[发明专利]基于大数据的失语症个性化治疗方案推荐方法及系统

说明书

本发明涉及医疗信息处理技术领域，具体涉及一种基于大数据的失语症个性化治疗方案推荐方法及系统，所述方法包括：抓取源信息，将所述源信息进行预处理，基于所述预处理后的源信息得到训练数据；根据所述训练数据生成患者训练模型；根据用户设置的个性化参数和患者训练模型生成个性化治疗方案；将所述用户设置的个性化参数对应的个性化治疗方案进行展示，本发明可以提高个性化诊疗方案的推荐效率。

技术领域

本发明涉及医疗信息处理技术领域，具体涉及一种基于大数据的失语症个性化治疗方案推荐方法及系统。

背景技术

目前失语症辅助康复人员在处理医疗数据时，需要查询各种各样相关的医疗数据，查阅相关的医学资料，得出更准确的医疗结果，同时数据处理过程中需要注意对患者隐私信息的保护。但是我国的康复医护人员数量较少，专业的语言康复治疗师更是稀缺，人手严重不足。相反地，我国失语症患者目前有400万的存量，并且每年有40万-80万的增量，相关医疗资源非常紧缺，很多失语症患者因此得不到有效治疗而错过了黄金治疗期。

发明内容

为解决上述问题，本发明提供一种基于大数据的失语症个性化治疗方案推荐方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，本发明提供以下技术方案：

一种基于大数据的失语症个性化治疗方案推荐方法，所述方法包括：

抓取源信息，将所述源信息进行预处理，基于所述预处理后的源信息得到训练数据；所述源信息为患者进行训练时产生的训练信息；

根据所述训练数据生成患者训练模型；

根据用户设置的个性化参数和患者训练模型生成个性化治疗方案；

将所述用户设置的个性化参数对应的个性化治疗方案进行展示。

进一步，所述将所述源信息进行预处理，包括：

对所述源信息进行链接去重、特征词提取和数据格式转换其中至少一种。

进一步，所述基于所述预处理后的源信息得到训练数据，包括：

将所述训练信息的格式转换成文本文档，以获取所述训练信息的文本数据；

将所述文本数据进行降维处理，得到训练数据。

进一步，所述根据所述训练数据生成患者训练模型，包括：

采用向量空间模型对训练数据中的特征词和该特征词的权重进行训练，对每一个特征词的权重按大小进行排序，得到特征向量集：

基于特征向量集生成患者训练模型。

进一步，所述特征词的权重通过以下公式计算得到：

式中，表示特征词t在训练数据中归一化后的权重，表示特征词t在训练数据中的词频，N为训练数据的文本总数，n_i为训练数据中出现特征词t的文本数，i为训练数据的元素，该计算式中的分母为归一化因子。

进一步，所述根据用户设置的个性化参数和患者训练模型生成个性化治疗方案，包括：

将特征向量集根据主题进行分类，将特征词相同的特征向量集聚在一起；

读取用户设置的个性化参数，将所述个性化参数分别与聚类后的特征向量集做匹配计算，将计算得到的相似度值和预设阈值进行比较，匹配大于预设阈值的特征向量集所对应的源信息，将所述源信息作为个性化治疗方案。

进一步，所述预设阈值的取值范围为[0.7，1.0]。