一种基于广义神经网络聚类的疾病病种诊疗方案预测方法

摘要

本发明在研究过程中针对医疗数据的复杂性和不确定性，以及能迅速的为临床医生提供辅助决策支持，基于此，本发明以医疗机构的电子病历为基础，以实现对患者采用不同治疗方案中最优治疗方案为目的的研究。以住院的高血压患者为背景，通过提取患者住院期间的个人信息、体征信息和检验检查指标等特征信息，采用FCM模糊聚类分析方法对患者的病症特征进行模糊划分，获得聚类结果，并在此基础上构建基于减法聚类FCM算法的广义神经网络模型，对模糊聚类的结果进行网络训练，并将训练结果反馈到电子病历中，并针对新患者在接受临床路径时可能产生的治疗效果和治疗费用等进行预测，从而实现优化临床路径决策的目的。

主权项

一种基于广义神经网络聚类的疾病病种诊疗方案预测方法，其特征在于，包括以下步骤：步骤1、提取一定数量患者的非结构化的患者诊断体征数据信息后，进行结构化处理，提取患者与目标疾病相关的体征数据信息，再结合患者的人口特征信息数据及检验检查信息，组成患者信息矩阵；步骤2、依据临床医生的实际诊疗经验，根据患者的体征数据信息将患者划分为c种类型，2≤c≤n，并分别进行模糊属性赋值，从而表示患者病情的严重程度；步骤3、构建基于减法FCM聚类的模糊聚类分析模型，以步骤1得到的患者信息矩阵作为输入，采用聚类分析方法对数据进行分为c种群体，其中，群内部的个体具有较高的相似性，而不同群体个体相似度较低，在聚类过程中采用模糊C‑均值聚类算法FCM进行聚类；步骤4、构建基于减法FCM聚类算法的广义神经网络模型，根据模糊聚类分析模型的聚类结果，从每一类中选择最靠近类内中心的M组数据作为神经网络训练数据训练神经网络模型，训练过的广义神经网络聚类学习了患者病症特征以及临床路径标准病症特征参数，并将训练结果反馈到电子病历中，针对新患者在接受临床路径时疾病病种诊疗方案进行预测，从而实现优化临床路径决策的目的。