[发明专利]慢性病案特征分类处理方法、装置及终端

说明书

本申请涉及慢性病案特征分类处理方法、装置及终端，属于慢性病案特征分类处理技术领域。本申请包括：获取慢性病患者的历史数据；基于各慢性病患者的历史数据，利用慢特征算法分析各慢性病患者慢性病的慢特征，得到各慢性病患者的慢特征序列；基于各慢性病患者的所述慢特征序列，利用粗糙聚类算法进行聚类处理，得到多个具有上近似集和下近似集的聚类簇，并根据预设的上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置；基于各聚类簇的重新配置的下近似集，利用训练好的机器学习分类模型进行慢性病分类。通过本申请，有助于快速准确得到慢病分级诊疗的辅助决策信息。

技术领域

本申请属于慢性病案特征分类处理技术领域，具体涉及慢性病案特征分类处理方法、装置及终端。

背景技术

相关技术中，慢性病包括高血压、糖尿病等等，为了合理配置医疗资源，构建分级诊疗服务体系，慢性病分类可以为分级诊疗做准备，通过对患者慢性病特征进行分析，判断哪些特征属于哪一诊疗等级慢性病。

当前医疗卫生行业内慢性病分类主要有两种，一是，根据医生临床经验进行判断，这需要依赖医生多年经验总结，通过医疗仪器设备进行观察验证，二是，软件厂商通过收集专家判断经验，建立判断规则库，通过专家经验规则套用匹配的方式进行判断，而建立规则库需要大量有经验的专家参与，由于慢性病通常有伴发症状，导致规则库内容很复杂，并且随着专家经验规则的不断补充，可能导致慢性病分级判断难度加大且判断过程耗时较长。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供慢性病案特征分类处理方法、装置及终端，有助于快速准确得到慢病分级诊疗的辅助决策信息。

为实现以上目的，本申请采用如下技术方案：

第一方面，

本申请提供一种慢性病案特征分类处理方法，所述方法包括：

获取慢性病患者的历史数据；

基于各慢性病患者的历史数据，利用慢特征算法分析各慢性病患者慢性病的慢特征，得到各慢性病患者的慢特征序列；

基于各慢性病患者的所述慢特征序列，利用粗糙聚类算法进行聚类处理，得到多个具有上近似集和下近似集的聚类簇，并根据预设的上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置；

基于各聚类簇的重新配置的下近似集，利用训练好的机器学习分类模型进行慢性病分类。

进一步地，所述根据预设上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置，包括：

根据预设测试集，利用预设上下近似集再配置机器学习模型，得到上下近似集再配置阈值；

根据所述上下近似集再配置阈值，对各聚类簇的上近似集和下近似集的数据进行重新配置。

进一步地，其中，在所述利用粗糙聚类算法进行聚类处理步骤之前，所述方法还包括：

利用预设排序截止阈值，剔除各慢性病患者的所述慢特征序列中处于所述排序截止阈值之后的数据，以将剔除排序处于所述排序截止阈值之后数据的所述慢特征序列供给所述粗糙聚类算法进行聚类处理。

进一步地，在所述利用慢特征算法分析各慢性病患者慢性病的慢特征步骤之前，所述方法还包括：

对各慢性病患者的历史数据进行预处理和特征工程，其中，所述预处理包括：数据的清洗、标准化和归一化，其中，所述特征工程包括：数据特征的降维。

进一步地，所述机器学习分类模型采用SVM模型或者LR模型。

第二方面，

本申请提供一种慢性病案特征分类处理装置，包括：

历史数据获取模块，用于获取慢性病患者的历史数据；