[发明专利]一种异常医疗费用的检测方法、装置及存储介质

权利要求书

1.一种异常医疗费用的检测方法，其特征在于，包括：

获取医疗机构的多个目标病例数据，所述目标病例数据包括就诊者的就诊信息以及对应的医疗费用数据；

依据就诊信息对所述目标病例数据进行分类，得到多个类别的目标病例数据；

对各类别所述目标病例数据检测出离群数据，并将所述离群数据作为潜在异常费用数据建立潜在异常数据集；

依据各所述潜在异常费用数据对应的目标病例数据确定就诊者的就诊情况，所述就诊情况包括药物以及就诊项目信息；

依次从所述潜在异常数据集中取出所述潜在异常费用数据，遍历查询预设的病例数据库，以获取与所述就诊情况相似的历史病例数据；

将所述目标病例数据中的医疗费用数据与所述历史病例数据的医疗费用数据对比；

若对比值超出预设阈值，则将潜在异常费用数据标记为异常医疗费用数据。

2.根据权利要求1所述的异常医疗费用的检测方法，其特征在于，所述对各类别所述目标病例数据检测出离群数据的步骤，包括：

对各类别所述目标病例数据处理得到候选离群数据集；

将所述候选离群数据集输入预设的检测模型进行检测，得到检测结果，所述检测模型为基于卷积神经网络结构构建的深度网络分类器，所述检测结果包括检测出的离群数据。

3.根据权利要2所述的异常医疗费用的检测方法，其特征在于，所述对各类别所述目标病例数据处理得到候选离群数据集的步骤，包括：

将各类别的所述目标病例数据形成一一对应的数据集，每个所述目标病例数据包括k个维度数据；

将每个所述数据集中的每个维度数据空间划分成相等深度的k个网格，每个维度数据空间包括n个数据点；

计算每个所述网格的点数期望以及点数的标准差；

依据所述点数期望以及标准差计算出各所述网格的稀疏值；

当所述稀疏值小于0，则将对应的所述网格的数据加入所述候选离群数据集。

4.根据权利要求3所述的异常医疗费用的检测方法，其特征在于，所述依据所述点数期望以及标准差计算出各所述网格的稀疏值的步骤，包括：

利用以下公式计算出所述稀疏值S：

其中，k为网格数量，j为每个网格的数据对象，n为每个维度数据空间的数据点数，为所述标准差，f^kn为所述点数期望。

5.根据权利要求3所述的异常医疗费用的检测方法，其特征在于，所述将所述目标病例数据的维度数据分别包括目标项目、所述目标项目对应的费用、所述目标项目对应的医保报销。

6.一种异常医疗费用的检测装置，其特征在于，包括：

获取数据单元，用于获取医疗机构的多个目标病例数据，所述目标病例数据包括就诊者的就诊信息以及对应的医疗费用数据；

分类数据单元，用于依据就诊信息对所述目标病例数据进行分类，得到多个类别的目标病例数据；

检测离群单元，用于对各类别所述目标病例数据检测出离群数据，并将所述离群数据作为潜在异常费用数据建立潜在异常数据集；

确定情况单元，用于依据各所述潜在异常费用数据对应的目标病例数据确定就诊者的就诊情况，所述就诊情况包括药物以及就诊项目信息；

查询病例单元，用于依次从所述潜在异常数据集中取出所述潜在异常费用数据，遍历查询预设的病例数据库，以获取与所述就诊情况相似的历史病例数据；

对比数据单元，用于将所述目标病例数据中的医疗费用数据与所述历史病例数据的医疗费用数据对比；

标记异常单元，用于若对比值超出预设阈值，则将潜在异常费用数据标记为异常医疗费用数据。

7.根据权利要6所述的异常医疗费用的检测装置，其特征在于，所述检测离群单元，包括：

得到候选子单元，用于对各类别所述目标病例数据处理得到候选离群数据集；

检测结果子单元，用于将所述候选离群数据集输入预设的检测模型进行检测，得到检测结果，所述检测模型为基于卷积神经网络结构构建的深度网络分类器，所述检测结果包括检测出的离群数据。