[发明专利]患者身份识别方法、装置、设备和介质

说明书

本发明公开了一种患者身份识别方法，该方法包括：获取至少一个历史患者的患者样本数据，对患者样本数据进行数据预处理，获取预处理后的目标样本数据。获取归类标准，根据归类标准对每个历史患者的目标样本数据进行标签归类。根据模型相似度系数及模型权重系数计算目标患者的目标标签累计值。获取至少一个历史患者的历史标签累计值，将目标标签累计值与每个历史标签累计值进行相似度匹配，获取每个历史患者与目标患者的相似度匹配值，将相似度匹配值最高的历史患者作为目标患者的同一身份患者。本患者身份识别方法通过计算得到相似度匹配值实现准确判断与目标对应的同一身份患者。此外，还提出了患者身份识别装置、设备和存储介质。

技术领域

本发明涉及身份识别技术领域，尤其是涉及患者身份识别方法、装置、设备和介质。

背景技术

随着医学检验技术的不断进步和发展，医检信息已越来越多地为疾病的发现、护理、诊断、治疗、病情监测及预后判断等不同阶段提供信息支撑。但是要充分发挥医检信息的实用意义，必须在确保医检信息的准确性。

在现有的医学检测领域，常由于记录信息遗漏或登记失误等原因造成医检信息不完善，例如省、市、姓名、性别、年龄、民族、身份证、电话等特征信息出现缺少。而医检信息的不完善，将直接导致无法准确判断医检信息所属的受检人员。而在无法正确预判医检信息唯一性的前提下，医检信息将存在误用的可能。对于此，现有的方法只能通过人工核查患者临床诊断和检测信息来判断身份所属，而这存在周期慢长且程序繁杂的问题。

发明内容

基于此，有必要针对上述问题，提供操作简单且准确判断患者身份的患者身份识别方法、装置、设备和介质。

一种患者身份识别的方法，所述方法包括：

获取至少一个历史患者的患者样本数据，根据所述患者样本数据建立患者样本数据库，对所述患者样本数据进行数据预处理，获取预处理后的目标样本数据；

获取归类标准，根据所述归类标准对每个所述历史患者的所述目标样本数据进行标签归类；

获取目标患者的模型相似度系数及模型权重系数，根据所述模型相似度系数及所述模型权重系数计算所述目标患者的目标标签累计值；

获取所述至少一个历史患者的历史标签累计值，将所述目标标签累计值与每个所述历史标签累计值进行相似度匹配，获取每个所述历史患者与所述目标患者的相似度匹配值，将所述相似度匹配值最高的历史患者作为所述目标患者的同一身份患者。

在其中一个实施例中，所述获取归类标准，根据所述归类标准对每个所述历史患者的所述目标样本数据进行标签归类，包括：

获取特征归类标准，以所述特征归类标准对每个所述历史患者的所述目标样本数据进行一级分类，获取一级分类后的画像特征大类；

获取标签归类标准，以所述标签归类标准对每个所述历史患者的所述画像特征大类进行二级分类，获取二级分类后的画像标签小类。

在其中一个实施例中，所述获取目标患者的模型相似度系数及模型权重系数，根据所述模型相似度系数及所述模型权重系数计算所述目标患者的目标标签累计值，包括：

获取所述目标患者携带的每个目标标签的目标标签权重及目标标签系数，根据所述目标标签权重及所述目标标签系数计算每个所述目标标签的所述模型相似度系数；

获取每个所述目标标签对应的所述模型权重系数，计算每个所述目标标签的所述模型相似度系数及所述模型权重系数的乘积，将所述乘积进行累加，将累加后的值作为所述目标标签累计值。

在其中一个实施例中，所述获取所述至少一个历史患者的历史标签累计值，包括：

获取每个所述历史患者携带的匹配标签的匹配标签权重及匹配标签系数，根据所述匹配标签权重及所述匹配标签系数计算每个所述匹配标签的匹配相似度系数；