[发明专利]一种基于电子病历的诊疗路径发现方法

权利要求书

1.基于电子病历的诊疗路径发现方法，其特征在于，包括如下步骤：

S1步骤：通过根据电子病历中的发生时间来连接发生在患者身上的所有医疗事件，由此构建每个患者的医疗事件序列；

S2步骤：使用序列预处理器对序列进行预处理；使用一组频繁子集即项集来表示每个同时并发事件，支持度大于或等于设定支持度的项集称为频繁子集；这里，使用一种双向排序方法来将同时并发事件分解为频繁子集组成；

S3步骤：使用序列模式挖掘方法来挖掘频繁的时间序列模式；

所述S1步骤中的包含各种类型病人信息的电子病历数据集，序列构建器以统一的格式标准化这些不同的信息，在格式标准化时使用了一个四列表，包括患者ID、事件ID、时间戳ID和事件值；还构建了三个参考表，包括每个患者ID的详细信息、事件ID和时间戳ID；在信息标准化之后，序列构造器抓取不同的数据源并将它们集成。

2.根据权利要求1所述的一种基于电子病历的诊疗路径发现方法，其特征在于：所述S2步骤包括如下步骤：

步骤1：首先根据长度对医疗事件的频繁子集进行分类排序，然后对于具有相同长度的频繁子集将根据其观察到的频率进行分类排序；

步骤2：选择该医疗事件中一个最长且最频繁的子集，将该子集添加到集合Q中；

步骤3：对医疗事件序列中剩余的子集继续执行步骤2，直到剩余的事件子集长度为1；则同时发生的医疗事件集合分解为集合Q中的若干个子集。

3.根据权利要求1 所述的一种基于电子病历的诊疗路径发现方法，其特征在于：所述S3步骤包括如下步骤：

首先介绍一些定义；

定义1.事件序列β＝(β₁，β₂，...，β_m)，是事件的有序列表，β_i∈Σ，其中Σ是事件字典，m为事件的个数，i代表序列β的索引，β_i表示第i个项集，β_i发生在β_i+1之前或同时发生；

定义2.序列ζ＝(ζ₁，ζ₂，...，ζ_n)被定义为另一个序列β＝(β₁，β₂，...，β_m)的子序列，如果满足1≤i₁≤i₂≤...≤i_n≤m和ζ₁＝β_i1，ζ₂＝β_i2，...，ζ_n＝β_in,则记作其中n为序列ζ中事件的个数，i_n为序列ζ在序列β中的索引；

确定子序列是否频繁的关键思想是支持度，其定义如下：

定义3；对于序列集S＝{β¹，β²，...，βⁿ}，子序列ζ的支持度是指包含ζ的所有序列在S中所占的比例，其中βⁱ为事件序列，n为事件序列的个数；

如果序列集S中的子序列的支持度超过了设定的支持度，那么对于序列集S，子序列是频繁的被称为序列模式，其中子序列在S中出现的频率被称为支持度；

模式增长是从序列中检测频繁模式的常用策略；该策略从一个空的频繁顺序模式集F＝{}开始，然后检查∑中每个事件的支持度；

支持度超过设定的支持度的事件将被添加到F中；之后以两种方式对模式进行扩展：序列扩展和项集扩展，其中序列扩展代表事件β发生在序列ζ_n之后；项集扩展表示事件β和序列ζ_n同时发生；在对模式进行多次扩展后，将得到所有候选模式；

定义4.对包含事件β的序列ζ＝(ζ₁，ζ₂，...，ζ_n)进行序列扩展操作，记作ζ→β，是在ζ的末尾附加β，使得β在ζ_n之后发生；

定义5.对包含事件β的序列ζ＝(ζ₁，ζ₂，...，ζ_n)进行项集扩展操作，记作ζ，β，是在ζ的末端添加β，使得β和ζ_n同时发生；

通过对长度为l的频繁模式进行扩展，进而得到长度为l+1的所有候选模式,其中长度表示模式中包含的事件数；然后判断其支持度，保留频繁的序列模式；算法从l＝1开始迭代，第l次迭代将得到长度为l的频繁序列，过程持续直到不能通过模式增长得到频繁的序列模式为止；

使用了一种基于位图序列的序列模式挖掘方法，具体如下：在位图表示中，每个序列β由|β|×|Σ|的位图B(β)表示，其中|β|是β的长度，|Σ|是Σ的基数的长度，如果在β的第i个时间节点处观察到了D中的第j个事件，则B(β)(i，j)＝1，否则B(β)(i，j)＝0；使用序列扩展识别出第一次出现A的位置，并将其对应的位值设置为0，其他位值设置为1，此转换表示为T(A)；然后对T(A)和B执行AND操作；如果在项集扩展中，则直接对A和B执行AND操作；

步骤1：设有序列集S＝{β¹，β²，...，βⁿ}，对S中的所有序列构建位图表示；

步骤2：设置输出的频繁模式集为F＝{}；

步骤3：计算所有单个事件频率，并将频率高于设定支持度的单个事件添加到F中；

步骤4：对F中的每一个单个事件β执行模式增长的步骤，并将频率高于设定支持度的候选模式添加到F；

步骤5：最后得到频繁模式集F。