医疗指南和数据驱动相结合的治疗方案推荐系统

    公开(公告)号:CN110310745B

    公开(公告)日:2021-12-03

    申请号:CN201910424781.X

    申请日:2019-05-21

    IPC分类号: G16H50/70

    摘要: 本发明提供医疗指南和数据驱动相结合的治疗方案推荐系统,包括训练出数据驱动的推荐模型;建立治疗方案分类列表,以确定粗粒度的治疗方案和细粒度的治疗方案之间的映射关系;将数据驱动的推荐模型的推荐治疗方案作为第一推荐治疗方案;将医疗指南规则库的推荐治疗方案作为第二推荐治疗方案;将第一推荐治疗方案、第二推荐治疗方案按照治疗方案分类列表进行过滤,得到过滤后的推荐治疗方案作为第三推荐治疗方案,将第三推荐治疗方案推荐给目标病例。本发明融合医疗指南和数据驱动的各自的特点,推荐出更合理的治疗方案,降低决策风险。本发明得出的推荐方案既可以通过医疗指南做出合理性解释,也能得到历史病例作为证据的支持,更能让患者信服。

    多源治疗方案推荐的结论合成方法及系统

    公开(公告)号:CN109273099B

    公开(公告)日:2020-09-15

    申请号:CN201810903424.7

    申请日:2018-08-09

    IPC分类号: G16H70/60

    摘要: 本发明提供了一种多源治疗方案推荐的结论合成方法及系统,包括:以目标病理的近邻为证据主体,分别为每个近邻构造mass函数;确定基于医疗指南作为证据主体的mass函数;确定机器学习模型作为证据主体的mass函数;融合上述mass函数;根据融合后的mass函数做出最终的治疗方案推荐。本发明能够充分收集和利用多元证据主体,结合Dempster‑Shafer理论,为医疗决策提供证据更为充分的推荐治疗方案,并且充分考虑了各个证据主体的不确定性。另外,最终的推荐方案具有很好的解释性,它能把不同结构的证据有机结合起来以一种统一的方式表达,可以自适应地把不同证据的特性挖掘出来。

    医疗指南和数据驱动相结合的治疗方案推荐系统

    公开(公告)号:CN110310745A

    公开(公告)日:2019-10-08

    申请号:CN201910424781.X

    申请日:2019-05-21

    IPC分类号: G16H50/70

    摘要: 本发明提供医疗指南和数据驱动相结合的治疗方案推荐系统,包括训练出数据驱动的推荐模型;建立治疗方案分类列表,以确定粗粒度的治疗方案和细粒度的治疗方案之间的映射关系;将数据驱动的推荐模型的推荐治疗方案作为第一推荐治疗方案;将医疗指南规则库的推荐治疗方案作为第二推荐治疗方案;将第一推荐治疗方案、第二推荐治疗方案按照治疗方案分类列表进行过滤,得到过滤后的推荐治疗方案作为第三推荐治疗方案,将第三推荐治疗方案推荐给目标病例。本发明融合医疗指南和数据驱动的各自的特点,推荐出更合理的治疗方案,降低决策风险。本发明得出的推荐方案既可以通过医疗指南做出合理性解释,也能得到历史病例作为证据的支持,更能让患者信服。

    适用于概念漂移的医疗方案的推荐系统及方法

    公开(公告)号:CN107358019A

    公开(公告)日:2017-11-17

    申请号:CN201710379952.2

    申请日:2017-05-25

    IPC分类号: G06F19/00

    摘要: 本发明提供了一种适用于概念漂移的医疗方案的推荐系统及方法,该系统包括:用户界面模块,与推荐模块相连,用于读取一开始的训练样本;推荐模块,与工作流系统相连,根据历史病例的数据,自动智能地为当前的病例计算出一个最合适的医疗方案;外部数据库,与推荐模块相连,用来读取一开始的训练样本;外部数据库用于存放每一个病例的详细信息,例如姓名身高体重等个人信息,以及具体的各项医疗指标信息。本发明能够考虑到了概念漂移现象对结果产生的影响,兼顾了样本的采集时间等因素,能检测到概念漂移的发生,并且修正了过时的样本以适应新的规律,使得此后的预测更加准确。

    基于加权KNN的乳腺癌化疗方案推荐方法

    公开(公告)号:CN105975794A

    公开(公告)日:2016-09-28

    申请号:CN201610345757.3

    申请日:2016-05-23

    IPC分类号: G06F19/00

    CPC分类号: G16H50/20 G16H50/70

    摘要: 本发明提供的一种基于加权KNN的乳腺癌化疗方案推荐方法,包括如下步骤:输入新的病例pa= ;计算新的病例pa= 与原有病例池中每个病例之间的距离;以距离从小到大排序从原有病例池的病例中选取前k个病例;计算得出推荐治疗方案。本发明的有益效果如下:在乳腺癌辅助治疗方案的决策过程中引入了智能推荐算法,提高了整个讨论过程的效率。在计算两个病例之间距离的时候,结合使用了线性相关度作为了每个属性的权重。在最相似的几个结果中选取最终推荐方案的过程中,也考虑了它们距离的影响,从而提升了推荐的整体效果。

    治疗方案推荐系统的模型优化方法及系统

    公开(公告)号:CN109243561B

    公开(公告)日:2020-07-28

    申请号:CN201810911078.7

    申请日:2018-08-10

    IPC分类号: G16H20/00 G16H50/70 G16H10/60

    摘要: 本发明提供了一种治疗方案推荐系统的模型优化方法及系统,包括:对每一个待推荐治疗方案的病例,选定用于计算的属性,确定相应的机器学习算法以及优化算法,初始化所选定属性的属性权重;计算每一个历史病例的复杂程度;对训练集中的每个历史病例,基于当前属性权重,使用机器学习算法计算当前属性权重的结果,并对其中错误的结果进行类别划分;根据历史病例的复杂程度及对应的类别划分计算优化算法的目标函数,将目标函数代入机器学习算法中优化属性权重;循环进行权重结果计算划分以及目标函数计算至收敛,得到最优的属性权重。本发明能够充分使用医生决策结果来度量病例的复杂程度以优化推荐结果,同时能充分考虑不同错误类型对结果的影响。

    病例复杂度预测方法及系统

    公开(公告)号:CN109215795A

    公开(公告)日:2019-01-15

    申请号:CN201810909242.0

    申请日:2018-08-10

    IPC分类号: G16H50/70

    摘要: 本发明提供了一种病例复杂度预测方法及系统,包括:计算每个历史病例的讨论分歧度;获取每个历史病例的特征数据;根据历史病例的特征数据和讨论分歧度建立回归模型;根据建立的回归模型和目标病例的特征数据预测目标病例的讨论分歧度;根据历史病例的特征数据和对应的治疗方案建立治疗方案推荐模型;利用治疗方案推荐模型给出目标病例的推荐结果,计算推荐结果的不确定性;线性组合目标病例的讨论分歧度和推荐结果的不确定性,从而确定反应目标病例复杂度的综合指标。本发明能够充分利用多学科医疗决策团队的历史投票数据和历史病例数据,从多个维度,即讨论的分歧度和推荐结果的不确定性,定义病例的复杂度指标。

    用于概念漂移的医疗方案的推荐方法

    公开(公告)号:CN107358019B

    公开(公告)日:2021-01-29

    申请号:CN201710379952.2

    申请日:2017-05-25

    IPC分类号: G16H50/20 G16H50/70

    摘要: 本发明提供了一种适用于概念漂移的医疗方案的推荐系统及方法,该系统包括:用户界面模块,与推荐模块相连,用于读取一开始的训练样本;推荐模块,与工作流系统相连,根据历史病例的数据,自动智能地为当前的病例计算出一个最合适的医疗方案;外部数据库,与推荐模块相连,用来读取一开始的训练样本;外部数据库用于存放每一个病例的详细信息,例如姓名身高体重等个人信息,以及具体的各项医疗指标信息。本发明能够考虑到了概念漂移现象对结果产生的影响,兼顾了样本的采集时间等因素,能检测到概念漂移的发生,并且修正了过时的样本以适应新的规律,使得此后的预测更加准确。

    病例复杂度预测方法及系统

    公开(公告)号:CN109215795B

    公开(公告)日:2020-11-06

    申请号:CN201810909242.0

    申请日:2018-08-10

    IPC分类号: G16H50/70

    摘要: 本发明提供了一种病例复杂度预测方法及系统,包括:计算每个历史病例的讨论分歧度;获取每个历史病例的特征数据;根据历史病例的特征数据和讨论分歧度建立回归模型;根据建立的回归模型和目标病例的特征数据预测目标病例的讨论分歧度;根据历史病例的特征数据和对应的治疗方案建立治疗方案推荐模型;利用治疗方案推荐模型给出目标病例的推荐结果,计算推荐结果的不确定性;线性组合目标病例的讨论分歧度和推荐结果的不确定性,从而确定反应目标病例复杂度的综合指标。本发明能够充分利用多学科医疗决策团队的历史投票数据和历史病例数据,从多个维度,即讨论的分歧度和推荐结果的不确定性,定义病例的复杂度指标。

    多源治疗方案推荐的结论合成方法及系统

    公开(公告)号:CN109273099A

    公开(公告)日:2019-01-25

    申请号:CN201810903424.7

    申请日:2018-08-09

    IPC分类号: G16H70/60

    摘要: 本发明提供了一种多源治疗方案推荐的结论合成方法及系统,包括:以目标病理的近邻为证据主体,分别为每个近邻构造mass函数;确定基于医疗指南作为证据主体的mass函数;确定机器学习模型作为证据主体的mass函数;融合上述mass函数;根据融合后的mass函数做出最终的治疗方案推荐。本发明能够充分收集和利用多元证据主体,结合Dempster-Shafer理论,为医疗决策提供证据更为充分的推荐治疗方案,并且充分考虑了各个证据主体的不确定性。另外,最终的推荐方案具有很好的解释性,它能把不同结构的证据有机结合起来以一种统一的方式表达,可以自适应地把不同证据的特性挖掘出来。