[发明专利]基于决策树的问诊分配方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，应用于智慧医疗领域中，公开了一种基于决策树的问诊分配方法、装置、设备及存储介质，用于提高问诊分配的效率。基于决策树的问诊分配方法包括：获取初始医疗数据，对初始医疗数据进行预处理，得到预处理医疗数据；调用预置的聚类算法，对预处理医疗数据进行聚类处理，得到聚类样本；调用预置的基于决策树的向量机分类算法，对聚类样本进行基于病症相数的分类，得到病症分类结果；调用预置的相似度算法，将病症分类结果和预置的问诊医生信息数据库进行匹配，得到问诊分配结果。此外，本发明还涉及区块链技术，问诊分配结果可存储于区块链节点中。

技术领域

本发明涉及决策树领域，尤其涉及一种基于决策树的问诊分配方法、装置、设备及存储介质。

背景技术

线上问诊将是互联网医疗的大势所趋，如何能做好病症分析及病患快速分流尤为重要。近年来，随着人工智能技术的高速发展，人工智能被应用于病症分析和导诊分流中，人工智能进行的病症分析可以支持疾病辅助诊断、健康管理、远程会诊等功能。

传统的导诊是基于人工方式进行简单粗略的划分，不能保证对病情的充分了解，而目前的线上导诊，更多的是以随机的方式来分配，现阶段由于导诊配置医生的机制不完善，部分患者由于病症特殊无法及时分配给专业的医生，同时由于在患者数量较多时，现有的分配机制无法及时响应，从而导致问诊分配的效率低下。

发明内容

本发明提供了一种基于决策树的问诊分配方法、装置、设备及存储介质，用于调用预置的聚类算法，对预处理医疗数据进行聚类处理，得到聚类样本，调用预置的基于决策树的向量机分类算法，对聚类样本进行基于病症相数的分类，得到病症分类结果，最终基于病症分类结果进行问诊医生的分配，提高了问诊分配的效率。

本发明第一方面提供了一种基于决策树的问诊分配方法，包括：获取初始医疗数据，对所述初始医疗数据进行预处理，得到预处理医疗数据；调用预置的聚类算法，对所述预处理医疗数据进行聚类处理，得到聚类样本；调用预置的基于决策树的向量机分类算法，对所述聚类样本进行基于病症相数的分类，得到病症分类结果；调用预置的相似度算法，将所述病症分类结果和预置的问诊医生信息数据库进行匹配，得到问诊分配结果。

可选的，在本发明第一方面的第一种实现方式中，所述获取初始医疗数据，对所述初始医疗数据进行预处理，得到预处理医疗数据包括：接收患者端发送的病历单数据和医生端发送的问诊结果数据，将所述病历单数据和所述问诊结果数据确定为初始医疗数据；调用预置的软件仿真包，对所述初始医疗数据进行仿真处理，得到医疗仿真数据，对所述医疗仿真数据进行缺失值补全、异常值过滤和重复值过滤，得到预处理医疗数据。

可选的，在本发明第一方面的第二种实现方式中，所述调用预置的聚类算法，对所述预处理医疗数据进行聚类处理，得到聚类样本包括：基于预置的聚类算法中预置的类间重叠度公式，计算所述预处理医疗数据中每一类病症对应的空间重叠度，得到空间重叠度矩阵；基于所述空间重叠度矩阵，对所述预处理医疗数据进行合并和筛选，得到聚类样本。

可选的，在本发明第一方面的第三种实现方式中，所述调用预置的基于决策树的向量机分类算法，对所述聚类样本进行基于病症相数的分类，得到病症分类结果包括：确定所述聚类样本的类间可分离度，通过所述类间可分离度和预置的基于决策树的向量机分类算法构建决策树，得到初始决策树；对所述初始决策树进行剪枝处理，得到目标决策树，将所述目标决策树确定为病症分类结果，所述目标决策树包含多个叶子节点。

可选的，在本发明第一方面的第四种实现方式中，所述确定所述聚类样本的类间可分离度，通过所述类间可分离度和预置的基于决策树的向量机分类算法构建决策树，得到初始决策树包括：调用预置的可分性度量公式，计算所述聚类样本的类间可分离度，将所述类间可分离度按照从大到小的顺序进行排序，得到分离度排序结果；提取所述分离度排序结果中预设数量的类间可分离度，对所述预设数量的类间可分离度对应的样本集进行标注，得到标注后的样本集，调用预置的基于决策树的向量机分类算法构建二值分类器，将所述标注后的样本集分别确定为所述二值分类器的子节点，得到初始决策树。