[发明专利]一种基于最大期望算法的患者身份匹配方法

权利要求书

1.一种基于最大期望算法的患者身份匹配方法，其特征在于，包括以下步骤：

(1)选择待匹配患者记录a的若干项患者身份信息项作为筛选项，对患者记录集合S进行筛选，得到待匹配记录集合T；

(2)选择待匹配患者记录a的若干项患者身份信息项作为匹配项，采用最大期望算法对患者信息集合T中的患者记录进行匹配概率计算，得到待匹配患者记录a与待匹配记录集合T中患者记录的匹配比率；

(3)根据匹配比率确定待匹配患者记录a与待匹配记录集合T中患者记录的匹配关系。

2.根据权利要求1所述的基于最大期望算法的患者身份匹配方法，其特征在于，步骤(1)中，所述待匹配患者记录a的筛选项的值与所述待匹配记录集合T中各患者记录的筛选项的值一致。

3.根据权利要求1所述的基于最大期望算法的患者身份匹配方法，其特征在于，步骤(2)具体包括：

选择待匹配患者记录a的若干项患者身份信息项作为匹配项，并设置各匹配项的阈值，匹配项阈值用于计算患者信息在该匹配项上的二维空间向量；

将待匹配患者记录a的匹配项与待匹配记录集合T中的每条记录的匹配项逐条进行匹配，得到待匹配患者记录a与待匹配记录集合T中各患者记录的匹配项相似度；

根据匹配项相似度，构造二维空间向量C_i＝{C_i(1),C_i(2),…,C_i(N)}；具体构造方法为：若待匹配患者记录a与待匹配记录集合T中第i条患者记录的第k项的匹配项相似度大于设置的匹配项阈值，则C_i(k)＝1，反之则等于0；

计算二维空间向量的概率分布F＝{F₁,F₂,…,F_2^N}；

通过最大期望算法计算得到匹配阈值向量m＝{m₁,m₂,……,m_N}和不匹配阈值向量u＝{u₁,u₂,…,u_N}；

再根据概率分布F迭代计算得到匹配概率值p₁和不匹配概率值p₂，并根据公式R＝log₂(p₁/p₂)计算匹配比率R。

4.根据权利要求1所述的基于最大期望算法的患者身份匹配方法，其特征在于，步骤(3)具体包括：

根据Fellegi-Sunter模型计算匹配比率R的上界T_up和下界T_low；

比较匹配比率与上下界，得到匹配结果：若R大于T_up，则认为这两条记录是匹配的；若R小于T_low，则认为这两条记录是不匹配的；若R大于等于T_low且小于等于T_up，则留待人工确认。