[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

说明书

本发明公开了一种基于多模态心血管疾病信息的医疗推荐方法、系统及介质，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。本发明基于多模态心血管疾病医疗信息数据，能够针对用户，构建更为精准反映用户身体状况和需求的推荐模型；此外，本发明采用基于深度学习领域的深度因子分解机算法和传统的推荐算法结合，提升了医疗推荐系统的推荐能力，有助于医疗资源的配置优化。

技术领域

本发明属于计算机技术与医疗信息化领域，具体涉及一种基于多模态心血管疾病信息的推荐方法、系统、计算机设备和存储介质。

背景技术

随着现代互联网的高速发展，医疗信息化建设的不断推进以及医疗设备的更新迭代，智能医疗领域信息化的快速发展，海量且类型多样的医学数据应运而生。我国在心血管疾病领域形势严峻，针对心血管疾病医疗信息数据处理的研究备受学者关注，其中医疗的个性化和智能化是重要研究方向。

目前医学数据所展示的具体信息和形式多样，每类方式的数据均视为一种数据模态，不同模态的医学数据都从特定的角度提供了患者的诊疗信息，信息间既有重叠又有互补，结合多种类的医学信息则进一步提高了诊断治疗的准确性。目前可分为如下三大类数据模态：1)临床文本数据。主要包括血红蛋白、血常规等结构化的检验数据，以及患者主诉、病理文本等非结构化的文本数据；2)影像波形数据。主要包括超声图像、CT图像、心电图、脑电图等影像波形数据；3)生物组学数据。按照不同的分子层面又可以分为基因组、转录组、蛋白组等数据。

对于影像波形数据中的心电图数据，是医学影像学的重要部分，对于心血管疾病的诊断判别起到重要的作用。通过机器学习等方法实现心电图的识别和判断能够有效提升医生的诊疗效果。中国发明专利：一种基于确定学习理论的心肌缺血辅助检测方法(公开号为CN103549949A)，该方法提出使用一种动态确定学习理论，通过对心电图(ECG)进行数据处理，能够将心电图转化为心电动力学图(CDG)，从而用三维坐标图的方式将难以发现的心血管疾病特征进行表示，该方法近依靠图形进行主观判断，缺乏量化指标作为参考标准。

目前多数医疗推荐系统仅仅使用了单一模态信息，对数据的利用程度不足；而基于传统的推荐算法构建的医疗推荐系统，其推荐的精确度和个性化程度较为有限，不能满足日益增长的个性化医疗需求。

发明内容

为了解决上述现有技术的不足，本发明提供了一种基于多模态心血管疾病信息的医疗推荐方法和系统。将多模态数据，引入心血管疾病信息的医疗推荐系统，能够针对用户，构建更为精准的用户身体状况和需求模型，提升系统的推荐性能和个性化推荐效果；将基于深度学习领域的推荐算法和传统的推荐算法结合，利用深度算法模型在特征选取和模型构建的优势，提升了医疗推荐系统的推荐能力，提供精准的个性化需求的医疗信息，用户能够更精准就医，从而有助于医疗资源的配置优化。

本发明的第一个目的在于提供一种基于多模态心血管疾病信息的医疗推荐方法。

本发明的第二个目的在于提供一种基于多模态心血管疾病信息的医疗推荐系统。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种基于多模态心血管疾病信息的医疗推荐方法，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；