[发明专利]基于显式主题分配技术的医疗检查推荐系统及方法

权利要求书

1.一种基于显式主题分配技术的医疗检查推荐系统，其特征在于，包括：

模块M1：建立LLDA模型；

模块M2：利用历史病例及治疗方案对LLDA模型进行训练，得到训练后的LLDA模型；

模块M3：将患者当前已有信息输入训练后的LLDA模型，得到患者下一项应该做得医疗检查选项以及与患者当前状态最匹配的治疗方案。

2.根据权利要求1所述的基于显式主题分配技术的医疗检查推荐系统，其特征在于，所述模块M1采用：

将每个患者结构化且非空的属性转化为不同的属性名以及相应的属性值的特征，并作为LLDA模型当中的词；

将每个患者所有特征组成的集合作为LLDA模型当中的文档；

将每个患者的治疗方案作为LLDA模型当中的标签。

3.根据权利要求2所述的基于显式主题分配技术的医疗检查推荐系统，其特征在于，所述模块M2采用：基于历史病例及治疗方案，利用收缩的吉布斯采样策略，对LLDA模型进行训练。

4.根据权利要求3所述的基于显式主题分配技术的医疗检查推荐系统，其特征在于，所述模块M2采用：

针对患者u，患者u的每个特征ω_i的治疗方案z_u，特征ω_i的采样概率表示为：

其中，i表示特征的标号；j表示治疗方案标号；表示患者除特征ω_i外所有特征当前的主题；α，β分别表示“患者-治疗方案”和“治疗方案-特征”先验概率分布；V表示总的特征数量；K表示总的治疗方案的数量；表示被分配了治疗方案j的特征ω_i的数量，表示针对患者u，患者u属性被分配成治疗方案j的个数；表示特征ω_i的先验概率，α_j表示治疗方案j的先验概率。

5.根据权利要求1所述的基于显式主题分配技术的医疗检查推荐系统，其特征在于，所述模块M3采用：

模块M3.1：在LLDA模型训练完成后，确定不同治疗方案组合Δ＝{Λ_i|i＝1,2,3,…}下，每个特征的权重比例；

考虑不同治疗方案之间是独立的，给定治疗方案组合Δ，每个特征重要性P(ω|Δ)的贝叶斯形式的计算方式如下：

其中，Λ_i表示不同的治疗方案；P(Λ_i)表示在当前组合Δ＝{Λ_i|i＝1,2,3,…}下，治疗方案Λ_i统计比例；P(z＝j|Λ_i)表示指示函数，考虑独立性，仅当Λ_i＝j时，值为1，否则为0；P(ω∣z＝j)为LLDA模型学出的“治疗方案-特征”分布，在治疗方案为j的情况下，特征ω的概率；

模块M3.2：针对每种治疗组合，利用特征权重，对特征进行降序排序，选取权重最大的N个特征组成基准集合；

模块M3.3：计算目标患者的特征集合与各基准集合的匹配度s_Δ,u，表达式如下：

其中，表示异或操作符；表示特征ω_j的属性名；P(ω_j|u)和为患者u的两个指示函数；当用户拥有特征ω_j，指示函数P(ω_j|u)为1，否则为0；同样的，当患者存在与特征ω_j属性名相同的特征，则指示函数取值1，否则为0；P(ω_j|Δ)表示在治疗方案组合Δ下，特征ω_j的权重；Φ_Δ表示治疗方案组合Δ所对应的基准集合；α_Δ,u为标准化之前的匹配度；

模块M3.4：根据患者属性集合与基准集合匹配度、特征权重以及特征缺失情况，计算每个特征检查增益值表达式如下：

其中，表示治疗方案组合Δ_i所对应的基准集合；P(ω|Δ_i)表示在治疗方案组合Δ_i下，特征ω_j的权重；表示指示函数；当条件满足时，取值为1，否则为0，max函数将所有负值转化成0，避免匹配度为负值的基准集合的影响；

模块M3.5：将检查增益值按照从大到小顺序，所有特征对对应的检查选项列表为推荐列表；

模块M3.6：根据患者属性集合与基准集合的匹配度，确定患者治疗推荐方案，当匹配度大于等于预设值时，则推荐当前治疗方案；当匹配度小于预设值时，则继续评估治疗方案组合或推荐下一项检查。