[发明专利]一种基于人工智能算法的检验科异常数据监控方法

权利要求书

1.一种基于人工智能算法的检验科异常数据监控方法其特征在于使用机器学习手段解决检验科实际场景中的异常数据发现,从而可以取代大量的人工样本审核工作。

2.一种基于人工智能算法的检验科异常数据监控方法包括数据获取、数据清洗、特征转换、模型训练、模型评估、模型部署。

3.根据权利要求1所述的数据获取，其特征在于：训练数据和被测数据均直接或间接来源于HIS和LIS系统。

4.根据权利要求1所述的数据清洗，其特征在于：针对于所有训练和被测数据应全部转换为数值型，针对于所有训练和测试数据应全部做出缺失处理，保证数据是完整且无缺失的。

5.根据权利要求1所述的特征转换，其特征在于：针对于清洗后的数据为保证算法的学习准度和算法迭代速度，需要对数据做出相应的特征转换，具体转换包含以下几项，分类数据编码化，符合正态分布的特征进行标准化，其他字段进行0~1归一化。

6.根据权利要求1所述的模型训练，其特征在于：要依据实际数据量大小和具体数据特征类型情况选择合适的机器学习异常检测算法进行模型训练。

7.根据权利要求1所述的模型评估，其特征在于：针对训练完成的模需要进一步对模型进行初步的异常检测功能评估，评估需要基于模型针对于样本输出的异常概率值，由于模型本身基于无监督学习算法，所以对于模型的预测结果需要进行抽样分析，分析预测数据是否满足符合异常情况，从而设定初始异常阈值，在实际应用场景中该阈值还可以人为调整，从而调整异常检测模型对于异常数据的灵敏度。

8.根据权利要求1所述的模型部署，其特征在于：针对于训练完成的模型其本身可以作为系统组件部署于LIS系统、检验仪器系统，或作为服务端部署于可执行计算机程序的计算器中，供远程客户端访问。