【技术实现步骤摘要】
本专利技术涉及数据管理，尤其涉及一种基于普外科大数据的医疗数据管理方法。
技术介绍
1、随着信息技术的迅猛发展，医疗行业逐渐实现了从传统纸质记录向电子化、数字化的转变。医院信息系统（his）、电子病历（emr）、实验室信息系统（lis）和影像存档与通信系统（pacs）等信息系统的广泛应用，使得大量医疗数据得以高效存储和管理。然而，这些系统通常独立运行，导致数据孤岛现象严重，难以实现跨系统的数据整合与分析。大数据技术为解决上述问题提供了新的解决方案。通过将分散的数据进行整合并存储在一个统一的数据仓库中，可以利用高级数据分析工具和技术（如机器学习、自然语言处理和深度学习）挖掘有价值的信息。这不仅有助于临床决策支持、个性化治疗方案制定，还能优化医疗资源的配置。普外科作为医院中的重要科室，涉及大量的手术和诊疗工作，积累了丰富的病例资料和手术数据。这些数据包括患者的病史、诊断结果、手术过程及术后恢复情况等。有效管理和利用这些数据对于提升医疗服务质量和效率至关重要。特别是在治疗方案优化方面，如何利用现有数据来改进和优化治疗方案成为关键。
2、现有技术中，通过随机森林模型预测得到影响疾病的风险概率并得到关键因素，基于关键因素生成干预措施，但是随机森林模型得到预测结果后还通过shapley值对预测结果进行解释，即针对模型输入数据计算对预测结果的贡献，可是，模型在预测过程中存在一定的误差使得风险概率高的数据可能对应的贡献值较低，导致确定关键指标不准确，基于不准确的关键指标生成的方案，并不能最大程度降低疾病风险，从而无法保证方案对疾病风
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于普外科大数据的医疗数据管理方法，包括：
2、步骤1，获取患者数据，并进行预处理；患者数据包括若干病理指标；
3、步骤2，从预处理后的患者数据中筛选若干训练样本，并为每个训练样本标定标签；标签包括疾病类型以及病理指标对于疾病类型的风险概率；
4、步骤3，构建随机森林模型，将带有标定标签的所有训练样本作为训练集对随机森林模型进行训练，得到训练完毕的随机森林模型；
5、获取患者实时数据并输入训练完毕的随机森林模型，得到预测结果；所述预测结果包括每个病理指标对于当前疾病类型的风险概率；基于shapley公式计算得到改进shapley公式，通过改进shapley公式计算患者实时数据中每个病理指标对预测结果的改进贡献值，根据患者实时数据中每个病理指标对预测结果的改进贡献值、患者实时数据中每个病理指标对于当前疾病类型的风险概率，计算得到综合评分，并由高到低进行排列，将前2/3综合评分对应的病理指标作为关键指标；
6、步骤4，基于预测结果，生成初步方案：疾病类型、患者实时数据、关键指标、关键指标对于当前疾病类型的风险概率以及干预措施；并执行初步方案，得到执行关键指标；
7、步骤5，基于执行初步方案前的病理指标、执行初步方案后的每个关键指标，计算得到关键指标的干预特征值；定义一个优化目标，基于干预特征值构建优化函数，并利用优化算法求解优化函数的最优解，最优解即为优化方案。
8、进一步地，基于shapley公式计算得到改进shapley公式，具体包括以下步骤：
9、步骤31，从患者实时数据中提取每个病理指标，并基于每个病理指标生成不包含当前病理指标的特征子集；通过训练完毕的随机森林模型得到多个时刻下每个病理指标以及每个特征子集的预测值；
10、步骤32，基于多个时刻下每个病理指标以及不包含当前病理指标的特征子集的预测值，通过shapley公式，计算当前病理指标以及不包含当前病理指标的特征子集的初始贡献值；
11、步骤33，为当前病理指标以及不包含当前病理指标的特征子集，确定一个组合权重；
12、步骤34，计算当前时刻下当前病理指标以及不包含当前病理指标的特征子集之间的互信息；
13、步骤35，根据初始贡献值、组合权重以及互信息，得到改进shapley公式，以计算出改进贡献值。
14、进一步地，确定组合权重，包括以下步骤：
15、步骤331，根据步骤1中患者数据、当前时刻下当前病理指标，计算得到方差；
16、步骤332，确定当前病理指标与不包含当前病理指标的特征子集内每个病理指标的初始权重；
17、步骤333，计算当前时刻下当前病理指标与不包含当前病理指标的特征子集内每个病理指标的相关强度值；
18、步骤334，根据初始权重、相关强度值以及方差，计算得到组合权重。
19、进一步地，综合评分的计算公式为：
20、；
21、式中，代表第i个病理指标的综合评分，代表第i个病理指标的初始贡献值，代表第i个病理指标对于当前疾病类型的风险概率，代表第i个病理指标与不包含当前病理指标的特征子集s的互信息，代表第i个病理指标与不包含当前病理指标的特征子集s的最大互信息，代表第i个病理指标在当前时刻t的方差，代表第i个病理指标在当前时刻t的最大方差，代表当前时刻t下第i个病理指标与不包含当前病理指标的特征子集的组合权重，f代表特征子集和/或病理指标的集合。
22、进一步地，组合权重的计算公式为：
23、；
24、式中，代表当前时刻t下第i个病理指标与不包含当前病理指标的特征子集内第j个病理指标的相关强度值，代表第i个病理指标与不包含当前病理指标的特征子集内第j个病理指标的初始权重，代表相关强度值的调整因子，代表方差的调整因子。
25、进一步地，基于执行初步方案前的病理指标、执行初步方案后的关键指标，计算得到关键指标的干预特征值，具体包括以下步骤：
26、步骤51，获取执行初步方案前每个病理指标的特征值；
27、步骤52，获取执行初步方案后的关键指标的特征值，基于执行初步方案后的关键指标的特征值，执行初步方案前的关键指标的特征值，计算得到关键指标的特征变化量；
28、步骤53，基于特征变化量和执行初步方案前每个病理指标的特征值，得到关键指标的干预特征值。
29、进一步地，优化函数为：
30、；
31、式中，e代表优化函数，min代表最小化处理，代表第k个关键指标的权重，代表第k个关键指标与第l个关键指标的权重，代表第k个关键指标的特征值，代表第k个关键指标的特征变化量，代表第l个关键指标的特征值，代表第l个关键指标的特征变化量，n代表关键指标总数，b为大于0的常数。
32、进一步地，优化目标为：最小化患者健康风险。
33、进一步地，改进shapley公式为：
34、；
35、式中，代表第i个病理指标在当前时刻t的改进贡献值，f代表特征子集和/或病理指标的集合，代表当前时刻t的第i个病理指标与不包含当前病理指标的特征子集的组合权重，代表第i个病理指本文档来自技高网...
【技术保护点】
1.一种基于普外科大数据的医疗数据管理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，基于Shapley公式计算得到改进Shapley公式，具体包括以下步骤：
3.根据权利要求2所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，确定组合权重，包括以下步骤：
4.根据权利要求3所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，综合评分的计算公式为：
5.根据权利要求4所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，组合权重的计算公式为：
6.根据权利要求1所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，基于执行初步方案前的病理指标、执行初步方案后的关键指标，计算得到关键指标的干预特征值，具体包括以下步骤：
7.根据权利要求1所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，优化函数为：
8.根据权利要求1所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，优化目标为：最小化患者健康风险。
<...【技术特征摘要】
1.一种基于普外科大数据的医疗数据管理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，基于shapley公式计算得到改进shapley公式，具体包括以下步骤：
3.根据权利要求2所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，确定组合权重，包括以下步骤：
4.根据权利要求3所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，综合评分的计算公式为：
5.根据权利要求4所述的一种基于普外科大数据的医疗数据管理方法，其特征在于，组合权...
【专利技术属性】
技术研发人员：魏光兵，王星傑，李徐奇，
申请(专利权)人：西安交通大学医学院第一附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。