[发明专利]一种基于PSO算法优化的患者身份匹配方法

权利要求书

1.一种基于PSO算法优化的患者身份匹配方法，其特征在于：具体包括以下步骤：

S1:从医疗数据库中获取患者标识信息数据，整理所述的患者标识信息数据，将患者标识信息数据中高通用性且高饱和度的信息项进行组合，得到通用身份信息框架；

S2:对患者标识信息数据进行排序后进行分桶，逐条计算患者标识信息数据对应身份信息框架的信息项相似度；

S3:对身份信息框架的信息项相似度进行加权求和，得到患者身份信息的整体相似度；

S4:基于患者身份信息的整体相似度判断患者身份；

所述S2具体包括以下步骤：

S21:将患者标识信息数据根据分类条件依次进行排序；

S22:将分类条件相同的患者标识信息数据归位同一个桶；

S23:对位于同一分类条件的桶内的样本数据，进行桶内患者标识信息数据的两两对比，判断两条患者标识信息本数据的相似度；

S24:设定相似度阈值上限T，将两条患者标识信息数据对比相似度大于阈值T的数据对判定为同一个人的数据。

2.根据权利要求1所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述分类条件包括姓名、身份证号码、电话号码，所述分类条件的执行顺序依次为姓名、身份证号码、电话号码。

3.根据权利要求1所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述患者身份信息的整体相似度的公式为加权表达式：

Sim(X_i，Y_j)指患者身份源X中的第i条记录与患者身份源Y中的第j条记录的相似度；Sim(X_ik，Y_jk)指X_i记录与Y_j记录的第k条信息项的相似度，a_k指赋予第k条信息项的权重，满足0a_k1。

4.根据权利要求3所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述a_k的确定过程包括适应度函数的确定以及利用PSO算法进行优化。

5.根据权利要求4所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述适应度函数的确定具体包括以下步骤：

A.数据准备，从数据集合里选择，准备正样本M组，每组数据有两条，为同一个人的数据，准备好负样本数据N组，每组两条，不为同一个人的数据；

B.输入一个a_k，对M组数据，求出每组数据的第一条和第二条的相似度out，

对于M组数据，给定一个阈值T，如果outT,则计数为1，如果outT，则计数为0，计算出M组数据中，各组数据的outT的个数R1；

C.对于N组数据，求出每组数据的第一条和第二条的相似度out，如果outT,则计数为1，如果outT，则计数为0，计算出N组数据中，各组数据的outT的个数R2；

D.确定适应度函数：

F＝(R1/M)*w+(R2/N)*(1-w) (7)

目标函数为：

max(F) (8)。

6.根据权利要求5所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述适应度函数(7)当中，0w1，w控制对敏感度和特异性的重要程度，w设置为0.5，则敏感度和特异性重要程度相同。

7.根据权利要求6所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述w设置为0，只看重特异性，w设置为1，则只看中敏感度。

8.根据权利要求4所述的一种基于PSO算法优化的患者身份匹配方法，其特征在于：所述利用PSO算法进行优化具体包括以下步骤：

E.初始化一群微粒，群体规模为N，包括随机位置和速度，每个粒子的初始位置为公式(2)中的ak；

F.采用公式(7)评价每个微粒的适应度；

G.对每个微粒，将其适应值与其经过的最好位置pbest作比较，如果当前适应值优于最好位置pbest，则将当前适应值作为当前的最好位置pbest；

H.对每个微粒，将其适应值与其经过的最好位置gbest作比较，如果当前适应值优于最好位置gbest，则将当前适应值作为当前的最好位置gbest；

I.根据公式调整微粒速度和位置；

v_i＝v_i+c₁×rand()×(pbest_i-x_i)+c₂×rand()×(gbest_i-x_i)

x_i＝x_i+v_i

J.未达到结束条件则返回F；

K.到达结束条件，最后求得的gbest为a_k的最优取值。