[发明专利]一种临床数据的值域计算方法、装置、可读介质及电子设备

说明书

本发明公开了一种临床数据的值域计算方法、装置、可读介质及电子设备，所述方法包括：对已知数据集合进行数据训练，以建立目标分类模型；所述已知数据集合包括已知目标数据和已知非目标数据；利用所述目标分类模型对未知数据集合进行分类，获得待统计目标数据；对所述待统计目标数据的临床指标进行置信区间拟合，得到所述待统计目标数据的值域；所述方法高效的对大数据进行了应用，因此数据分析所涉及的数据范围更广泛，数量更庞大，而且计算方式更为严密，所以能够结合大数据分析的优势，得到相比传统方式更准确、更有医学价值的临床数据值域区间。

技术领域

本发明涉及计算机技术领域，尤其涉及一种临床数据的值域计算方法、装置、可读介质及电子设备。

背景技术

在医学上，临床数据的重要性不言而喻。几乎所有的诊断都离不开对于临床数据的分析和判断。其中，临床数据的值域范围，包括健康人体的临床数据值域范围，以及某些典型疾病的特殊临床数据的值域范围(例如糖尿病人的血糖数据/尿糖数据等)，无论在诊疗上还是在医学研究上，都具有非常大的医学价值。

而如何对数据的值域范围进行界定，传统医学领域往往是依靠历史经验，或者依靠人工的统计和数据计算。例如，传统的算法是在方格纸上将测试数据的手动绘图，并且基于绘图视觉评估正常区间；或者计算绘图数据的线性回归。

但显然，传统算法能够利用的数据量较少，数据覆盖范围有限；计算方法也相对简单，精确度有待提高。在人工智能技术和大数据分析日趋成熟的今天，传统方式所得到的数据值域已经无法满足当前的实际需求。

发明内容

本发明提供一种临床数据的值域计算方法、装置、可读介质及电子设备，基于人工智能技术和大数据分析技术，实现从海量临床数据中取得临床数据的特定值域范围。

第一方面，本发明提供了一种临床数据的值域计算方法，包括：

对已知数据集合进行数据训练，以建立目标分类模型；所述已知数据集合包括已知目标数据和已知非目标数据；

利用所述目标分类模型对未知数据集合进行分类，获得待统计目标数据；

对所述待统计目标数据的临床指标进行置信区间拟合，得到所述待统计目标数据的值域。

优选地，所述对已知数据集合进行数据训练，以建立目标分类模型包括：

将所述已知目标数据和已知非目标数据作为训练样本进行监督学习训练，以获得所述已知目标数据的数值与数据特征的函数关系，通过所述函数关系建立所述目标分类模型。

优选地，所述对已知数据集合进行数据训练，以建立目标分类模型还包括：

将已知目标数据或已知非目标数据代入所述目标分类模型，以获得所述目标分类模型的第一拟合度；

当所述第一拟合度低于预设的第一拟合度标准，则通过所述监督学习训练修正所述函数关系。

优选地，所述对所述待统计目标数据的数值进行置信区间拟合，得到所述待统计目标数据的值域包括：

统计计算所述待统计目标数据的临床指标，以获得至少两个临床指标数值范围不同的置信区间；

从待统计目标数据当中，获取临床指标数值范围与所述各个置信区间相符合的多个数据，以作为所述各个置信区间对应的置信集合；

对所述各个置信集合分别进行数据训练，以建立所述各个置信区间对应的置信模型；并获得所述各个置信模型的模型量化指标；

对比所述各置信模型的模型量化指标，将模型量化指标最高的置信模型对应的置信区间作为所述待统计目标数据的值域。

优选地，所述已知数据集合和所述未知数据集合具有特定且相同的时间范围和/或空间范围。