公开(公告)号：CN109448808B

公开(公告)日：2022-05-03

申请号：CN201810992868.2

申请日：2018-08-29

Applicant: 北京大学

Inventor： 赵俊峰 ,  詹思延 ,  谢冰 ,  卓琳 ,  唐爽 ,  刘少钦

IPC: G16H20/10 ,  G16H70/40 ,  G06F16/335 ,  G06K9/62

Abstract: 本发明公开一种基于多视图主题建模技术的异常处方筛选方法，其步骤为：1)将来自医疗系统的数据整理成处方数据，其中每条处方数据中包含诊断特征和用药特征；2)将处方数据输入MV‑LDA模型进行训练；其中，MV‑LDA模型包括K个主题，每个主题中包含诊断特征视图和用药特征视图；主题k中的诊断特征视图由一个诊断特征集合和在每个诊断特征的所对应的概率值组成，用药特征视图由一个用药特征集合和集合中每个用药特征所对应的概率值组成；3)利用训练好的MV‑LDA模型对待识别处方数据进行推断，得到其基于诊断特征的主题分布和基于用药特征的主题分布；然后计算两主题分布的相似度，判断该待识别处方数据是否为异常处方。

公开(公告)号：CN109448808A

公开(公告)日：2019-03-08

申请号：CN201810992868.2

申请日：2018-08-29

Applicant: 北京大学

Inventor： 赵俊峰 ,  詹思延 ,  谢冰 ,  卓琳 ,  唐爽 ,  刘少钦

IPC: G16H20/10 ,  G16H70/40 ,  G06F16/335 ,  G06K9/62

Abstract: 本发明公开一种基于多视图主题建模技术的异常处方筛选方法，其步骤为：1)将来自医疗系统的数据整理成处方数据，其中每条处方数据中包含诊断特征和用药特征；2)将处方数据输入MV-LDA模型进行训练；其中，MV-LDA模型包括K个主题，每个主题中包含诊断特征视图和用药特征视图；主题k中的诊断特征视图由一个诊断特征集合和在每个诊断特征的所对应的概率值组成，用药特征视图由一个用药特征集合和集合中每个用药特征所对应的概率值组成；3)利用训练好的MV-LDA模型对待识别处方数据进行推断，得到其基于诊断特征的主题分布和基于用药特征的主题分布；然后计算两主题分布的相似度，判断该待识别处方数据是否为异常处方。