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：本发明涉及病人信息数据分类管理技术领域，具体涉及一种眼科手术病人信息数据管理方法及系统。获取病人的样本数据，样本数据包括眼部各项检查数据，并基于检查数据得到样本数据之间的状态相似值。然后根据状态相似值确定判断阈值并对样本数据进行聚类分析，从而得到聚类结果，为了评估聚类结果的准确度，即防止过度分类或者分类不足，根据簇内样本数据的状态相似值的差异以及波动情况，对聚类效果进行量化，得到评价值。从而根据评价值修正判断阈值并通过迭代，寻找最优阈值。最后根据最优阈值确定最优的聚类结果，从而实现对样本数据的精准分类，进而帮助提高医院的资源利用率。

主权项：1.一种眼科手术病人信息数据管理方法，其特征在于，所述方法包括：获取所有病人的样本数据，所述样本数据包括眼部各项检查项目的检查数据；根据样本数据中的各项检查数据之间的相似情况，得到样本数据之间的状态相似值；根据所有样本数据之间的状态相似值的变化情况，确定聚类时的判断阈值；基于所述判断阈值以及样本数据之间的状态相似值对所有样本数据进行层次聚类，得到判断阈值下的聚类结果；根据聚类结果中每个聚类簇中样本数据之间的状态相似值的差异以及波动情况，得到聚类结果的评价值；根据判断阈值下的聚类结果的评价值对判断阈值进行修正，得到调整阈值；确定所述判断阈值和所述调整阈值下的聚类结果的评价值是否满足预设停止条件，在不满足预设停止条件时，将所述调整阈值作为新的判断阈值，确定新的调整阈值，并进行聚类结果的评价值的分析，直至满足预设停止条件时，将最终的判断阈值和调整阈值作为两个目标阈值；根据两个目标阈值得到最优阈值；根据所述最优阈值以及样本数据之间的状态相似值对所有样本数据进行层次聚类，得到最优的聚类结果；根据所述最优的聚类结果对样本数据进行分类管理；所述判断阈值的获取方法包括：对于任意一个样本数据，计算该样本数据与剩余所有样本数据之间的状态相似值的均值，作为该样本数据的相似综合指标；将所有样本数据的相似综合指标的均值，作为初始阈值；将所有样本数据的相似综合指标的方差作为数据离散值；将所述数据离散值与所述初始阈值的差值进行数值调整，得到调整参数；将所述调整参数和所述初始阈值的和值作为所述判断阈值；所述基于所述判断阈值以及样本数据之间的状态相似值对所有样本数据进行层次聚类，得到判断阈值下的聚类结果，包括：将样本数据之间的状态相似值作为聚类时的距离度量，所述层次聚类为分裂型层次聚类；步骤一：将所有样本数据归为一个初始聚类簇:；步骤二：在初始聚类簇中找到最小的状态相似值对应的两个样本数据各作为一个聚类中心；步骤三：将其分配到不同的聚类簇中；步骤四：比较初始聚类簇中剩余每个样本数据与两个聚类中心之间的状态相似值，将剩余的每个样本数据分配到状态相似值最大的聚类中心所在的聚类簇中；在每个聚类簇中重复步骤一至步骤四过程，直至所有聚类簇中的最小的状态相似值均大于所述判断阈值时，停止分裂，得到层次聚类树作为聚类结果；所述评价值的获取方法包括：在每个聚类簇中，对于任意一个样本数据，将该样本数据与其他所有样本数据之间的状态相似值的均值作为该样本数据的状态特征值；将每个聚类簇中的所有样本数据的状态特征值的均值作为每个聚类簇的聚集因子；对于层次聚类树中的任意一层中的任意一个聚类簇，计算该聚类簇与同层中剩余的每个聚类簇的聚集因子的差异，作为聚集差异值，并将该聚类簇对应的所有聚集差异值的均值作为该聚类簇的差异特征值；将该层中所有聚类簇的差异特征值的均值进行归一化后的值作为差异程度值；对于层次聚类树中的任意一层中的任意一个聚类簇，计算该聚类簇中所有样本数据的状态特征值的标准差，作为该聚类簇的离散特征值；将该层中所有聚类簇的离散特征值的均值进行归一化后的值作为离散程度值；将层次聚类树中每层的离散程度值与差异程度值的差值作为调整因子；将所有层的调整因子的均值作为聚类结果的评价值。

全文数据：

权利要求：

百度查询： 自贡市第一人民医院 一种眼科手术病人信息数据管理方法及系统