[发明专利]一种数据处理方法、装置及系统

权利要求书

1.一种数据处理方法，其特征在于，包括：

根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；

获取目标患者的电子健康档案的各项信息；

将所述电子健康档案中的各项信息输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。

2.根据权利要求1所述的数据处理方法，其特征在于，所述根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型的步骤，包括：

根据历史电子健康档案中与白内障相关的各项信息的主外键关系，自动关联所有历史电子健康档案，得到历史患者的逻辑树形网络表；

对所述逻辑树形网络表中的所有字段进行数据去重和数据去空处理，得到有效树形网络表；

对所述有效树形网络表中的各项信息与目标变量进行相关性处理，得到有效相关特征树形网络表；

根据所述有效相关特征树形网络表，训练得到白内障患病风险预测模型。

3.根据权利要求1所述的数据处理方法，其特征在于，所述将所述电子健康档案中的各项信息输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率的步骤，包括：

若所述目标患者的电子健康档案中存在新的特征信息，则将所述白内障患病风险预测模型中与所述新的特征信息相关的所有特征值的影响因子的平均值确定为所述新的特征信息的影响因子；

将所述新的特征信息的影响因子输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。

4.根据权利要求1所述的数据处理方法，其特征在于，在所述获取目标患者的电子健康档案的各项信息的步骤之后，还包括：

若所述目标患者的电子健康档案的各项信息中存在新的特征信息，根据所述新的特征信息更新所述白内障患病风险预测模型。

5.根据权利要求4所述的数据处理方法，其特征在于，所述根据所述新的特征信息更新所述白内障患病风险预测模型的步骤，包括：

将新的特征信息扩展到白内障患病风险预测模型中数据量的((2*a)^m-1)倍；其中，m为新的特征信息的数量，a不小于0.75；

根据扩展后的各项信息进行训练，得到新的白内障患病风险预测模型。

6.一种数据处理装置，其特征在于，包括：

训练模块，用于根据所有历史电子健康档案中与白内障相关的各项信息进行训练，得到白内障患病风险预测模型；

获取模块，用于获取目标患者的电子健康档案的各项信息；

输出模块，用于将所述电子健康档案中的各项信息输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。

7.根据权利要求6所述的数据处理装置，其特征在于，所述训练模块包括：

关联单元，用于根据历史电子健康档案中与白内障相关的各项信息的主外键关系，自动关联所有历史电子健康档案，得到历史患者的逻辑树形网络表；

第一处理单元，用于对所述逻辑树形网络表中的所有字段进行数据去重和数据去空处理，得到有效树形网络表；

第二处理单元，用于对所述有效树形网络表中的各项信息与目标变量进行相关性处理，得到有效相关特征树形网络表；

第一训练单元，用于根据所述有效相关特征树形网络表，训练得到白内障患病风险预测模型。

8.根据权利要求6所述的数据处理装置，其特征在于，所述输出模块包括：

确定单元，用于当所述目标患者的电子健康档案中存在新的特征信息时，将所述白内障患病风险预测模型中与所述新的特征信息相关的所有特征值的影响因子的平均值确定为所述新的特征信息的影响因子；

输出单元，用于将所述新的特征信息的影响因子输入所述白内障患病风险预测模型进行处理，输出所述目标患者的白内障患病风险概率。