一种临床路径推荐方法与流程

1.本发明涉及路径推荐技术领域，具体而言，涉及一种临床路径推荐方法。


背景技术：

2.临床路径是指事先写好的标准化的工作流程，其由各学科的专业人员根据循证医学的原则，将某疾病或手术的关键性治疗、检查、护理活动的顺序和时间的安排尽可能的达到最优化。目前国内外的医院中，对于为用户提供诊疗路径的分析和汇总，主要还是由医生人为来处理。这种方式对于诊断方案简单的情况尚可以应用，但是疾病诊断节点较多，诊断方案复杂的情况，则现有的诊疗路径分析和汇总方法存在卫生资源利用效率低和诊断路径不够完善的缺陷。


技术实现要素：

3.本发明的目的在于提供一种临床路径推荐方法。
4.本发明的实施例通过以下技术方案实现：一种临床路径推荐方法包括以下步骤：获取用户就诊id，并根据用户就诊id获取对应的电子病历数据；根据用户就诊id对应的电子病历数据，确定电子病历数据的标签分组；构建临床路径推荐模型，将电子病历数据的标签分组输入至临床路径推荐模型中，生成最优临床路径。
5.进一步地，根据用户就诊id对应的电子病历数据，确定电子病历数据的标签分组，包括以下步骤：提取用户就诊id对应的电子病历数据的所有医疗数据；对所有医疗数据进行数据清洗，得到标准医疗数据集合；计算标准医疗数据集合中各个标准医疗数据的标签值；根据各个标准医疗数据的标签值，确定电子病历数据的标签分组。
6.进一步地，标准医疗数据的标签值α的计算公式为：式中，lk表示第k个标准医疗数据在所有医疗数据集合中的权重，k表示标准医疗数据个数。
7.进一步地，电子病历数据的标签分组的确定具体方法为：将所有标准医疗数据的标签值从大到小排序，得到标签值序列，将标签值序列中前个标签值对应的标准医疗数据作为第一标签分组，将除第一标签分组外标签值序列中前个标签值对应的标准医疗数据作为第二标签分组，将除第一标签分组和第二标签分组外标签值序列中剩余标签值对应的标准医疗数据作为第三标签分组，其中，m表示医疗数据个数。
8.进一步地，临床路径推荐模型包括第一卷积层、第二卷积层、第三卷积层、第一编码层、第二编码层、第三编码层、融合层和全连接层；第一卷积层的输入端、第二卷积层的输入端和第三卷积层的输入端的输入端均作为临床路径推荐模型的输入端；第一卷积层的第一输出端和第一编码层的输入端连接；第一卷积层的第二输出端和融入层的输入端连接；第二卷积层的第一输出端和第二编码层的输入端连接；第二卷积层的第二输出端和融入层的输入端连接；第三卷积层的第一输出端和第三编码层的输入端连接；第三卷积层的第二输出端和融入层的输入端连接；第一编码层的输出端、第二编码层的输出端、第三编码层的输出端和融合层的输出端均与全连接层的输入端连接；全连接层的输出端作为临床路径推荐模型的输出端。
9.进一步地，第一卷积层用于将第一标签分组输入至临床路径推荐模型中，并对第一标签分组进行卷积操作，生成第一分组矩阵；第二卷积层用于将第二标签分组输入至临床路径推荐模型中，并对第二标签分组进行卷积操作，生成第二分组矩阵；第三卷积层用于将第三标签分组输入至临床路径推荐模型中，并对第三标签分组进行卷积操作，生成第三分组矩阵；第一编码层用于对第一分组矩阵进行编码，生成第一编码矩阵；第二编码层用于对第二分组矩阵进行编码，生成第二编码矩阵；第三编码层用于对第三分组矩阵进行编码，生成第三编码矩阵；融合层用于对第一分组矩阵、第二分组矩阵和第三分组矩阵进行融合，生成融合矩阵；全连接层用于对第一编码矩阵、第二编码矩阵、第三编码矩阵和融合矩阵相加，生成融合特征矩阵，并根据融合特征矩阵生成最优临床路径。
10.进一步地，第一卷积层与融合层之间采用跳跃连接；第二卷积层与融合层之间采用跳跃连接；第三卷积层与融合层之间采用跳跃连接。
11.进一步地，融合矩阵z的表达式为：式中，a表示第一编码矩阵，b表示第二编码矩阵，c表示第三编码矩阵。
12.进一步地，全连接层的损失函数loss的表达式为：式中，n表示全连接层的神经元个数，θn表示全连接层中第n个神经元的脉冲值，θ
n-1
表示全连接层中第n-1个神经元的脉冲值，a表示第一编码矩阵，b表示第二编码矩阵，c表示第三编码矩阵，z表示融合特征。
13.本发明实施例的技术方案至少具有如下优点和有益效果：该临床路径推荐方法根
据用户的医疗数据，进行标签分组，以确定用户的特定组别；同时，本发明构建临床路径推荐模型，将各个组别的医疗数据输入至临床路径推荐模型中，能生成准确度高且通用性强的本地化临床路径，该临床路径更贴近用户实际情况，从而为临床质量管理、医院临床路径制定和管理提供参考依据。
附图说明
14.图1为本发明实施例提供的临床路径推荐方法的流程图；图2为本发明实施例提供的临床路径推荐模型的结构图。
具体实施方式
15.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
16.如图1所示，本发明提供了一种临床路径推荐方法，包括以下步骤：获取用户就诊id，并根据用户就诊id获取对应的电子病历数据。
17.根据用户就诊id对应的电子病历数据，确定电子病历数据的标签分组；其具体包括：提取用户就诊id对应的电子病历数据的所有医疗数据。
18.对所有医疗数据进行数据清洗，得到标准医疗数据集合；其中，标准医疗数据的标签值α的计算公式为：式中，lk表示第k个标准医疗数据在所有医疗数据集合中的权重，k表示标准医疗数据个数。
19.计算标准医疗数据集合中各个标准医疗数据的标签值。
20.根据各个标准医疗数据的标签值，确定电子病历数据的标签分组；其中，电子病历数据的标签分组的确定具体方法为：将所有标准医疗数据的标签值从大到小排序，得到标签值序列，将标签值序列中前个标签值对应的标准医疗数据作为第一标签分组，将除第一标签分组外标签值序列中前个标签值对应的标准医疗数据作为第二标签分组，将除第一标签分组和第二标签分组外标签值序列中剩余标签值对应的标准医疗数据作为第三标签分组，其中，m表示医疗数据个数。。
21.通常用户的电子病历数据中包含各种各样的医疗数据，因此需对医疗数据进行预处理，使标准医疗数据集合中的数据无冗余。另外，根据标准医疗数据在所有医疗数据集合中的权重进行分组，可以保证标签分组的准确性。
22.构建临床路径推荐模型，将电子病历数据的标签分组输入至临床路径推荐模型中，生成最优临床路径。
23.如图2所示，临床路径推荐模型包括第一卷积层、第二卷积层、第三卷积层、第一编码层、第二编码层、第三编码层、融合层和全连接层；第一卷积层的输入端、第二卷积层的输入端和第三卷积层的输入端的输入端均作为临床路径推荐模型的输入端；第一卷积层的第一输出端和第一编码层的输入端连接；第一卷积层的第二输出端和融入层的输入端连接；第二卷积层的第一输出端和第二编码层的输入端连接；第二卷积层的第二输出端和融入层的输入端连接；第三卷积层的第一输出端和第三编码层的输入端连接；第三卷积层的第二输出端和融入层的输入端连接；第一编码层的输出端、第二编码层的输出端、第三编码层的输出端和融合层的输出端均与全连接层的输入端连接；全连接层的输出端作为临床路径推荐模型的输出端。
24.在本发明实施例中，第一卷积层用于将第一标签分组输入至临床路径推荐模型中，并对第一标签分组进行卷积操作，生成第一分组矩阵；第二卷积层用于将第二标签分组输入至临床路径推荐模型中，并对第二标签分组进行卷积操作，生成第二分组矩阵；第三卷积层用于将第三标签分组输入至临床路径推荐模型中，并对第三标签分组进行卷积操作，生成第三分组矩阵；第一卷积层、第二卷积层和第三卷积层可以分别提取标签分组的特征，得到对应的分组矩阵；标签分组的特征包括标注分组中包含的标签值。通过第一卷积层、第二卷积层和第三卷积层的卷积，可以丰富标签分组特征，便于后续模块进行编码处理。
25.第一编码层用于对第一分组矩阵进行编码，生成第一编码矩阵；第二编码层用于对第二分组矩阵进行编码，生成第二编码矩阵；第三编码层用于对第三分组矩阵进行编码，生成第三编码矩阵；第一编码层、第二编码层和第三编码层分别对分组矩阵进行编码操作，可以使各个分组矩阵占用更少的空间，并且编码操作具有自动纠错的功能，因此对分组矩阵的编码操作还可以对分组矩阵的元素进行纠错处理。
26.融合层用于对第一分组矩阵、第二分组矩阵和第三分组矩阵进行融合，生成融合矩阵；融合层对三个分组矩阵的元素进行相加处理，可以使三个矩阵的元素充分融合，便于生成最优临床路径。
27.全连接层用于对第一编码矩阵、第二编码矩阵、第三编码矩阵和融合矩阵相加，生成融合特征矩阵，并根据融合特征矩阵生成最优临床路径。
28.在本发明实施例中，第一卷积层与融合层之间采用跳跃连接；第二卷积层与融合层之间采用跳跃连接；第三卷积层与融合层之间采用跳跃连接。
29.在本发明实施例中，融合矩阵z的表达式为：式中，a表示第一编码矩阵，b表示第二编码矩阵，c表示第三编码矩阵。
30.在本发明实施例中，全连接层的损失函数loss的表达式为：
式中，n表示全连接层的神经元个数，θn表示全连接层中第n个神经元的脉冲值，θ
n-1
表示全连接层中第n-1个神经元的脉冲值，a表示第一编码矩阵，b表示第二编码矩阵，c表示第三编码矩阵，z表示融合特征。
31.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种临床路径推荐方法，其特征在于，包括以下步骤：获取用户就诊id，并根据用户就诊id获取对应的电子病历数据；根据用户就诊id对应的电子病历数据，确定电子病历数据的标签分组；构建临床路径推荐模型，将电子病历数据的标签分组输入至临床路径推荐模型中，生成最优临床路径。2.根据权利要求1所述的临床路径推荐方法，其特征在于：所述根据用户就诊id对应的电子病历数据，确定电子病历数据的标签分组，包括以下步骤：提取用户就诊id对应的电子病历数据的所有医疗数据；对所有医疗数据进行数据清洗，得到标准医疗数据集合；计算标准医疗数据集合中各个标准医疗数据的标签值；根据各个标准医疗数据的标签值，确定电子病历数据的标签分组。3.根据权利要求2所述的临床路径推荐方法，其特征在于：所述标准医疗数据的标签值α的计算公式为：式中，l
k
表示第k个标准医疗数据在所有医疗数据集合中的权重，k表示标准医疗数据个数。4.根据权利要求2所述的临床路径推荐方法，其特征在于：所述电子病历数据的标签分组的确定具体方法为：将所有标准医疗数据的标签值从大到小排序，得到标签值序列，将标签值序列中前个标签值对应的标准医疗数据作为第一标签分组，将除第一标签分组外标签值序列中前个标签值对应的标准医疗数据作为第二标签分组，将除第一标签分组和第二标签分组外标签值序列中剩余标签值对应的标准医疗数据作为第三标签分组，其中，m表示医疗数据个数。5.根据权利要求1所述的临床路径推荐方法，其特征在于：所述临床路径推荐模型包括第一卷积层、第二卷积层、第三卷积层、第一编码层、第二编码层、第三编码层、融合层和全连接层；所述第一卷积层的输入端、第二卷积层的输入端和第三卷积层的输入端的输入端均作为临床路径推荐模型的输入端；所述第一卷积层的第一输出端和第一编码层的输入端连接；所述第一卷积层的第二输出端和融入层的输入端连接；所述第二卷积层的第一输出端和第二编码层的输入端连接；所述第二卷积层的第二输出端和融入层的输入端连接；所述第三卷积层的第一输出端和第三编码层的输入端连接；所述第三卷积层的第二输出端和融入层的输入端连接；所述第一编码层的输出端、第二编码层的输出端、第三编码层的输出端和融合层的输出端均与全连接层的输入端连接；所述全连接层的输出端作为临床路径推荐模型的输出端。
6.根据权利要求5所述的临床路径推荐方法，其特征在于：所述第一卷积层用于将第一标签分组输入至临床路径推荐模型中，并对第一标签分组进行卷积操作，生成第一分组矩阵；所述第二卷积层用于将第二标签分组输入至临床路径推荐模型中，并对第二标签分组进行卷积操作，生成第二分组矩阵；所述第三卷积层用于将第三标签分组输入至临床路径推荐模型中，并对第三标签分组进行卷积操作，生成第三分组矩阵；所述第一编码层用于对第一分组矩阵进行编码，生成第一编码矩阵；所述第二编码层用于对第二分组矩阵进行编码，生成第二编码矩阵；所述第三编码层用于对第三分组矩阵进行编码，生成第三编码矩阵；所述融合层用于对第一分组矩阵、第二分组矩阵和第三分组矩阵进行融合，生成融合矩阵；所述全连接层用于对第一编码矩阵、第二编码矩阵、第三编码矩阵和融合矩阵相加，生成融合特征矩阵，并根据融合特征矩阵生成最优临床路径。7.根据权利要求5所述的临床路径推荐方法，其特征在于：所述第一卷积层与融合层之间采用跳跃连接；所述第二卷积层与融合层之间采用跳跃连接；所述第三卷积层与融合层之间采用跳跃连接。8.根据权利要求6所述的临床路径推荐方法，其特征在于：所述融合矩阵z的表达式为：式中，a表示第一编码矩阵，b表示第二编码矩阵，c表示第三编码矩阵。9.根据权利要求5所述的临床路径推荐方法，其特征在于：所述全连接层的损失函数loss的表达式为：式中，n表示全连接层的神经元个数，θ
n
表示全连接层中第n个神经元的脉冲值，θ
n-1
表示全连接层中第n-1个神经元的脉冲值，a表示第一编码矩阵，b表示第二编码矩阵，c表示第三编码矩阵，z表示融合特征。

技术总结
本发明提供了一种临床路径推荐方法，涉及路径推荐技术领域，包括以下步骤：获取用户就诊ID，并根据用户就诊ID获取对应的电子病历数据；根据用户就诊ID对应的电子病历数据，确定电子病历数据的标签分组；构建临床路径推荐模型，将电子病历数据的标签分组输入至临床路径推荐模型中，生成最优临床路径。本发明根据用户的医疗数据，进行标签分组，以确定用户的特定组别；同时，本发明构建临床路径推荐模型，将各个组别的医疗数据输入至临床路径推荐模型中，能生成准确度高且通用性强的本地化临床路径，该临床路径更贴近用户实际情况，从而为临床质量管理、医院临床路径制定和管理提供参考依据。依据。依据。


技术研发人员：岳小波 张平 王涌军
受保护的技术使用者：四川互慧软件有限公司
技术研发日：2023.09.12
技术公布日：2023/10/20