[发明专利]基于多模态心血管疾病信息的医疗推荐方法、系统及介质

权利要求书

1.一种基于多模态心血管疾病信息的医疗推荐方法，其特征在于，所述方法包括：

获取心血管疾病的临床文本模态数据，作为第一模态数据，以及获取心电图信号数据，作为第二模态数据，并对第一模态数据和第二模态数据进行预处理；

根据预处理后的数据，基于多种推荐算法结合构造个性化推荐模型；

基于个性化推荐模型获取推荐结果集合，并将推荐结果推荐给目标用户。

2.根据权利要求1所述的医疗推荐方法，其特征在于，所述对第一模态数据和第二模态数据进行预处理，具体包括：

对获取的心血管疾病的临床文本模态数据进行识别提取，剔除无关信息，并进行结构化处理；

对获取的心电图信号数据进行确定学习动态建模处理，得到心电动力学特征数据，对心电动力学特征数据进行归一化处理，再通过特征运算，得到量化指标数据，并对量化指标数据进行结构化处理。

3.根据权利要求1所述的医疗推荐方法，其特征在于，所述根据预处理后的数据，基于多种推荐算法结合构造个性化推荐模型，具体包括：

对预处理后的数据进行特征工程处理，得到结构化数据集；

从结构化数据集中随机抽取数据，并划分为训练集和验证集；

根据得到结构化数据集、训练集和验证集，利用多种推荐算法进行混合，构成个性化推荐模型。

4.根据权利要求3所述的医疗推荐方法，其特征在于，所述对预处理后的数据进行特征工程处理，得到结构化数据集，具体包括：

在预处理后的数据中选择数据特征，对数据特征中的重复值、异常值和缺失值特征进行处理；

对处理后的数据中的部分数值特征进行分桶或截断；

对分桶或截断后的数据进行标准化处理，使其中的数据按等比例缩放，转化为无量纲数值，处理后得到结构化数据集。

5.根据权利要求4所述的医疗推荐方法，其特征在于，所述缺失值特征的处理为随机填充、将缺失值特征作为一种信息以及将缺失值特征直接忽略中的一种，其中随机填充是指采用数据特征的均值、众数或中位数填充；所述重复值和异常值的处理为直接删除。

6.根据权利要求3所述的医疗推荐方法，其特征在于，所述推荐算法包括协同过滤算法、基于内容的过滤算法和深度因子分解机算法；

所述结构化数据集、训练集和验证集，利用多种推荐算法进行混合，构成个性化推荐模型，具体包括：

采用协同过滤算法，根据结构化数据集，计算用户之间的兴趣相似度，度量用户对推荐项目的感兴趣程度，得到用户相似度矩阵模型；

采用基于内容的过滤算法，通过对用户的过往偏好信息进行内容分析，在结构化数据集中搜寻类似的信息并对比，使用相似度量计算，将相似度量数值大于预设阈值的项目生成推荐排序列表返回给用户；根据用户的实时反馈对推荐排序列表的内容进行筛选和过滤，得到内容过滤模型；

采用深度因子分解机算法，通过输入从结构化数据集中选取的相关离散特征，利用训练集进行训练，得到初始深度因子分解机模型；

通过验证集检测初始深度因子分解机模型的性能，直到训练误差满足设定阈值时停止训练，得到目标深度因子分解机模型；

将用户相似度矩阵模型、内容过滤模型和目标深度因子分解机模型利用线性加权融合方法混合后进行同步，得到个性化推荐模型。

7.根据权利要求1-6任一项所述的医疗推荐方法，其特征在于，所述基于个性化推荐模型获取推荐结果集合，并将推荐结果推荐给用户，具体包括：

对数据库中的医疗信息数据构建索引；

根据个性化推荐模型，对目标用户的输入信息进行解析并运算，结合索引分析后，得到推荐结果集合；

对得到的推荐结果集合经过预设权重规则进行排序，得到前N项推荐结果，实时推荐给目标用户，完成一次推荐流程。