[发明专利]一种智能化心脑血管诊疗手段推荐方法

说明书

一种智能化心脑血管诊疗手段推荐方法，属于医学信息处理领域。所述预测方法包括如下步骤：（1）基于病人诊疗数据自动化分析就诊需求；（2）自动分析医疗装备资源分布和空闲情况；（3）针对病人诊疗需求和装备资源分配情况，手动标记推荐方案；（4）构建智能化诊疗手段推荐数据库；（5）训练基于深度学习的推荐模型；（6）采用训练好的模型面向心脑血管疾病病人进行推荐诊疗手段。本发明能准确实现病人诊疗需求分析，医疗装备资源分布和空闲情况分析，并实现面向心脑血管疾病病人进行推荐诊疗手段。

技术领域

本发明属于诊疗信息化领域，涉及一种智能化心脑血管诊疗手段推荐方法。

背景技术

首先开展建立远程协同诊疗共享新模式的基本理论体系研究；从病人、医生和诊疗装备三个视角构建装备网络协同共享新模式的参考模型体系，从装备信息共享的角度研究各种支撑软件间的动态协作关系，研究基于松散耦合模式的装备信息共享方法，开展基于 Web Service 技术的系统构建、部署和获取异构平台中的信息资源服务及计算资源服务方法的研究，构建装备信息数据库，实现高效的装备信息更新。在此基础上，重点研究在该平台上实现智能化的诊疗手段推荐体系，提取多维度心脑血管诊疗装备信息集成方法，研究就诊距离、诊疗水平、疾病特点等因素的关联映射模式，提出完备化的参考特征集合生成机制，探索基于最大化联合后验概率的目标函数构造和基于梯度下降法的隐含特征向量学习机制，并基于初始特征向量，研究隐含特征的转化机制，从而生成集装备功能、装备归属地及实时装备负载情况等多元信息为一体的完备特征集。在此基础上，通过研究一种基于联合概率矩阵分解和随机森林的智能化装备推荐模型，实现病人诊断数据上下文与疾病诊疗手段的智能匹配，生成准确的诊疗手段推荐报告。并建立反馈优化机制，实现模型的持续优化，解决多元异构复杂装备信息的智能化推荐。

发明内容

本发明的主要目的在于克服现有技术的不足，提供一种智能化心脑血管诊疗手段推荐方法，包括如下步骤：（1）基于病人诊疗数据自动化分析就诊需求；（2）自动分析医疗装备资源分布和空闲情况；（3）针对病人诊疗需求和装备资源分配情况，手动标记推荐方案；（4）构建智能化诊疗手段推荐数据库；（5）训练基于深度学习的推荐模型；（6）采用训练好的模型面向心脑血管疾病病人进行推荐诊疗手段。

具体的，所述基于病人诊疗数据自动化分析就诊需求，其主要方式为以WebService 技术的系统构建、部署和获取异构平台中的信息资源服务及计算资源服务方法，将信息化、互联网化、智能化特征的数据信息收集及分析，结合不同维度的数据系统以及各维度数据的集成系统，将患者的就诊前、诊中、诊后环节数据进行集成，并依据信息，自动分析病患诊疗需求。

具体的，所述的自动分析医疗装备资源分布和空闲情况，其主要内容为，将诊疗手段分析与诊疗设备相结合，从装备信息共享的角度研究各种支撑软件间的动态协作关系，研究基于松散耦合模式的装备信息共享方法，在线进行实施的资源分布处理，将病患在诊疗指导方向内，以快速最完备的方式将诊疗路线及用诊设备进行选择。

具体的，所述的针对病人诊疗需求和装备资源分配情况，手动标记推荐方案，在前两步骤的基础上，在精准的病人诊疗需求和当前的诊疗设备状态下，采用手动标记的方式，将病人就诊距离、诊疗水平、疾病特点等因素进行关联映射，得出具体的每个病人最佳的诊疗方案并进行手动标记。

具体的，所述的构建智能化诊疗手段推荐数据库，在以手动标记记录推荐方法的基础上，多维度提取各个标记中的心脑血管诊疗装备信息集成方法，研究就诊距离、诊疗水平、疾病特点等因素的关联映射模式，提出完备化的参考特征集合生成机制，探索基于最大化联合后验概率的目标函数构造和基于梯度下降法的隐含特征向量学习机制，并基于初始特征向量，研究隐含特征的转化机制，从而生成集装备功能、装备归属地及实时装备负载情况等多元信息为一体的完备特征集。

具体的，所述的训练基于深度学习的推荐模型，其主要内容为通过研究一种基于联合概率矩阵分解和随机森林的智能化装备推荐模型，实现病人诊断数据上下文与疾病诊疗手段的智能匹配，生成准确的诊疗手段推荐报告。