[发明专利]一种基于PSO算法优化的患者身份匹配方法

说明书

本发明公开了一种基于PSO算法优化的患者身份匹配方法，涉及医疗信息技术领域。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，确定患者标识符域中通用性较高且饱和度较高的信息项进行组合，得到通用的身份信息框架；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，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，基于患者身份信息的整体相似度判断患者身份，解决了样本数据计算量较大以及相似度的权重系数是人为确定而不是最优解的问题。

技术领域

本发明涉医疗信息技术领域，尤其涉及一种基于PSO算法优化的患者身份匹配方法。

背景技术

患者主索引(Enterprise Master Patient Index，EMPI)是二十世纪末出现的医疗信息化专业用语，简单来说，它是患者基本信息检索目录。其主要用途是在一个复杂的医疗体系内，通过唯一的患者标识将多个医疗信息系统有效地关联在一起。以实现各个系统之间的互联互通，保证对同一个患者，分布在不同系统中的个人信息采集的完整性和准确性。医疗信息系统中，患者标识信息一般包括:姓名、性别、民族、出生日期、身份证号码、联系电话、地址、医保卡卡号、就诊卡卡号。获取医院信息系统服务器上传的用户信息数据；其中，所述用户信息数据至少包括姓名、性别、民族、出生日期、身份证号码、联系电话、地址、医保卡卡号、就诊卡卡号；根据预先设置的第一字段值提取策略获取所述用户信息数据中对应的当前第一字段值，以当前第一字段值为检索条件获取对应的初次筛选后数据集合；其中，所述初次筛选后数据集合中包括若干条初次筛选后数据，每一初次筛选后数据中至少包括姓名、性别、出生日期、证件类型、证件号码、联系电话、地址；将所述用户信息数据按照预设的数据调整策略进行数据调整得到调整用户信息数据，获取所述调整用户信息数据与所述初次筛选后数据集合中各条初次筛选后数据的相似度，以获取对应的相似度集合；其中，所述数据调整策略用于对用户信息数据中的姓名、性别、出生日期、证件类型、证件号码、联系电话进行字符调整和矫正。EMPI本质上是一个数据整合系统，它把来自多个不同的系统中的病人标识统一成一个，实现对同一病人仅仅有一个标识对应，同一病人的信息也归并在同一个标识之下。这样就有效地解决了多系统中识别病人身份的问题。在识别中，经常面临的判断两条数据是否为同一个人的数据，医疗数据中，常常面临数据不全，或者偶尔有数据错误，为了判断该数据真正的主人，需要将两条数据进行相似度匹配，目前，主要根据各个字段，求出相应的相似度，然后人工确定各个字段的系数，进行加权求和，超过一定阈值up，就判定是同一个人的数据，低于另一个数字阈值low，就判定是不同人的数据，小于up大于low的分数，就交给人工审核。现有对求取相似度之后的权重系数一般采用人工进行确认，而人工确认权重系数往往存在个体的差异，因此不具备通用性，因此不是最优解。

发明内容

本发明的目的在于提供一种基于PSO算法优化的患者身份匹配方法，解决了样本数据计算量较大以及相似度的权重系数是人为确定而不是最优解的问题

本发明采用的技术方案如下：

一种基于PSO算法优化的患者身份匹配方法，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；