[发明专利]一种大数据医疗数据特征提取和智能分析预测方法

说明书

由于医疗信息和病人的病史以自由文本格式保存在病历里，自然语言处理技术可以帮助医生从庞大的记录中萃取出关键信息，并将文本转化为可使用的知识，用深度学习、自然语言处理技术及大数据技术，帮助医疗数据进行结构化处理和挖掘。本发明公开了一种大数据医疗数据特征提取和智能分析预测方法，具体包括如下步骤：数据清洗，数据向量化，病例挖掘与特征挖掘，深度神经网络模型训练，病情诊疗和治愈率预测，分析和验证模型。

技术领域

本发明属于计算机科学与医疗卫生的交叉领域，涉及一种针对医疗数据的特征提取与分析、病情诊断与治愈率预测方法。

背景技术

机器学习在生物制药、医疗诊断等诸多领域大放异彩，改变了传统的研究方法，提高了科研效率，促使众多行业发生变革。通过学习数据中隐藏的深层信息，挖掘内在关联，从而做出预测和判断，使得机器学习系统具备极其有效的洞察在医疗大数据时代，基于深度学习技术，医学专业教材、临床指南和经典病例等资料，让机器系统协助医生诊断疾病、预测治愈率、提出诊疗建议，将助力医院和医学科研机构创新和人工智能辅助诊疗的广泛应用，提升诊断准确度，帮助患者早发现、早治疗。护理人员介入与应用该系统，逐步形成系统化、成熟化的“智慧医院整体解决方案”，大幅削减医疗成本，同时提升医院的工作效率、质量以及患者满意度。

将数据分析、深度学习、数据挖掘等技术应用于真实世界的医疗数据，解决关键的医疗问题，例如疾病风险预测、相似患者分群、疾病发展及轨迹分析、治疗依从性及有效性分析等。建立基于机器学习的先进的算法模型，辅助临床医生提升诊疗效率、减少误诊，从而有助于解决医疗资源严重不均衡的社会现象。

由于医疗信息和病人的病史以自由文本格式保存在病历里，自然语言处理技术可以帮助医生从庞大的记录中萃取出关键信息，并将文本转化为可使用的知识，用深度学习、自然语言处理技术及大数据技术，帮助医疗数据进行结构化处理和挖掘。本发明结合已有的病历数据、基于深度学习挖掘病理特征和病因，实现自动的数据特征提取和智能分析预测。

发明内容

一种大数据医疗数据特征提取和智能分析预测方法，具体包括如下步骤：数据清洗，数据向量化，病例挖掘与特征挖掘，病情诊疗和治愈率预测，参数调优与更新。

本发明的提出一种大数据医疗数据特征提取和智能分析预测方法，能够通过数据挖掘与分析医疗数据中的特征，实现自动化的病情诊疗和治愈率预测。

本发明所提出的一种大数据医疗数据特征提取和智能分析预测方法具体包括如下步骤：

一种大数据医疗病情诊断和治愈率预测方法，其特征在于，包括：

步骤1，采集病历数据，并针对数据进行清洗，具体是进行电子化、格式化、归一化病历数据，去除无效、无关的数据，作为系统输入；

步骤2，将输入病历数据进行向量化，具体是将中文病历进行分词，作为系统输入的基本单元。

步骤3，挖掘步骤2输出的病历数据，并进行信息提取，具体是将病历数据都表示成向量之后，通过神经网络提取其中的内在特征和病理，

步骤4，获取病情诊断和治愈率预测结果。

步骤5，参数调优与更新，机器学习模块通过训练使预测值拟合于真实治愈率，计算预测值和真实值之间的误差(损失函数)，更新系统参数，不断降低损失，使结果不断趋向准确。

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤1的具体方法包括：对于不同量纲的数值统一量纲单位；使用归一化方法统一数值型数据的分布区间，方法为：

归一化后的数值＝(原数值-最小值)/(最大值-最小值)

在上述的一种大数据医疗病情诊断和治愈率预测方法，步骤2中进行向量化的具体步骤是：

步骤一，建立词语表，具体是遍历全部数据，得到全部的词语集合。