(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210043673.X (22)申请日 2022.01.14 (71)申请人 四川大学华西医院 地址 610041 四川省成 都市武侯区外南国 学巷37号 (72)发明人 蒋丽莎　李文畅　马洪升　 (74)专利代理 机构 成都熠邦鼎立专利代理有限 公司 5126 3 代理人 殷桂亭 (51)Int.Cl. G16H 10/60(2018.01) G16H 50/70(2018.01) G06K 9/62(2022.01) G06F 16/21(2019.01) G06F 16/25(2019.01)G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种患者 准入模型构建方法及系统 (57)摘要 本发明公开了一种患者准入模型构建方法 及系统， 包括： 数据库模块， 用于建立日间手术患 者多源异构数据库； 数据抽取模块， 用于采集患 者相关维度数据， 所述患者相关维度数据包括患 者基础数据、 患者影像检查报告数据和患者检查 项目数据； 变量处理模块， 用于对患者相关维度 数据进行预处理； 随机采样 模块， 用于利用self ‑ training算法进行训练； 交叉验证模块， 用于使 用5折交叉验证的方法进行模型的比较与参数的 调整， 并选择综合表现最佳的文本向量化算法以 及分类器。 本发 明建立智慧化全流程信息管理的 患者准入训练系统， 通过全流程的管理， 降低了 医院运行成本， 减少了日间手术患者术前就诊次 数， 降低了当日手术取消率和转住院率， 提高了 患者满意度。 权利要求书2页 说明书8页 附图3页 CN 114334064 A 2022.04.12 CN 114334064 A 1.一种患者 准入模型构建方法， 其特 征在于， 包括以下步骤： 抽取数据： 建立数据库， 采集患 者相关维度 数据， 所述患 者相关维度 数据包括患 者基础 数据、 患者影 像检查报告数据和患者检查项目数据； 变量处理： 对患者相关维度数据进行 预处理； 随机采样： 利用self ‑training算法进行训练； 交叉验证： 使用5折交叉验证的方法进行模型的比较与参数的调整， 选择出综合表现最 佳的文本向量 化算法以及分类 器。 2.根据权利要求1所述的一种患 者准入模型构建方法， 其特征在于， 所述抽取数据 具体 为： 建立日间手术患者多源异构数据库， 并在已建立的日间手术患者多源异构数据库中抽 取出患者相关维度数据， 并以患者唯一 号为公共ID进行合并。 3.根据权利要求2所述的一种患 者准入模型构建方法， 其特征在于， 所述并以患 者唯一 号为公共ID进行合并具体包括以下步骤： 在日间手术中心成功完成整个 手术流程的患者定义 为正例数据； 在日间手术中心中未成整个 手术流程的患者定义 为负例数据； 将住院部的患者定义 为unlabeled数据。 4.根据权利要求1所述的一种患 者准入模型构建方法， 其特征在于， 所述变量处理具体 包括以下步骤： 对患者相关维度数据中不需要的变量进行 过滤； 对缺失值超过3 0%的特征进行删除， 并对剩余的特 征利用mis sforest算法进行插补； 将患者在本次入院内的所有检查项目数据进行合并。 5.根据权利要求4所述的一种患 者准入模型构建方法， 其特征在于， 所述将患 者在本次 入院内的所有检查项目数据进行了合并， 还包括对合并数据进行处理， 具体包括以下子步 骤： 对于患者数据中检查报告的文本数据进行分词、 去停用词预处 理； 分别通过 预设的文本特 征提取算法， 对文本数据进行语义和上 下文信息的提取； 将转化为向量的文本数据与 数值型的结构化数据进行合并， 形成最终输入模型前的数 据。 6.根据权利要求5所述的一种患 者准入模型构建方法， 其特征在于， 所述文本特征提取 算法至少包括TF ‑IDF， Word2Vec， BERT中的一种。 7.根据权利要求1所述的一种患 者准入模型构建方法， 其特征在于， 所述随机采样具体 还包括以下子步骤： 将标注的数据分为训练集和 测试集， 通过训练集训练一个分类 器； 通过训练好的分类器， 对所有的未标注数据打标签， 对于分类器判断概率在90%以上的 数据， 标记为标注正确并添加至已标注数据中； 对新的训练集， 重新训练分类 器； 通过训练好的分类器， 预测测试集中的数据， 并通过预设的评价标准对分类器的效果 进行评价； 其中， 所述分类 器至少包括逻辑回归， 随机森林， XGBo ost， GBDT中的一种。 8.根据权利要求7所述的一种患 者准入模型构建方法， 其特征在于， 所述预设的评价标权　利　要　求　书 1/2 页 2 CN 114334064 A 2准至少包括Ac curacy， Precisi on， Recall， F1‑score， AUC中的一种。 9.一种患者 准入模型构建系统， 其特 征在于， 包括： 数据库模块， 用于建立日间手术患者多源异构数据库； 数据抽取模块， 用于采集患者相关维度数据， 所述患者相关维度数据包括患者基础数 据、 患者影 像检查报告数据和患者检查项目数据； 变量处理模块， 用于对患者相关维度数据进行 预处理； 随机采样模块， 用于利用self ‑training算法进行训练； 交叉验证模块， 用于使用5折交叉验证的方法进行模型的比较与参数的调整， 并选择出 综合表现最佳的文本向量 化算法以及分类 器； 其中， 所述变量处 理模块具体包括： 变量过滤单元， 用于对患者相关维度数据中不需要的变量进行 过滤； 特征处理单元， 对缺失值超过30%的特征进行删除， 并对剩余的特征利用missforest算 法进行插补； 数据合并单 元， 将患者在本次入院内的所有检查项目数据进行合并， 形成一个数据。 10.根据权利要求9所述的一种患者准入模型构建系统， 其特征在于， 所述随机采样模 块具体包括： 分类器训练单元， 用于将标注的数据分为训练集和测试集， 通过训练集训练一个分类 器； 数据标签单元， 用于通过训练好的分类器， 对所有的未标注数据打标签， 对于分类器判 断概率在90%以上的数据， 标记为标注正确并添加至已标注数据中； 重复训练单 元， 用于对新的训练集， 重新训练分类 器； 效果评价单元， 用于通过训练好的分类器， 预测测试集中的数据， 并通过预设的评价标 准对分类 器的效果进行评价； 其中， 所述分类 器至少包括逻辑回归， 随机森林， XGBo ost， GBDT中的一种。权　利　要　求　书 2/2 页 3 CN 114334064 A 3