亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于疾病圈數(shù)據(jù)信息的自我診療方法

文檔序號:6640804閱讀:199來源:國知局
基于疾病圈數(shù)據(jù)信息的自我診療方法【專利摘要】本發(fā)明提供一種基于疾病圈數(shù)據(jù)信息的自我診療方法,包括如下步驟:建立MO數(shù)據(jù)庫;創(chuàng)建一個以藥品電子標(biāo)識碼為關(guān)鍵碼的存儲MO數(shù)據(jù)庫中對應(yīng)的MOterms的哈希表MOhash;創(chuàng)建疾病圈,生成對應(yīng)的治療信息矩陣;對治療信息矩陣進行統(tǒng)計整合。將每種方案中的每種藥物在MO數(shù)據(jù)庫中對應(yīng)的MOterms集合進行合并,將聚類中對應(yīng)方案中的藥物進行篩選,選擇出最佳的治療方案。通過本發(fā)明的方法,建立起一種基于疾病圈數(shù)據(jù)信息的自我診療方法,為疾病自診信息平臺提供診療方案的信息分析方法,為病患初期的自診之后需要選擇的自我診療方案提供科學(xué)的依據(jù),既為人們節(jié)省不必要的時間消耗,又不會耽誤疾病的最佳治療時間?!緦@f明】基于疾病圈數(shù)據(jù)信息的自我診療方法【
技術(shù)領(lǐng)域
】[0001]本發(fā)明屬于計算機信息領(lǐng)域,特別是涉及到一種基于疾病圈數(shù)據(jù)信息的自我診療方法。【
背景技術(shù)
】[0002]現(xiàn)階段人們的生活節(jié)奏很快,生活壓力也很大,這就為人們的身體健康帶來了很多隱憂。人們一旦身體健康出現(xiàn)問題,首選是去醫(yī)院,但是醫(yī)院里看病的人又似乎永遠是非常多,哪怕是一些小病征,整個看病的流程走下來會花費很多時間;而如果人們覺得耽誤時間,不愿意去醫(yī)院,只是依據(jù)自己的經(jīng)驗買些藥服用,這樣又有可能錯過最佳治療時間,耽誤病情。[0003]基于這種現(xiàn)象,如果能夠有一個幫助人們進行疾病自診的信息平臺,將會對人們產(chǎn)生巨大的幫助,人們可以通過信息平臺的內(nèi)容,結(jié)合自身的狀況,先對自己的病患進行初期的判斷,病征輕微的,可以根據(jù)信息平臺的內(nèi)容進行自我簡單的治療,病征有危險的發(fā)展趨勢時,再去醫(yī)院治療。[0004]要建立一個這樣的幫助人們進行疾病自診的信息平臺,需要有一個完善的醫(yī)學(xué)信息數(shù)據(jù)庫,才能保證自診的準(zhǔn)確性,既能幫助人們節(jié)省時間,又不會耽誤疾病的最佳治療時間。[0005]在有了完善的醫(yī)學(xué)信息數(shù)據(jù)庫之后,還要有基于醫(yī)學(xué)信息本體數(shù)據(jù)庫的關(guān)聯(lián)藥品的自我分析方法。[0006]有了上述信息之后,還需要根據(jù)信息找出最佳的診療方案,才能比較完整的為人們提供服務(wù)【
發(fā)明內(nèi)容】[0007]本發(fā)明要解決的問題是設(shè)計一種基于疾病圈數(shù)據(jù)信息的自我診療方法,為疾病自診信息平臺提供診療方案的信息分析方法,為病患初期的自診之后需要選擇的自我診療方案提供科學(xué)的依據(jù)。[0008]需要說明的是,本發(fā)明基于疾病圈數(shù)據(jù)信息的自我診療方法,是信息學(xué)的一種應(yīng)用,通過相關(guān)信息分析以便于選擇自我選擇適當(dāng)?shù)脑\療方案,并非屬于疾病的診斷和治療方法,因此不違反專利法第二十五條的相關(guān)規(guī)定。[0009]為了達到上述目的,本發(fā)明采取的技術(shù)方案為:一種基于疾病圈數(shù)據(jù)信息的自我診療方法,其特征在于,包括如下步驟:[0010](I)建立醫(yī)學(xué)信息本體(MedicalOntology)數(shù)據(jù)庫,即MO數(shù)據(jù)庫;將疾病及其特征用MOterms進行編號;每個MOterms代表一個頂點,兩個terms之間的關(guān)系用有向邊表示,這樣將疾病和病征表示在一個有向無環(huán)圖中;[0011](2)創(chuàng)建一個以藥品電子標(biāo)識碼為關(guān)鍵碼的存儲MO數(shù)據(jù)庫中對應(yīng)的MOterms的哈希表MOhash;[0012](3)創(chuàng)建疾病圈,根據(jù)每位病患提供的治療信息,包括:[0013]每個病患提供自身病患所處的疾病階段,包括初患,復(fù)發(fā),較輕,嚴重,前期,中期,后期,I,II,III期等,用集合J=(J1,J2,J3,...}代表;[0014]每個病患提供對應(yīng)階段使用的藥物產(chǎn)品集M=(M1,M2,…,MJ,η表示產(chǎn)品數(shù)目;[0015]及對應(yīng)的每種產(chǎn)品服用/使用療程T=IT1,T2,….,TJ;[0016]及對應(yīng)的每種產(chǎn)品治療效果E=(E1,E2,....,EJ;[0017]及對應(yīng)的療程藥品花費F=(F1,F2,…,F(xiàn)J;[0018]及對應(yīng)的耐藥時間N=(N1,N2,…,NJ;[0019]及對應(yīng)的不良反應(yīng)時間R=(R1,R2,…,RJ;[0020]根據(jù)上述信息生成對應(yīng)的治療信息矩陣D={Μ,Τ,Ε,F,N,R};[0021](4)對病友的治療信息矩陣進行統(tǒng)計整合。對使用相同藥品集合的病友進行歸類統(tǒng)計,排序出流行的治療方案;對每種藥物進行統(tǒng)計,統(tǒng)計出每種藥物的使用數(shù)據(jù),包括使用率、平均耐藥時長、耐藥率、不良反應(yīng)率,并且對藥物進行綜合指標(biāo)排序。綜合指標(biāo)公式為[0022]藥物綜合指標(biāo)=藥物使用率X(I一不良反應(yīng)率)X(I一耐藥率);[0023](5)將每種方案中的每種藥物在MO數(shù)據(jù)庫中對應(yīng)的MOterms集合進行合并,得到了每種治療方案的MOterms集合,對藥物成分機理等差異性不大的方案進一步聚類;聚類后,按照每類中對應(yīng)的方案數(shù)目進行排序;[0024](6)將聚類中對應(yīng)方案中的藥物進行篩選,按步驟(4)藥物綜合指標(biāo)進行排序,或者按照其他指標(biāo)排序,選擇出最佳的治療方案。[0025](7)若不同的醫(yī)師提供了針對不同階段的不同標(biāo)準(zhǔn)治療方案。需要將各個病患的治療史與標(biāo)準(zhǔn)治療方案進行比較。[0026]優(yōu)選的,所述步驟(I)中,創(chuàng)建MO數(shù)據(jù)庫的方法為:[0027]a.將疾病及其特征用MOterms進行編號,每個MOterms代表一個頂點,兩個terms之間的關(guān)系用有向邊表示,這樣將疾病和病征表示在一個有向無環(huán)圖中;[0028]b.頂點之間的關(guān)聯(lián)分成兩種類型:is_a關(guān)系和part_of關(guān)系;is_a關(guān)系是一種簡單的包含關(guān)系;part_of關(guān)系表示一部分的包含關(guān)系,一種疾病往往有多種病征表現(xiàn),病征和疾病之間是part_of的關(guān)系,疾病和疾病之間是is_a的關(guān)系,病征和病征之間是is_a的關(guān)系;[0029]c.對于任兩個terms之間的有向邊,若是part_of的關(guān)系,則賦予權(quán)重;權(quán)重用關(guān)聯(lián)概率d表示;將父term與之關(guān)聯(lián)的子terms之間進行關(guān)聯(lián)度d分配(0〈d〈=I);其中關(guān)聯(lián)度d(terml,term2)表示父病征terml出現(xiàn)term2子病征的概率;[0030]d.對于任兩個terms之間的有向邊,若是is_a的關(guān)系,則賦予權(quán)重;權(quán)重用關(guān)聯(lián)百分比表示;父term與子terms之間的關(guān)聯(lián)百分比用該子term在父term所關(guān)聯(lián)的所有子terms中出現(xiàn)比率,所述子terms的關(guān)聯(lián)百分比之和為I。[0031]優(yōu)選的,所述步驟(5)的聚類方法為:[0032]聚類之前,首先構(gòu)建方案相似度圖,圖中每個頂點代表不同的方案,兩個頂點之間的邊的賦權(quán)代表對應(yīng)的MO的重疊度D;[0033]其次,從每個圖的頂點出發(fā),找到含有該頂點的極大團;最后將得到的極大團進行融合成高密度子圖,從而得到這些高密度子圖根據(jù)規(guī)模排序,得到聚類的方法。[0034]優(yōu)選的,所述步驟(7)的比較方法為:[0035]第一步:以每個藥品為頂點,兩種藥品對應(yīng)的頂點之間的邊賦權(quán)為該兩種藥品在所有病患治療史中被同時使用的關(guān)聯(lián)比率指標(biāo),即同時出現(xiàn)在不同病友的治療信息矩陣中的關(guān)聯(lián)比率指標(biāo):[0036]關(guān)聯(lián)比率指標(biāo)(藥物1,藥物2)=兩種藥物被同時使用的比率X(I—max(藥物I的不良反應(yīng)率,藥物2的不良反應(yīng)率))X(I—max(藥物I耐藥率,藥物2耐藥率));[0037]由此得到了藥物使用率關(guān)聯(lián)的圖G;[0038]第二步:從圖G中找最大賦權(quán)團,所述團是每個頂點都有邊連接的子圖,該團對應(yīng)的就是病患中最流行的治療方案,即藥品選擇方案;[0039]第三步:運用該圖G,統(tǒng)計出醫(yī)師的標(biāo)準(zhǔn)治療方案在疾病圈中對應(yīng)的子圖的邊賦權(quán)和。然后對不同醫(yī)師的治療方案,對對應(yīng)的子圖的邊賦權(quán)和進行排序,而到醫(yī)師中的最佳治療方案。[0040]第四步:將醫(yī)師的最佳治療方案與得到的最大賦權(quán)團對應(yīng)的方案進行比較,以便修正。[0041]本發(fā)明的有益效果為:通過本發(fā)明的方法,建立起基于疾病特征的醫(yī)學(xué)信息本體數(shù)據(jù)庫,并建立起一種基于疾病圈數(shù)據(jù)信息的自我診療方法,為疾病自診信息平臺提供診療方案的信息分析方法,為病患初期的自診之后需要選擇的自我診療方案提供科學(xué)的依據(jù),既為人們節(jié)省不必要的時間消耗,又不會耽誤疾病的最佳治療時間?!揪唧w實施方式】[0042]下面結(jié)合具體實施例對本發(fā)明做進一步說明。[0043]本發(fā)明用于自診時的治療方案比較:根據(jù)治療史和產(chǎn)品信息(個人治療信息包括:使用的藥品/器械;藥品/器械的價格;是否治愈;治愈時間(療程);是否復(fù)發(fā);等等信息),給出同疾病圈中同樣藥物對不同人群的效果,以及同樣人群對不同藥品的效果。[0044]問題模型:已知某個疾病,在網(wǎng)站建立了與之對應(yīng)的疾病圈(一種以疾病為討論目的的社交網(wǎng)絡(luò)圈),疾病圈中有一定的會員(病友)。病友在注冊時必須提交個人健康治療信息;在注冊后,可以選擇不同的疾病圈。在進入相關(guān)疾病圈后,可以討論該疾病的治療信息,也可以提交自己的治療史,更主要是希望尋求幫助,得到更佳的治療方案。企業(yè)會員和醫(yī)師會員也分配到相應(yīng)的疾病圈。企業(yè)將通過疾病圈了解藥品器械的使用回饋和新產(chǎn)品的推介。醫(yī)師將通過疾病圈掌握治療方案的反饋信息以便及時修正治療方案。[0045]數(shù)據(jù)信息:數(shù)據(jù)信息主要來自病友提供的治療病歷;醫(yī)生提供的標(biāo)準(zhǔn)病例和標(biāo)準(zhǔn)治療方案;企業(yè)提供的醫(yī)藥器械信息。[0046](I)每個病友提供自身病患所處的疾病階段(初患,復(fù)發(fā),較輕,嚴重,前期,中期,后期,I,II,III期等,可用集合J=(J11J21J3,-!代表)和對應(yīng)階段使用的藥物器械產(chǎn)品集M=(M1,M2,…,MJ(η表示產(chǎn)品數(shù)目)及對應(yīng)的每種產(chǎn)品服用/使用療程T=IT1,T2,…?,TJ、治療效果(I?5星)E=(E1,E2,....,EJ、療程藥品花費F=(F1,F2,…,F(xiàn)j;耐藥時間(即服用多長時間后耐藥,O表示未耐藥,其它數(shù)值表示耐藥時間)N=叫,N2,…,NJ;不良反應(yīng)時間(即服用多長時間出現(xiàn)不良反應(yīng),O表示未出現(xiàn),其它數(shù)值表示不良反應(yīng)時間)R=IR”R2,…,RJ。[0047]其中藥品器械產(chǎn)品集將根據(jù)電子標(biāo)識碼來唯一確定,通過哈希表(hashtable)可以追溯到相關(guān)生產(chǎn)企業(yè)等信息。[0048]這樣,我們就得到了,每個病友在不同患病階段都對應(yīng)一個治療信息矩陣(Matrix)D={Μ,Τ,E,F,N,R},每一行代表上述的相關(guān)特征信息集合(產(chǎn)品集M、療程集T、療效集E、費用集F、耐藥集N、不良反應(yīng)集R)。[0049](2)每個醫(yī)生提供的對不同患病階段J=(J1,J2,J3,...}所開具的藥品器械集合DM對應(yīng)的療程(即治療方案)。[0050](3)與此疾病有關(guān)的所有藥物器械集合及對應(yīng)的生產(chǎn)企業(yè),該數(shù)據(jù)集是已經(jīng)采集到的所有藥品器械,并且已經(jīng)分配到MO數(shù)據(jù)庫中相應(yīng)的疾病和病癥的MOtermsο[0051]其中,首先,創(chuàng)建MO數(shù)據(jù)庫:[0052]a.將疾病及其特征用MOterms進行編號,每個MOterms代表一個頂點,兩個terms之間的關(guān)系用有向邊表示,這樣將疾病和病征表示在一個有向無環(huán)圖中;[0053]b.頂點之間的關(guān)聯(lián)分成兩種類型:is_a關(guān)系和part_of關(guān)系;is_a關(guān)系是一種簡單的包含關(guān)系;part_of關(guān)系表示一部分的包含關(guān)系,一種疾病往往有多種病征表現(xiàn),病征和疾病之間是part_of的關(guān)系,疾病和疾病之間是is_a的關(guān)系,病征和病征之間是is_a的關(guān)系;[0054]c.對于任兩個terms之間的有向邊,若是part_of的關(guān)系,則賦予權(quán)重;權(quán)重用關(guān)聯(lián)概率d表示;將父term與之關(guān)聯(lián)的子terms之間進行關(guān)聯(lián)度d分配(0〈d〈=I);其中關(guān)聯(lián)度d(terml,term2)表示父病征terml出現(xiàn)term2子病征的概率;[0055]d.對于任兩個terms之間的有向邊,若是is_a的關(guān)系,則賦予權(quán)重;權(quán)重用關(guān)聯(lián)百分比表示;父term與子terms之間的關(guān)聯(lián)百分比用該子term在父term所關(guān)聯(lián)的所有子terms中出現(xiàn)比率,所述子terms的關(guān)聯(lián)百分比之和為I。[0056]其次,創(chuàng)建一個以藥品電子標(biāo)識碼為關(guān)鍵碼的存儲MO數(shù)據(jù)庫中對應(yīng)的MOterms的哈希表MOhashο[0057]模型建立:[0058]該問題需要解決的兩個具體問題:[0059]第一:根據(jù)病友所處的疾病階段和用藥史得到每個病人的治療信息矩陣D,對所有的治療信息矩陣集合進行統(tǒng)計,統(tǒng)計出在該疾病圈中所有的治療方案,并且對信息矩陣的指標(biāo)分別進行排序。這樣,病友、醫(yī)師、和企業(yè)均能夠了解目前的流行治療方案和用藥等??梢詫λ须A段的治療信息進行統(tǒng)計,也可以分疾病階段進行統(tǒng)計。同時,根據(jù)病友的治療史對應(yīng)的治療信息矩陣D,聚類得到最佳的治療方案。[0060]第二:若不同的醫(yī)師提供了針對不同階段的不同標(biāo)準(zhǔn)治療方案。需要將各個病友的治療史與標(biāo)準(zhǔn)治療方案進行比較。從而判斷哪些標(biāo)準(zhǔn)方案更經(jīng)濟有效(費用低、療程短、療效高、耐藥率低、不良反應(yīng)低)或需要修正。[0061]算法概述:[0062]對于問題一:[0063]第一步:首先根據(jù)每位病友提供的治療信息,生成對應(yīng)的治療信息矩陣D={Μ,Τ,E,F,N,R}ο[0064]第二步:對病友的治療信息矩陣進行統(tǒng)計整合。對使用相同藥品器械集合M的病友進行歸類統(tǒng)計,排序出流行的治療方案;對每種藥物進行統(tǒng)計,統(tǒng)計出每種藥物器械的使用率,平均耐藥時長,耐藥率,不良反應(yīng)率等。并且對藥物進行綜合指標(biāo)排序。綜合指標(biāo)公式為[0065]Productive_Index(藥物)=藥物使用率X(I—不良反應(yīng)率)X(I—耐藥率)。[0066]第三步:因為上一步統(tǒng)計出的流行方案是針對具體藥物器械的方案,而且疾病圈中的治療史或治療方案差異性很大,又因為有些藥物器械功能同質(zhì)性很高,甚至有些產(chǎn)品成分構(gòu)成一樣只是商品名稱不一樣,所以我們需要對這種所構(gòu)成的藥物成分機理等差異性不大的方案進一步聚類(clustering)。因此,我們將每種方案中的每種藥物在MO數(shù)據(jù)庫中對應(yīng)的MOterms集合進行合并,得到了每種治療方案(或治療史)的MOterms集合。這樣,若兩種方案對應(yīng)的MOterms集合有很高的重疊度,我們就說這兩種治療方案高度吻合(很高的相似度)。[0067]聚類之前,首先構(gòu)建方案相似度圖(similaritygraph):圖中每個頂點(node)代表不同的方案,兩個頂點之間的邊(edge)的賦權(quán)(weight)代表對應(yīng)的MO的重疊度d。例如方案I對應(yīng)的MOterms集合為SI,方案2對應(yīng)的MOterms集合為S2,則重疊度d=Sins2|/|siuS2|ο[0068]我們設(shè)計的聚類算法為團融合聚類算法(CliqueMergingClustering):該算法是將要聚類的元素(頂點)根據(jù)相似度構(gòu)建相似度圖(similaritygraph);然后從每個圖的頂點出發(fā),找到含有該頂點的極大團(maximalclique)(團是圖中的兩兩頂點都有邊連接的子圖);最后將得到的極大團進行融合成高密度子圖(highlydensesub-graph),從而得到這些高密度子圖根據(jù)規(guī)模排序,得到聚類的方法。[0069]聚類后,按照每類中對應(yīng)的方案數(shù)目進行排序。[0070]第四步:對得到的最好的聚類,我們將聚類中對應(yīng)方案中的藥物進行篩選,按Productive_index指標(biāo)排序,或者按照性價比等其他指標(biāo)排序,選擇出最佳的治療方案。對于問題二:[0071]第一步:我們以每個藥品器械為頂點,兩種藥品器械對應(yīng)的頂點之間的邊賦權(quán)為該兩種藥品器械在所有病友治療史中被同時使用(同時出現(xiàn)在不同病友的治療信息矩陣中)的關(guān)聯(lián)比率指標(biāo):[0072]Correlative_Productive_index(藥物1,藥物2)=兩種藥物被同時使用的比率X(1—max(藥物I的不良反應(yīng)率,藥物2的不良反應(yīng)率))X(I—max(藥物I耐藥率,藥物2耐藥率)).這樣我們就得到了藥物使用率關(guān)聯(lián)的圖G。[0073]第二步:從該圖中找最大賦權(quán)團(maximumweightclique,邊權(quán)和最大的團),該團就對應(yīng)的就是病友中最流行的治療方案(藥品器械選擇方案)。[0074]第三步:我們同時運用該圖G,統(tǒng)計出醫(yī)師的標(biāo)準(zhǔn)治療方案在疾病圈中對應(yīng)的子圖的邊賦權(quán)和。然后對不同醫(yī)師的治療方案,對對應(yīng)的子圖的邊賦權(quán)和進行排序,而到醫(yī)師中的最佳治療方案。[0075]將醫(yī)師的最佳治療方案與我們得到的最大賦權(quán)團對應(yīng)的方案進行比較,以便修IHo[0076]以上所述僅為本發(fā)明的具體實施例而已,并不用于限定本發(fā)明的保護范圍,凡在本發(fā)明的精神和原則之內(nèi),所做的任何修改、等同替換、改進等,均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)?!緳?quán)利要求】1.一種基于疾病圈數(shù)據(jù)信息的自我診療方法,其特征在于,包括如下步驟:(1)建立醫(yī)學(xué)信息本體(MedicalOntology)數(shù)據(jù)庫,即MO數(shù)據(jù)庫;將疾病及其特征用MOterms進行編號;每個MOterm代表一個頂點,兩個terms之間的關(guān)系用有向邊表示,這樣將疾病和病征表不在一個有向無環(huán)圖中;(2)創(chuàng)建一個以藥品電子標(biāo)識碼為關(guān)鍵碼的存儲MO數(shù)據(jù)庫中對應(yīng)的MOterms的哈希表MOhash;(3)創(chuàng)建疾病圈,根據(jù)每位病患提供的治療信息,包括:每個病患提供自身病患所處的疾病階段,包括初患,復(fù)發(fā),較輕,嚴重,前期,中期,后期,I,II,III期等,用集合J=(J11J21J3,-!代表;每個病患提供對應(yīng)階段使用的藥物產(chǎn)品集M=(M1,M2,…,Mj,η表示產(chǎn)品數(shù)目;及對應(yīng)的每種產(chǎn)品服用/使用療程T=;及對應(yīng)的每種產(chǎn)品治療效果E=(E1,E2,....,EJ;及對應(yīng)的療程藥品花費F=(F1,F2,…,F(xiàn)J;及對應(yīng)的耐藥時間N=(N1,N2,…,Nj;及對應(yīng)的不良反應(yīng)時間R=(R1,R2,…,RJ;根據(jù)上述信息生成對應(yīng)的治療信息矩陣D={Μ,Τ,Ε,F,N,R};(4)對病友的治療信息矩陣進行統(tǒng)計整合。對使用相同藥品集合的病友進行歸類統(tǒng)計,排序出流行的治療方案;對每種藥物進行統(tǒng)計,統(tǒng)計出每種藥物的使用數(shù)據(jù),包括使用率、平均耐藥時長、耐藥率、不良反應(yīng)率,并且對藥物進行綜合指標(biāo)排序。綜合指標(biāo)公式為藥物綜合指標(biāo)=藥物使用率X(I一不良反應(yīng)率)X(I一耐藥率);(5)將每種方案中的每種藥物在MO數(shù)據(jù)庫中對應(yīng)的MOterms集合進行合并,得到了每種治療方案的MOterms集合,對藥物成分機理等差異性不大的方案進一步聚類;聚類后,按照每類中對應(yīng)的方案數(shù)目進行排序;(6)將聚類中對應(yīng)方案中的藥物進行篩選,按步驟(4)藥物綜合指標(biāo)進行排序,或者按照其他指標(biāo)排序,選擇出最佳的治療方案。(7)若不同的醫(yī)師提供了針對不同階段的不同標(biāo)準(zhǔn)治療方案。需要將各個病患的治療史與標(biāo)準(zhǔn)治療方案進行比較。2.根據(jù)權(quán)利要求1所述的一種基于疾病圈數(shù)據(jù)信息的自我診療方法,其特征在于,所述步驟(I)中,創(chuàng)建MO數(shù)據(jù)庫的方法為:a.將疾病及其特征用MOterms進行編號,每個MOterms代表一個頂點,兩個terms之間的關(guān)系用有向邊表示,這樣將疾病和病征表示在一個有向無環(huán)圖中;b.頂點之間的關(guān)聯(lián)分成兩種類型:is_a關(guān)系和part_0f關(guān)系;is_a*系是一種簡單的包含關(guān)系;part_of關(guān)系表示一部分的包含關(guān)系,一種疾病往往有多種病征表現(xiàn),病征和疾病之間是part_of的關(guān)系,疾病和疾病之間是is_a的關(guān)系,病征和病征之間是is_a的關(guān)系;c.對于任兩個terms之間的有向邊,若是part_of的關(guān)系,則賦予權(quán)重;權(quán)重用關(guān)聯(lián)概率d表示;將父term與之關(guān)聯(lián)的子terms之間進行關(guān)聯(lián)度d分配(0〈d〈=I);其中關(guān)聯(lián)度d(terml,term2)表示父病征terml出現(xiàn)term2子病征的概率;d.對于任兩個terms之間的有向邊,若是is_a的關(guān)系,則賦予權(quán)重;權(quán)重用關(guān)聯(lián)百分比表示;父term與子terms之間的關(guān)聯(lián)百分比用該子term在父term所關(guān)聯(lián)的所有子terms中出現(xiàn)比率,所述子terms的關(guān)聯(lián)百分比之和為I。3.根據(jù)權(quán)利要求1所述的一種基于疾病圈數(shù)據(jù)信息的自我診療方法,其特征在于,所述步驟(5)的聚類方法為:聚類之前,首先構(gòu)建方案相似度圖,圖中每個頂點代表不同的方案,兩個頂點之間的邊的賦權(quán)代表對應(yīng)的MO的重疊度D;其次,從每個圖的頂點出發(fā),找到含有該頂點的極大團;最后將得到的極大團進行融合成高密度子圖,從而得到這些高密度子圖根據(jù)規(guī)模排序,得到聚類的方法。4.根據(jù)權(quán)利要求1所述的一種基于疾病圈數(shù)據(jù)信息的自我診療方法,其特征在于,所述步驟(7)的比較方法為:第一步:以每個藥品為頂點,兩種藥品對應(yīng)的頂點之間的邊賦權(quán)為該兩種藥品在所有病患治療史中被同時使用的關(guān)聯(lián)比率指標(biāo),即同時出現(xiàn)在不同病友的治療信息矩陣中的關(guān)聯(lián)比率指標(biāo):關(guān)聯(lián)比率指標(biāo)(藥物1,藥物2)=兩種藥物被同時使用的比率X(I—max(藥物I的不良反應(yīng)率,藥物2的不良反應(yīng)率))X(I—max(藥物I耐藥率,藥物2耐藥率));由此得到了藥物使用率關(guān)聯(lián)的圖G;第二步:從圖G中找最大賦權(quán)團,所述團是每個頂點都有邊連接的子圖,該團對應(yīng)的就是病患中最流行的治療方案,即藥品選擇方案;第三步:運用該圖G,統(tǒng)計出醫(yī)師的標(biāo)準(zhǔn)治療方案在疾病圈中對應(yīng)的子圖的邊賦權(quán)和。然后對不同醫(yī)師的治療方案,對對應(yīng)的子圖的邊賦權(quán)和進行排序,而到醫(yī)師中的最佳治療方案。第四步:將醫(yī)師的最佳治療方案與得到的最大賦權(quán)團對應(yīng)的方案進行比較,以便修正?!疚臋n編號】G06Q50/22GK104484844SQ201410848793【公開日】2015年4月1日申請日期:2014年12月30日優(yōu)先權(quán)日:2014年12月30日【發(fā)明者】趙欣,張少強申請人:天津邁沃醫(yī)藥技術(shù)有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1