[发明专利]检查数据筛选方法、装置、设备及存储介质

说明书

本发明公开了一种检查数据筛选方法、装置、设备及存储介质，该方法包括：从定点医疗机构获取待筛选的肌酐检查数据；按预设数据清洗流程对所述肌酐检查数据进行清洗，获得标准化数据；用预先建立的肌酐检查次数聚类模型对所述标准化数据进行分析，获得异常肌酐检查数据。本发明基于聚类算法，通过肌酐检查次数聚类模型筛选异常肌酐检查数据，提高了检查数据筛选的效率和准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种检查数据筛选方法、装置、设备及存储介质。

背景技术

目前，肌酐检查已纳入医保报销范筹，参保人在定点医疗机构进行结算时只需要支付医保报销后的费用。因此为保障医保基金的合理支出，负责管理医保的相关部门需要对参保人透析数据进行异常检测，以减少虚假报销的发生。由于需要筛选的数据量大，如果依靠人工进行筛选，则效率低，准确性不高。

发明内容

本发明提供一种检查数据筛选方法、装置、设备及存储介质，旨在提高检查数据筛选的效率和准确性。

为实现上述目的，本发明提供一种检查数据筛选方法，所述方法应用于检查数据筛选设备，所述方法包括：

从定点医疗机构获取待筛选的肌酐检查数据；

按预设数据清洗流程对所述肌酐检查数据进行清洗，获得标准化数据；

基于预先建立的肌酐检查次数聚类模型对所述标准化数据进行分析，获得异常肌酐检查数据。

优选地，所述按预设数据清洗流程对所述肌酐检查数据进行清洗，获得标准化数据的步骤包括：

依次对所述肌酐检查数据执行缺失值清洗、格式内容清洗、逻辑错误清洗、非需求数据清洗、关联性验证的清洗流程，获得标准化数据。

优选地，所述从定点医疗机构获取待筛选的肌酐检查数据的步骤之前还包括：

从定点医疗机构获取正常肌酐检查的历史数据；

将所述历史数据按预设流程进行处理后获得样本数据；

根据所述样本数据，基于高斯混合模型的最大期望聚类算法建立所述肌酐检查次数聚类模型。

优选地，所述基于预先建立的肌酐检查次数聚类模型对所述标准化数据进行分析，获得异常肌酐检查数据的步骤包括：

基于预先建立的所述肌酐检查次数聚类模型对所述标准化数据进行聚类，获得所述标准化数据属于所述肌酐检查次数聚类模型中各个簇的簇概率；

将所述簇概率进行排序，获取所述簇概率中的最大概率，并将所述最大概率与阈值进行比较；

若所述最大概率小于所述阈值，则将所述最大概率对应的标准化数据标记为异常肌酐检查数据。

优选地，所述方法还包括：

在所述肌酐检查次数聚类模型中输入验证数据，由所述肌酐检查次数聚类模型对所述验证数据进行聚类，输出所述验证数据中的第一异常验证数据；

将所述第一异常验证数据与第二异常数据进行比对，所述第二异常数据是预先获得的所述验证数据中的异常数据；

若所述第一异常验证数据与所述第二异常数据一致，则判定所述肌酐检查次数聚类模型建立成功，保存所述肌酐检查次数聚类模型以供后续使用；

若所述第一异常验证数据与所述第二异常数据不一致，则判定所述肌酐检查次数聚类模型建立失败，将所述肌酐检查次数聚类模型进行调试后，重新进行验证。

优选地，所述用预先建立的肌酐检查次数聚类模型对所述标准化数据进行分析，获得异常肌酐检查数据的步骤之后还包括：