[发明专利]一种基于症状监测的疫情监测方法及系统在审
申请号: | 202210894930.0 | 申请日: | 2022-07-28 |
公开(公告)号: | CN115148373A | 公开(公告)日: | 2022-10-04 |
发明(设计)人: | 刘彦阳;陈伟新;朱静波 | 申请(专利权)人: | 深圳市腾云数据系统有限公司 |
主分类号: | G16H50/80 | 分类号: | G16H50/80;G16H50/70;G16H10/60;G16H50/20;G06F16/31;G06F40/289;G06K9/62 |
代理公司: | 深圳市中科创为专利代理有限公司 44384 | 代理人: | 尹益群 |
地址: | 518000 广东省深圳市南山区粤海街*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 症状 监测 疫情 方法 系统 | ||
1.一种基于症状监测的疫情监测方法,其特征在于,包括:
配置与目标疫情关联的目标症状关键词;
从疫情监测数据库中读取同步自医院管理系统的源数据库的待分析病历;
从所述待分析病历中提取症状关键词;
将所述症状关键词与所述目标症状关键词进行匹配,以获得所述待分析病历的症状与所述目标疫情的症状相似度;
当所述症状相似度在第一阈值范围内时,确定为疑似疫情病症,执行与所述疑似疫情病症相关联的第一处理;
当所述症状相似度在第二阈值范围内时,确定为疫情病症,执行与所述疫情病症相关联的第二处理。
2.根据权利要求1所述的基于症状监测的疫情监测方法,其特征在于,从所述待分析病历中提取症状关键词的步骤具体包括:
对所述待分析病历的内容进行结构化处理,得到所述待分析病历每个内容模块的字段名称和字段值;
获取字段名称为预设值的内容模块对应的字段值;
从所述字段值中提取症状关键词。
3.根据权利要求2所述的基于症状监测的疫情监测方法,其特征在于,配置与目标疫情关联的目标症状关键词的步骤具体包括:
配置与目标疫情关联的至少一个目标症状关键词组合,使得待分析病历中的症状关键词与所述目标症状关键词组合相匹配得到的症状相似度落入预设范围内时,被确认为疑似疫情病症或被确认为疫情病症。
4.根据权利要求3所述的基于症状监测的疫情监测方法,其特征在于,将所述症状关键词与所述目标症状关键词进行匹配的步骤具体包括:
使用训练好的词向量模型生成所述目标症状关键词组合中每个目标症状关键词的词向量vti,其中1≤i≤n,n为所述症状关键词组合中的目标症状关键词的数量;
使用训练好的词向量模型生成所述待分析病历的症状关键词的词向量vsj,其中1≤j≤m,m为所述待分析病历的症状关键词的数量;
当m≥n时,从m个所述待分析病历的症状关键词中取n个词向量与所述目标症状关键词组合的词向量距离最小的症状关键词;
计算所述待分析病历与所述目标疫情的症状相似度其中σi为所述目标症状关键词组合中第i个症状关键词的相似度权重。
5.根据权利要求4所述的基于症状监测的疫情监测方法,其特征在于,从m个所述待分析病历的症状关键词中取n个词向量与所述目标症状关键词组合的词向量距离最小的症状关键词的步骤具体包括:
从m个所述待分析病历的症状关键词中取n个症状关键词,使得所述n个症状关键词中存在一个症状关键词的词向量vsi所述目标症状关键词组合中其中一个目标症状关键词的词向量vti满足:
其中1≤i≤n,1≤j≤m。
6.一种基于症状监测的疫情监测系统,其特征在于,包括用于实时与医院、药店、社区以及学校管理系统的源数据库实时同步数据的疫情监测数据库,多个用于实时根据所述疫情监测数据库中从所述源数据库同步的最新数据执行疫情数据分析的大数据疫情分析设备以及用于对所述疫情监测数据库中的待分析数据进行统计分析,根据所述待分析数据的数据处理环节、数据来源区域和/或数据类型将所述待分析数据分配给所述多个大数据疫情分析设备之中的一个或多个的分析调度设备,所述大数据疫情分析设备被配置为:
配置与目标疫情关联的目标症状关键词;
从疫情监测数据库中读取同步自医院管理系统的源数据库的待分析病历;
从所述待分析病历中提取症状关键词;
将所述症状关键词与所述目标症状关键词进行匹配,以获得所述待分析病历的症状与所述目标疫情的症状相似度;
当所述症状相似度在第一阈值范围内时,确定为疑似疫情病症,执行与所述疑似疫情病症相关联的第一处理;
当所述症状相似度在第二阈值范围内时,确定为疫情病症,执行与所述疫情病症相关联的第二处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市腾云数据系统有限公司,未经深圳市腾云数据系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210894930.0/1.html,转载请声明来源钻瓜专利网。