[发明专利]异常就诊的识别方法、装置、电子设备及存储介质

权利要求书

1.一种异常就诊的识别方法，其特征在于，所述方法包括：

解析目标患者的就诊请求，以获取所述目标患者的参保信息和就诊数据；

根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据，其中，所述第一数据包含有第一人群类别和疾病数据，所述第二数据包含有第二人群类别和药品数据；

将所述目标患者的第一人群类别和疾病数据输入至预先训练好的疾病类型预测模型中，输出第一预判结果；

识别预设的第一就诊条件是否存在所述第一预判结果；

当所述预设的第一就诊条件中不存在所述第一预判结果时，将所述第二人群类别和药品数据输入至预先训练好的药品类型预测模型中，输出第二预判结果；

识别预设的第二就诊条件是否存在所述第二预判结果；

当所述预设的第二就诊条件中存在所述第二预判结果时，确定所述目标患者为异常就诊。

2.如权利要求1所述的异常就诊的识别方法，其特征在于，所述根据所述目标患者的参保信息和就诊数据，确定所述目标患者的第一数据和第二数据包括：

识别所述目标患者的参保信息，确定所述目标患者的年龄和性别；

从预设的人群类别库中确定出与所述目标患者的年龄和性别匹配的第一人群类别和第二人群类别；

从所述就诊数据中提取关键信息，按照预设的格式转换规则对所述关键信息进行转换，得到转换后的关键信息；

按照预设的划分规则将所述转换后的关键信息划分为疾病数据和药品数据；

将所述第一人群类别和疾病数据确定为所述目标患者的第一数据，及将所述第二人群类别和药品数据确定为所述目标患者的第二数据。

3.如权利要求1所述的异常就诊的识别方法，其特征在于，所述疾病类型预测模型的训练过程包括：

获取每个第一人群类别对应的多个患者；

提取每个患者的多个疾病数据及对应的疾病类型，形成数据集；

将所述数据集随机分为第一数量的训练集和第二数量的测试集；

将所述训练集中的多个疾病数据及对应的疾病类型输入至预设卷积神经网络中进行训练，得到疾病类型预测模型；

将所述测试集输入至所述疾病类型预测模型中进行测试，得到测试通过率；

判断所述测试通过率是否大于预设通过率阈值；

当所述测试通过率大于或者等于所述预设通过率阈值时，结束所述疾病类型预测模型的训练；或者，当所述测试通过率小于所述预设通过率阈值时，增加所述训练集的数量，重新进行疾病类型预测模型的训练。

4.如权利要求1所述的异常就诊的识别方法，其特征在于，所述预设的第一就诊条件包括以下一种或者多种组合：

疾病类型为女性常见病，目标患者为男性；

疾病类型为男性常见病，目标患者为女性；

疾病类型为老年人常见病，目标患者为年轻人；

疾病类型为年轻人常见病，目标患者为老年人；

疾病类型为儿童病，目标患者为成年人；

疾病类型为年轻人常见病，目标患者为儿童。

5.如权利要求1所述的异常就诊的识别方法，其特征在于，所述预设的第二就诊条件包括以下一种或者多种组合：

药品类型为儿童禁用，目标患者为小儿；

药品类型为小儿用药，目标患者为成年人；

药品类型为女性用药，目标患者为男性；

药品类型为男性用药，目标患者为女性。

6.如权利要求1所述的异常就诊的识别方法，其特征在于，所述识别预设的第一就诊条件是否存在所述第一预判结果包括：

将所述第一预判结果与所述预设的第一就诊条件进行匹配；

当在所述预设的第一就诊条件中匹配到与所述第一预判结果相匹配的第一就诊条件时，确定所述预设的第一就诊条件中存在所述第一预判结果；或者

当在所述预设的第一就诊条件中未匹配到与所述第一预判结果相匹配的第一就诊条件时，确定所述预设的第一就诊条件中不存在所述第一预判结果。