[发明专利]病历的分组方法、装置、存储介质和电子设备有效
申请号: | 201811512148.8 | 申请日: | 2018-12-11 |
公开(公告)号: | CN109767819B | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 王阳;赵立军;张霞 | 申请(专利权)人: | 东软集团股份有限公司 |
主分类号: | G16H10/60 | 分类号: | G16H10/60 |
代理公司: | 北京英创嘉友知识产权代理事务所(普通合伙) 11447 | 代理人: | 李鹏;魏嘉熹 |
地址: | 110179 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 病历 分组 方法 装置 存储 介质 电子设备 | ||
1.一种病历的分组方法,其特征在于,所述方法包括:
提取待分组病历中的所有目标特征;
根据预先建立的特征概率网络以及所述所有目标特征,获取第一DRG组对应于所述待分组病历的总能量值,所述特征概率网络为以DRG组和特征组为节点,以DRG组与特征组之间的关联关系为边,以DRG组与特征组之间的相关性概率值为所述边的权重建立的网络拓扑结构,所述第一DRG组为DRG库包含的多个DRG组中的任一DRG组,所述总能量值为所述第一DRG组与所述所有目标特征所属的多个特征组之间的多个相关性概率值的总和,每个所述特征组包含满足同一分组条件的多个特征;
确定具备最大的所述总能量值的DRG组为所述待分组病历对应的目标DRG组;
所述DRG库中的每个所述DRG组对应多个已分组病历,每个所述已分组病历中包含多个特征,所述多个特征对应多个特征类,在所述提取待分组病历中的所有目标特征之前,所述方法还包括:
针对于第一特征类,获取第二DRG组对应的多个已分组病历中属于所述第一特征类的所有样本特征,所述第二DRG组为所述DRG库中的任一DRG组,所述第一特征类为所述多个特征类中的任一特征类;
根据所述第一特征类对应的分组条件,将所述所有样本特征划分为多个特征组,以使所述多个特征组中样本特征的数量呈预设分布状态;
根据所述多个特征组中的每个特征组中样本特征的数量,以及所述预设分布状态对应的概率密度函数,获取所述第二DRG组与所述多个特征组中的每个特征组之间的相关性概率值;
在获取到所述多个DRG组和所述多个DRG组对应的所有特征组之间的相关性概率值之后,以所述多个DRG组和所述多个DRG组对应的所有特征组为节点,以所述多个DRG组和所述多个DRG组对应的所有特征组之间的关联关系为边,以所述多个DRG组和所述多个DRG组对应的所有特征组之间的相关性概率值为所述边的权重,建立所述特征概率网络。
2.根据权利要求1所述的方法,其特征在于,所述根据预先建立的特征概率网络以及所述所有目标特征,获取第一DRG组对应于所述待分组病历的总能量值,包括:
根据所述特征概率网络确定与所述第一DRG组存在关联关系的所有第一特征组;
在所述所有第一特征组中确定与所述所有目标特征相匹配的多个第二特征组;
根据所述特征概率网络确定所述第一DRG组与所述多个第二特征组之间的多个相关性概率值的总和,作为所述第一DRG组对应于所述待分组病历的总能量值。
3.根据权利要求1所述的方法,其特征在于,所述特征的特征值类型为离散型或连续型,每个所述特征类对应的所有特征具备同一特征值类型,当所述第一特征类对应的所有样本特征的特征值类型为离散型时,所述根据所述第一特征类对应的分组条件,将所述所有样本特征划分为多个特征组,以使所述多个特征组中样本特征的数量呈预设分布状态,包括:
将所述所有样本特征中具备相同特征值的样本特征划分为一个特征组,以获取所述多个特征组;
对所述多个特征组进行排列,以使所述多个特征组中样本特征的数量呈所述预设分布状态;
根据排列的顺序为所述多个特征组分配编号。
4.根据权利要求3所述的方法,其特征在于,当所述第一特征类对应的所有样本特征的特征值类型为连续型时,所述根据所述第一特征类对应的分组条件,将所述所有样本特征划分为多个特征组,以使所述多个特征组中样本特征的数量呈预设分布状态,包括:
获取所述所有样本特征中具备最大特征值的样本特征和具备最小特征值的样本特征;
在所述最大特征值和所述最小特征值之间等分出多个取值区间;
将所述所有样本特征中处于同一所述取值区间的样本特征划分至同一个特征组,以获取所述多个特征组;
根据所述多个特征组对应的取值区间的端点数值的大小为所述多个特征组分配编号。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东软集团股份有限公司,未经东软集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811512148.8/1.html,转载请声明来源钻瓜专利网。