首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于大数据的眼科用病人回访系统及方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:自贡市第一人民医院

摘要:本发明涉及医疗保健技术领域,具体涉及基于大数据的眼科用病人回访系统及方法,包括:根据待回访病人的基本信息获得每个节点各个维度下的复杂指数;获得每两个节点之间的相似度;构建带权无向图;获得转移矩阵;获得各节点在各维度的影响参数;获得转移矩阵的收敛影响概率;获得每个节点对其他节点的收敛计算系数;根据转移矩阵以及每个节点对其他节点的收敛计算系数,获得马尔科夫聚类迭代操作中每次迭代后的迭代目标函数值;根据每次迭代后的迭代目标函数值,获得聚类结果,制定回访计划。本发明旨在解决使用传统的马尔科夫聚类对病人信息进行聚类时出现过拟合的情况。

主权项:1.基于大数据的眼科用病人回访方法,其特征在于,该方法包括以下步骤:根据待回访病人的基本信息获得待回访病人各个维度下的复杂指数;将待回访病人的复杂指数构成的若干维度的向量记为一个节点;根据所有节点每个维度的复杂指数的大小以及所有节点每个维度的复杂指数的离散程度,获得每个维度的回访相似权重;根据每两个节点之间各个维度的复杂指数的距离以及各个维度的回访相似权重,获得每两个节点之间的相似度;根据每两个节点之间的相似度,获得带权无向图;根据带权无向图,获得转移矩阵;将带权无向图中与各节点的相连的节点记为各节点的相连节点;根据各节点每个维度的复杂指数与各节点的相连节点的复杂指数,获得各节点的复杂差异序列;根据各节点与各节点的相连节点之间的相似度,获得各节点的相似度序列;根据各节点在各维度的复杂指数以及各节点的复杂差异序列与各节点的相似度序列的相关性,获得各节点在各维度的影响参数;根据所有节点在所有维度的影响参数,获得转移矩阵的收敛影响概率;根据每个节点每个维度的复杂指数差异,获得每个节点对其他节点的收敛计算系数;根据转移矩阵的收敛影响概率以及每个节点对其他节点的收敛计算系数,获得马尔科夫聚类迭代操作中每次迭代后的迭代目标函数值;根据每次迭代后的迭代目标函数值获得聚类结果;根据聚类结果,制定回访计划;所述根据待回访病人的基本信息获得待回访病人各个维度下的复杂指数,包括的具体方法为:采集历史回访病人和待回访病人的基本信息,将每个病人的基本信息文本数据分为若干个维度部分;对历史回访病人基本信息各个维度的复杂指数进行标记并训练神经网络;将待回访病人的基本信息输入训练完成的神经网络,获得待回访病人各个维度下的复杂指数;所述根据所有节点每个维度的复杂指数的大小以及所有节点每个维度的复杂指数的离散程度,获得每个维度的回访相似权重,包括的具体方法为:第k个维度的回访相似指数计算方法为: 式中:表示所有节点中第k个维度的复杂指数均值,n表示节点个数,i表示第i个节点,表示第i个节点第k个维度的复杂指数,表示所有节点第k个维度的复杂指数的离散程度;所有维度的回访相似指数组成回访相似指数序列,对回访相似指数序列使用softmax函数进行归一化处理;将归一化后的回访相似指数序列中的每个元素记为每个维度的回访相似权重;所述根据每两个节点之间各个维度的复杂指数的距离以及各个维度的回访相似权重,获得每两个节点之间的相似度,包括的具体计算方法为:第a个节点与第b个节点之间的相似度sima,b的计算方法为: 式中:k表示第k个维度,K表示总维度数,表示第k个维度的回访相似权重,表示第a个节点第k个维度的复杂指数,表示第b个节点第k个维度的复杂指数;所述根据各节点在各维度的复杂指数以及各节点的复杂差异序列与各节点的相似度序列的相关性,获得各节点在各维度的影响参数,包括的具体计算方法为:第i个节点在第k个维度的影响参数的计算方法为: 式中:K表示总维度数,表示第i个节点在第k个维度的复杂指数,corr表示计算皮尔逊相关系数的函数,Xi表示节点i的复杂差异序列,Si表示节点i的相似度序列;所述根据所有节点在所有维度的影响参数,获得转移矩阵的收敛影响概率,包括的具体计算方法为: 式中:P表示转移矩阵的收敛影响概率,n表示节点个数,K表示总维度数,表示第i个节点在第k个维度的影响参数;所述根据每个节点每个维度的复杂指数差异,获得每个节点对其他节点的收敛计算系数,包括的具体计算方法为:第a个节点对第b个节点的收敛计算系数μa,b的计算方法为: 式中:μa,b表示第a个节点对第b个节点的收敛计算系数,K表示总维度数,表示第a个节点第k个维度的复杂指数,表示第b个节点第k个维度的复杂指数;其特征在于,所述根据转移矩阵的收敛影响概率以及每个节点对其他节点的收敛计算系数,获得马尔科夫聚类迭代操作中每次迭代后的迭代目标函数值,包括的具体计算方法为:第d次迭代后的目标函数值Wd的计算方法为: 式中:P表示转移矩阵的收敛影响概率,n表示节点个数,表示第d次迭代后第a个节点与第b个节点间的相似度,表示第d-1次迭代后第a个节点与第b个节点间的相似度,μa,b表示第a个节点对第b个节点的收敛计算系数。

全文数据:

权利要求:

百度查询: 自贡市第一人民医院 基于大数据的眼科用病人回访系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。