本發(fā)明涉及指標異常檢測技術領域，特別涉及一種醫(yī)院指標異常模式自動檢測方法。
背景技術：
伴隨著醫(yī)院信息化建立的不斷健全和完善，醫(yī)院產生了大量的數(shù)據，該數(shù)據具有價值高，維度大等特點。正是由于數(shù)據的復雜性高，當醫(yī)院某些指標發(fā)生異常時，難以發(fā)現(xiàn)，并且某些重要指標的異常檢測對醫(yī)院管理決策有著重要影響。因此如何及時有效地檢測醫(yī)院服務量指標的異常模式，保證醫(yī)院正常運行具有重要的意義。醫(yī)院服務量指標異常是指醫(yī)院服務量指標偏離其正常模式的情形。隨著醫(yī)院信息系統(tǒng)的不斷完善，數(shù)據量不斷增加，醫(yī)院重要服務量指標異常對醫(yī)院正常運行的影響越來越大。因而如何準確、快速地檢測出指標異常，并做出合理的響應，是保證醫(yī)院正常運行的前提條件之一。
醫(yī)院服務量指標主要有兩個方面，宏觀和微觀，以下簡稱服務量指標。醫(yī)院宏觀服務量包括門診急診人次、急診搶救人次、病人住院實際占用床位日、出院人數(shù)等，宏觀服務量通常由社會需求所決定的。微觀服務量是指各部門，科室各內部的服務量，如醫(yī)院訂購的藥品、衛(wèi)生材料、檢驗的標本量，放射科的攝片量，合理安排人員、設備床位等。醫(yī)院服務量指標(門診量，住院量，手術量等)的異常模式檢測技術有助于醫(yī)院管理者及時發(fā)現(xiàn)醫(yī)院相關指標的異常情況，及時查找問題發(fā)生的原因，解決問題，保證醫(yī)院各項工作正常運轉。
目前，醫(yī)院現(xiàn)有的檢測異常模式的方式，主要是醫(yī)院管理者根據經驗判斷指標是否異常，這種異常檢測方法存在很多問題：(1)不能及時發(fā)現(xiàn)異常，往往是經過一段時間的數(shù)據匯總(如月報匯報時)管理者才發(fā)現(xiàn)異常，導致不能及時解決問題，時間滯后；(2)需要管理者具有一定的管理經驗，對管理者的要求較高，可復制性差；(3)由于管理者的經驗的不同，導致檢測出的異常模式更具有經驗性、個人主觀性，缺乏科學性、合理性。
技術實現(xiàn)要素：
本發(fā)明提供了一種醫(yī)院指標異常模式自動檢測方法，以解決現(xiàn)有技術在判斷指標體系異常時，需要較高的管理經驗，且無法及時發(fā)現(xiàn)問題，時間滯后性大的問題。
為解決上述問題，作為本發(fā)明的一個方面，提供了一種醫(yī)院指標異常模式自動檢測方法，包括：步驟1，獲取指標體系的歷史數(shù)據；步驟2，將所述歷史數(shù)據進行分割，以得到分段指標數(shù)據；步驟3，提取所述分段指標數(shù)據的特征值；步驟4，將所述特征值標準化；步驟5，根據標準化后的所述特征值計算所述分段指標數(shù)據的異常值；步驟6，歷史數(shù)據根據所述歷史數(shù)據得到異常值閾值；步驟7，根據所述異常值和異常值閾值確定異常模式。
優(yōu)選地，所述步驟2包括：從所述歷史數(shù)據的第二點開始遍歷，如果該點同時比其前后兩點大或同時比其前后兩點小，那么將該點作為所述歷史數(shù)據的一個極值點；以所述極值點為分界點將所述歷史數(shù)據分成多段以得到分段指標數(shù)據。
優(yōu)選地，所述步驟3包括：所述特征值包括高度、長度、均值、標準差，其中高度為該段數(shù)據的最后一個數(shù)與第一個數(shù)的差值，長度為該段數(shù)據包含多少個數(shù)據點，均值段數(shù)據中的算術平均值，標準差為該段數(shù)據的標準差。
優(yōu)選地，所述步驟4包括：設c1＝<c11,c12, ,c1p>為一組特征值，則用下式將該組特征值中的每個特征值標準化到0至1之間：
其中，cmax和cmin分別為c1＝<c11,c12, ,c1p>中的最大值和最小值。
優(yōu)選地，所述步驟5包括：
步驟51，定義在四維特征空間中任意兩點的距離計算公式，其中，四維特征空間就是特征值空間，四維特征空間中的每一個點都包含四個維度，即上面定義的四個特征值，設點p(xp,yp,zp,kp)，q(xq,yq,zq,kq)為四維特征空間中的任意兩點，那么，對象p，q的距離為：
步驟52，定義四維特征空間中任意一點p的kth距離k-dist(p)，其中，該距離就是四維特征空間中的距離p的距離從小到大排序，第k大的距離對應的點；其中，四維特征空間中的點均為四個特征值確定的點，該處的k是四維特征空間中的距離p的距離從小到大排序，第k大的距離對應的點，dist表示距離；
步驟53，根據步驟52的kth距離定義p的k平均距離，其中，所述p的k平均距離是指p的1-dist(p)，2-dist(p),….,k-dist(p)距離的算數(shù)平均值，記為k-MD(P)；
步驟54，根據p的k平均距離定義k-變異系數(shù)，包括以下步驟：
步驟54a，計算四維特征空間的每一個特征值的特征子空間，共四個特征子空間；
步驟54b，分別計算p在四個特征子空間中的k平均距離k-MD1(p)，k-MD2(p)，k-MD3(p)，k-MD4(p)；
步驟54c，將k-MD(p)、k-MD1(p)、k-MD2(p)、k-MD3(p)、k-MD4(p)標準化后，得到k-MDO(p)、k-MDO1(p)、k-MDO2(p)、k-MDO3(p)、k-MDO4(p)；
步驟54d，根據下式計算k-變異系數(shù)：
k-變異系數(shù)＝k-MDO(p)+max{k-MD1(p)，k-MD2(p)，k-MD3(p)，k-MD4(p)}。
本發(fā)明可幫助醫(yī)院等用戶在管理時自動檢測指標體系的異常模式，降低了對管理者管理經驗的要求，檢測出更加科學的異常模式，且具有即時性，隨時檢測異常。
附圖說明
圖1示意性地示出了本發(fā)明的流程圖。
具體實施方式
以下結合附圖對本發(fā)明的實施例進行詳細說明，但是本發(fā)明可以由權利要求限定和覆蓋的多種不同方式實施。
針對醫(yī)院檢測異常模式的現(xiàn)狀，本發(fā)明提出了一種自動的基于醫(yī)院服務量的異常檢測技術，由于醫(yī)院各指標為時間序列數(shù)據，即時間序列的自動異常檢測技術，該技術科學的定義了異常模式，并提出了自動檢測異常模式的方法，實現(xiàn)了自動檢測異常模式的功能。
本發(fā)明提供了一種醫(yī)院指標異常模式自動檢測方法，例如，是一種醫(yī)院服務量指標異常模塊自動檢測方法，包括以下步驟：
步驟1，獲取指標體系(如醫(yī)院服務量指標體系中的門診量、住院量等)的歷史數(shù)據；
步驟2，將所述歷史數(shù)據進行分割，以得到分段指標數(shù)據。
步驟3，提取所述分段指標數(shù)據的特征值。優(yōu)選地，所述特征值包括高度、長度、均值、標準差。其中，高度為該段數(shù)據的最后一個數(shù)與第一個數(shù)的差值，長度為該段數(shù)據包含多少個數(shù)據點，均值段數(shù)據中的算術平均值，標準差為該段數(shù)據的標準差。
具體地說，設分段指標數(shù)據為X1＝<xi1,xi2, ,xip>，服務量指標數(shù)據為X＝<x1,x2, ,xn>，則可通過下述各式計算上述四個特征值：
高度sph＝x(ip)-x(i1)；長度spl＝ip-i1+1；均值標準差
步驟4，將所述特征值標準化；具體地說，可通過下述方式進行標準化：
設c1＝<c11,c12, ,c1p>為一組特征值，則用下式將該組特征值中的每個特征值標準化到0至1之間：
其中，cmax和cmin分別為c1＝<c11,c12, ,c1p>中的最大值和最小值。
步驟5，根據標準化后的所述特征值計算所述分段指標數(shù)據的異常值；
步驟6，歷史數(shù)據根據所述歷史數(shù)據得到異常值閾值。此時，需要在歷史數(shù)據中標記出哪些點是異常點，根據已知的異常點的特征值和正常點的特征值比較得出異常值的閾值，其中上，確定閾值的原則為能盡量將正常點和異常點區(qū)分開來。
步驟7，根據所述異常值和異常值閾值確定異常模式，輸出的異常值大于異常值閾值的點，即為異常點。例如，如果特征值中標準差的異常閾值為10，大于該閾值則認為該模式的標準差異常。在一個實施例中，首先，每一個分段指標數(shù)據都會計算出一個異常值，而異常模式是分段指標數(shù)據的異常值大于異常值閾值的分段指標數(shù)據，完成了每一分段指標數(shù)據與異常值閾值的比較，大于異常值閾值的分段指標數(shù)據段為異常模塊。
由于采用了上述技術方案，本發(fā)明可幫助醫(yī)院等用戶在管理時自動檢測指標體系的異常模式，降低了對管理者管理經驗的要求，檢測出更加科學的異常模式，且具有即時性，隨時檢測異常。
更特點地，本發(fā)明還可以采用除上述四個特征值以外的其他特征空間，如可以定義模式的峰度、模式的偏度等，并識別相應的異常模式；此外，本發(fā)明中也可以采用其他的異常值計算方法，還可將該異常模式檢測技術應用到其他領域。
優(yōu)選地，所述步驟2包括：從所述歷史數(shù)據的第二點開始遍歷，如果該點同時比其前后兩點大或同時比其前后兩點小，那么將該點作為所述歷史數(shù)據的一個極值點；以所述極值點為分界點將所述歷史數(shù)據分成多段以得到分段指標數(shù)據。例如，一段數(shù)據中給出n個極值點，以這n個極值點為端點將該段數(shù)據分為n+1段。
優(yōu)選地，所述步驟5包括：
步驟51，定義在四維特征空間中任意兩點的距離計算公式；其中，四維特征空間就是特征值空間，四維特征空間中的每一個點都包含四個維度，即上面定義的四個特征值，設點p(xp,yp,zp,kp)，q(xq,yq,zq,kq)為四維特征空間中的任意兩點，那么，對象p，q的距離為：
步驟52，定義四維特征空間中任意一點p的kth距離k-dist(p)，其中，該距離就是四維特征空間中的距離p的距離從小到大排序，第k大的距離對應的點；其中，四維特征空間中的點均為四個特征值確定的點，該處的k是四維特征空間中的距離p的距離從小到大排序，第k大的距離對應的點，dist表示距離；
步驟53，根據步驟52的kth距離定義p的k平均距離，其中，所述p的k平均距離是指p的1-dist(p)，2-dist(p),….,k-dist(p)距離的算數(shù)平均值，記為k-MD(P)；
步驟54，根據p的k平均距離定義k-變異系數(shù)，包括以下步驟：
步驟54a，計算四維特征空間的每一個特征值的特征子空間，共四個特征子空間；
步驟54b，分別計算p在四個特征子空間中的k平均距離k-MD1(p)，k-MD2(p)，k-MD3(p)，k-MD4(p)；
步驟54c，將k-MD(p)、k-MD1(p)、k-MD2(p)、k-MD3(p)、k-MD4(p)標準化后，得到k-MDO(p)、k-MDO1(p)、k-MDO2(p)、k-MDO3(p)、k-MDO4(p)；
步驟54d，根據下式計算k-變異系數(shù)：
k-變異系數(shù)＝k-MDO(p)+max{k-MD1(p)，k-MD2(p)，k-MD3(p)，k-MD4(p)}。
以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領域的技術人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。