一種推薦藥品的方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于數(shù)據(jù)處理領(lǐng)域,尤其涉及一種推薦藥品的方法和系統(tǒng)。
【背景技術(shù)】
[0002]健康和醫(yī)療診斷問題越來越受到人們的重視,然而,每年中國有近20萬人、美國有近10萬人死于醫(yī)療事故,其中超過42%的醫(yī)療事故是由醫(yī)生的錯誤導(dǎo)致,尤其是年輕經(jīng)驗較少的醫(yī)生。這是因為一方面許多醫(yī)院缺少特別疾病的專家,另一方面即使是專家診斷也難以避免失誤。醫(yī)療信息系統(tǒng)積累了大量的數(shù)據(jù),大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)可以用來挖掘診斷歷史記錄數(shù)據(jù)并且?guī)椭t(yī)生正確開藥方,從而減少醫(yī)療錯誤、提高診斷效率。
[0003]當(dāng)前醫(yī)生診斷錯誤時有發(fā)生,傳統(tǒng)的推薦系統(tǒng)大多數(shù)針對電子商務(wù)的推薦,例如商品、書和電影,并不能對藥品進(jìn)行推薦。
【發(fā)明內(nèi)容】
[0004]鑒于此,本發(fā)明提供一種推薦藥品的方法和系統(tǒng),以解決現(xiàn)有技術(shù)不能推薦藥品的技術(shù)問題。
[0005]本發(fā)明實施例是這樣實現(xiàn)的,一種推薦藥品的方法,所述方法包括以下步驟:
[0006]對待推薦藥品數(shù)據(jù)進(jìn)行預(yù)處理,獲取干凈數(shù)據(jù)集;
[0007]將所述干凈數(shù)據(jù)集應(yīng)用到預(yù)設(shè)的推薦模型中,通過預(yù)設(shè)的處理標(biāo)準(zhǔn)獲取最佳推薦模型;
[0008]通過所述最佳推薦模型處理所述干凈數(shù)據(jù)集,獲取推薦藥品。
[0009]本發(fā)明實施例還提供一種推薦藥品的系統(tǒng),所述系統(tǒng)包括:
[0010]干凈數(shù)據(jù)集獲取單元,用于對待推薦藥品數(shù)據(jù)進(jìn)行預(yù)處理,獲取干凈數(shù)據(jù)集;
[0011]最佳推薦模型獲取單元,用于將所述干凈數(shù)據(jù)集獲取單元獲取的干凈數(shù)據(jù)集應(yīng)用到預(yù)設(shè)的推薦模型中,通過預(yù)設(shè)的處理標(biāo)準(zhǔn)獲取最佳推薦模型;
[0012]推薦藥品獲取單元,用于通過所述最佳推薦模型獲取單元獲取的最佳推薦模型處理所述干凈數(shù)據(jù)集,獲取推薦藥品。
[0013]本發(fā)明實施例,對待推薦藥品數(shù)據(jù)進(jìn)行預(yù)處理,獲取干凈數(shù)據(jù)集,將干凈數(shù)據(jù)集應(yīng)用到預(yù)設(shè)的推薦模型中,通過預(yù)設(shè)的處理標(biāo)準(zhǔn)獲取最佳推薦模型,通過最佳推薦模型處理干凈數(shù)據(jù)集,獲取推薦藥品,提供了一種藥品的推薦方法和推薦系統(tǒng),使得病人可以根據(jù)該方法或系統(tǒng)獲取藥品推薦信息。
【附圖說明】
[0014]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案,下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動性的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
[0015]圖1是本發(fā)明實施例提供的推薦藥品方法的流程圖;
[0016]圖2是本發(fā)明實施例提供的推薦藥品系統(tǒng)的結(jié)構(gòu)圖;
[0017]圖3是本發(fā)明實施例提供的不同藥品推薦模型的準(zhǔn)確率和效率的示意圖。
【具體實施方式】
[0018]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白,以下結(jié)合附圖及實施例,對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
[0019]為了說明本發(fā)明所述的技術(shù)方案,下面通過具體實施例來進(jìn)行說明。
[0020]實施例一
[0021]如圖1所示為本發(fā)明實施例提供的推薦藥品方法的流程圖,所述方法包括以下步驟:
[0022]步驟S101,對待推薦藥品數(shù)據(jù)進(jìn)行預(yù)處理,獲取干凈數(shù)據(jù)集。
[0023]在本發(fā)明實施例中,原始的待推薦藥品數(shù)據(jù)是不完整、有噪音的,因此需要對該待處理藥品數(shù)據(jù)進(jìn)行預(yù)處理,該預(yù)處理包括但不限于:缺失值處理、數(shù)據(jù)相關(guān)性分析和數(shù)據(jù)歸
—化。O
[0024]步驟S102,將所述干凈數(shù)據(jù)集應(yīng)用到預(yù)設(shè)的推薦模型中,通過預(yù)設(shè)的處理標(biāo)準(zhǔn)獲取最佳推薦模型。
[0025]在本發(fā)明實施例中,系統(tǒng)中預(yù)設(shè)有多個不同的推薦模型,不同的干凈數(shù)據(jù)集使用的不同的推薦模型可以使推薦的速度最快、推薦結(jié)果最佳,因此需要根據(jù)預(yù)設(shè)的推薦標(biāo)準(zhǔn)獲取最佳的推薦模型,該推薦模型包括但不限于:SVM(Support Vector Machine,簡稱:支持向量機(jī))模型、BP神經(jīng)網(wǎng)絡(luò)模型和ID3決策樹模型,該處理標(biāo)準(zhǔn)包括但不限于:處理效率、處理準(zhǔn)確性和擴(kuò)展性。
[0026]步驟S103,通過所述最佳推薦模型處理所述干凈數(shù)據(jù)集,獲取推薦藥品。
[0027]在本發(fā)明實施例中,在選擇出了最佳推薦模型之后,通過該最佳推薦模型對干凈數(shù)據(jù)集進(jìn)行,獲取推薦的藥品。
[0028]本發(fā)明實施例,對待推薦藥品數(shù)據(jù)進(jìn)行預(yù)處理,獲取干凈數(shù)據(jù)集,將干凈數(shù)據(jù)集應(yīng)用到預(yù)設(shè)的推薦模型中,通過預(yù)設(shè)的處理標(biāo)準(zhǔn)獲取最佳推薦模型,通過最佳推薦模型處理干凈數(shù)據(jù)集,獲取推薦藥品,提供了一種藥品的推薦方法,使得病人可以根據(jù)該方法獲取藥品推薦信息。
[0029]作為本發(fā)明的一個可選實施例,在所述通過所述最佳推薦模型處理所述干凈數(shù)據(jù)集,獲取推薦藥品的步驟之后,所述方法還包括:
[0030]將所述推薦藥品與根據(jù)專家知識推薦的藥品進(jìn)行匹配,如果不匹配,則專家重新推薦,獲取最終推薦藥品。
[0031]作為本發(fā)明的另一個可選實施例,在所述對待推薦藥品數(shù)據(jù)進(jìn)行預(yù)處理,獲取干凈數(shù)據(jù)集的步驟之后,將所述干凈數(shù)據(jù)集應(yīng)用到預(yù)設(shè)的推薦模型中,通過預(yù)設(shè)的處理標(biāo)準(zhǔn)獲取最佳推薦模型的步驟之前,所述方法還包括以下步驟:
[0032]對所述干凈數(shù)據(jù)集進(jìn)行可視化展示。
[0033]舉例說明:
[0034]I)獲得具有1250個診斷案例的數(shù)據(jù)集,建立相關(guān)的專家知識庫、診斷案例庫和藥品庫;
[0035]2)對診斷案例數(shù)據(jù)進(jìn)行預(yù)處理,診斷案例的數(shù)據(jù)屬性包括年齡、性別、血壓、膽固醇含量、血鈉濃度、血鉀濃度和藥的種類。經(jīng)過缺失值處理,剩下1200條數(shù)據(jù),經(jīng)過相關(guān)性分析,剔除不相關(guān)的屬性性別,并對數(shù)據(jù)進(jìn)行歸一化。
[0036]3)采用可視化技術(shù)對診斷案例數(shù)據(jù)進(jìn)行可視化分析,圖2展現(xiàn)診斷案例數(shù)據(jù)的基本規(guī)律,當(dāng)血鉀濃度,較低時應(yīng)該選擇藥品Y。
[0037]4)選擇SVM、BP神經(jīng)網(wǎng)絡(luò)和ID3決策樹進(jìn)行推薦模型的建立。
[0038]5)模型評估模塊根據(jù)模型的準(zhǔn)確率、效率和模型的可擴(kuò)展性對模型進(jìn)行自主評估,圖3展示了不同模型的準(zhǔn)確率和效率。最后選擇了 SVM為最后推薦模型,在模型的準(zhǔn)確率、效率和擴(kuò)展性之間得到一個很好的權(quán)衡。
[0039]6)根據(jù)步驟5)選的推薦模型,進(jìn)行藥品推薦,錯誤檢查機(jī)制誤檢查機(jī)制通過專家經(jīng)驗庫與推薦的藥品進(jìn)行匹配,如果匹