基于多源数据联合检测的数据集异常识别方法

    公开(公告)号:CN117556363B

    公开(公告)日:2024-04-09

    申请号:CN202410038183.X

    申请日:2024-01-11

    摘要: 本发明涉及数据质量技术领域,具体涉及了一种基于多源数据联合检测的数据集异常识别方法。包括以下步骤:S100:分别获取来自不同参与方的文本类数据的数据集;S200:识别并提取出不同参与方的数据集中具有交集的部分,作为识别数据集,分别对不同参与方的识别数据集进行预处理后,将识别数据集中的各项文本数据均转换为特征向量300:将不同参与方的识别数据集中的特征向量进行比对,各个参与方的识别数据中文本数据不一致的部分,作为异常数据,并对异常数据进行定位;S400:分别识别异常数据在其所述识别数据集中的数据归属中的数据属性,根据数据属性选择检测方式,检测各参与方的异常数据在其所述数据集的数据归属中是否为正常数据或是异常数据。

    用于医疗大数据的数据标准化治理方法及系统

    公开(公告)号:CN116525124B

    公开(公告)日:2023-08-29

    申请号:CN202310799572.X

    申请日:2023-07-03

    摘要: 本发明涉及数据治理技术领域,具体涉及了一种用于医疗大数据的数据标准化治理方法及系统。包括以下步骤:S100:通过不同的数据采集方式,从数据源处获取各类型的原始医疗数据,并将原始医疗数据存储至医疗原始数据库中;S200:对原始医疗数据进行标准化处理,得到标准医疗数据,将标准医疗数据存储至医疗标准数据库;S300:确定医疗主题对象及其关联维度,生成医疗主题对象表,从医疗标准数据库中调取医疗主题对象关联维度的标准医疗数据填入医疗主题对象表;S400:获取数据服务的医疗专题场景,生成医疗专题表,并根据医疗专题场景,确定需要关注的医疗主题对象,并从医疗主题对象表中调取关联的标准医疗数据进行数据融合后添加至医疗专题表。

    用于医疗大数据的数据标准化治理方法及系统

    公开(公告)号:CN116525124A

    公开(公告)日:2023-08-01

    申请号:CN202310799572.X

    申请日:2023-07-03

    摘要: 本发明涉及数据治理技术领域,具体涉及了一种用于医疗大数据的数据标准化治理方法及系统。包括以下步骤:S100:通过不同的数据采集方式,从数据源处获取各类型的原始医疗数据,并将原始医疗数据存储至医疗原始数据库中;S200:对原始医疗数据进行标准化处理,得到标准医疗数据,将标准医疗数据存储至医疗标准数据库;S300:确定医疗主题对象及其关联维度,生成医疗主题对象表,从医疗标准数据库中调取医疗主题对象关联维度的标准医疗数据填入医疗主题对象表;S400:获取数据服务的医疗专题场景,生成医疗专题表,并根据医疗专题场景,确定需要关注的医疗主题对象,并从医疗主题对象表中调取关联的标准医疗数据进行数据融合后添加至医疗专题表。

    一种基于区块链的医疗档案传输方法、装置、电子设备

    公开(公告)号:CN118645199A

    公开(公告)日:2024-09-13

    申请号:CN202311247257.2

    申请日:2023-09-25

    IPC分类号: G16H15/00 G06F21/62 G06F21/64

    摘要: 本申请公开了一种基于区块链的医疗档案传输方法、装置、电子设备,用于加强医疗数据在区块链中的安全性。本申请方法包括:获取第三方机构发送的医疗数据整合请求;向对应的医疗机构发送用户数据整合请求;获取医疗机构发送的整合完成信息;生成数据加密公钥和验证解密私钥,通过数据加密公钥对第一身份验证信息进行加密,生成ID加密数据;向第三方机构发送整合成功通知;获取第三方机构发送的医疗数据采集请求;对ID加密数据进行解密,生成解密ID数据;当验证通过后,确定对应的医疗机构的医疗机构节点;根据医疗机构节点确定API通道,并根据API通道获取加密数据;将加密数据向第三方机构传输。

    基于多源数据联合检测的数据集异常识别方法

    公开(公告)号:CN117556363A

    公开(公告)日:2024-02-13

    申请号:CN202410038183.X

    申请日:2024-01-11

    摘要: 本发明涉及数据质量技术领域,具体涉及了一种基于多源数据联合检测的数据集异常识别方法。包括以下步骤:S100:分别获取来自不同参与方的文本类数据的数据集;S200:识别并提取出不同参与方的数据集中具有交集的部分,作为识别数据集,分别对不同参与方的识别数据集进行预处理后,将识别数据集中的各项文本数据均转换为特征向量300:将不同参与方的识别数据集中的特征向量进行比对,各个参与方的识别数据中文本数据不一致的部分,作为异常数据,并对异常数据进行定位;S400:分别识别异常数据在其所述识别数据集中的数据归属中的数据属性,根据数据属性选择检测方式,检测各参与方的异常数据在其所述数据集的数据归属中是否为正常数据或是异常数据。