quán)利要求3所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：所述計算隸屬矩陣Ut計算公式為：其中，V為聚類中心，U為隸屬矩陣，X為特征空間上的一個有限數(shù)據(jù)，n為集合總數(shù)，j為初始集合。5.根據(jù)權(quán)利要求4所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：所述計算下一迭代的聚類中心Vt+1計算公式為：其中，V為聚類中心，U為隸屬矩陣，X為特征空間上的一個有限數(shù)據(jù)，M為模糊加權(quán)指數(shù)，合適的M值具有抑制噪音、平滑隸屬函數(shù)等功效，n為集合總數(shù)，j為初始集合，t為迭代次數(shù)。6.根據(jù)權(quán)利要求5所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：所述初始聚類中心確定采用人工蜂群算法，包括以下步驟：隨機初始化隸屬度矩陣U1，作為初始的聚類劃分，根據(jù)隸屬矩陣公式計算初始聚類中心,即產(chǎn)生初始解集V1；計算初始解集V1的適應度fiti；然后依次根據(jù)U2，產(chǎn)生初始解集V2，fiti2＞fiti1，則丟掉V1，經(jīng)過多次循環(huán)，找到最優(yōu)
解，輸出最優(yōu)解的聚類中心作為初始聚類中心。7.根據(jù)權(quán)利要求1所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：適應度fiti計算公式為：fiti＝1/1+fi其中，fiti為適應度，fi為FCM聚類算法的目標函數(shù)。8.根據(jù)權(quán)利要求5所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于：所述初始聚類中心確定采用人工蜂群算法，包括以下步驟：在跟隨蜂階段，按照下列方式計算每個蜜源被跟隨蜂選擇的概率：首先將當前蜜源按其適應度函數(shù)值由高到低進行排序組成序列L，依次計算序列L中每個蜜源被跟隨蜂選擇的概率，設X
i
表示序列L中的第i個蜜源的位置，P
i
表示序列L中的第i個蜜源被跟隨蜂選擇的概率，則P
i
的值為：式中，F(xiàn)it
i
表示序列L中的第i個蜜源的適應度函數(shù)值，SN表示當前的蜜源數(shù)，K
i
表示序列L中的第i個蜜源的區(qū)域懲罰因子，且K
i
的值為：當i＝1時，則K
i
＝0，當i＞1時，則其中，d
i
表示序列L中的第i個蜜源的序列距離值，且其中，X
i
?1表示序列L中的第(i
?
1)個蜜源的位置，表示序列L中的蜜源的序列截斷閾值，且的值取：其中，表示序列L中的蜜源的序列距離值的均值，且表示序列L中的蜜源的序列距離值的均值，且表示序列L中的蜜源的序列距離值的均方差，且d
k
表示序列L中的第k個蜜源的序列距離值，且d
k
＝|X
k
?
X
k
?1|，其中，X
k
表示序列L中的第k個蜜源的位置，X
k
?1表示序列L中的第(k
?
1)個蜜源的位置，t表示當前迭代次數(shù)，T
max
表示最大迭代次數(shù)。9.根據(jù)權(quán)利要求8所述的基于核心算法、疾病譜數(shù)據(jù)庫和大數(shù)據(jù)的患者診療過程預警系統(tǒng)，其特征在于，在人工蜂群算法中，設x
j
表示當前的第j個蜜源的位置，當對蜜源位置x
j
在進行了G
max
次搜索次數(shù)之后，蜜源位置x
j
的質(zhì)量沒有發(fā)生變化，則舍棄蜜源位置x
j
，與此同時，引領蜂轉(zhuǎn)換為偵查蜂，并采用下列方式生成一個新的蜜源位置v
j
，其中，G
max
為給定的最大...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐昆，
申請(專利權(quán))人：羅文，
類型：發(fā)明
國別省市：