基于大数据知识库的个性化治疗方案推荐系统的制作方法
【专利摘要】本发明提供了一种治疗方案推荐系统，该系统包括：信息获取模块，用于获取用户的病情信息和个人信息，将用户的病情信息作为第一病情信息，将用户的个人信息作为第一个人信息；匹配模块，用于将第一病情信息及第一个人信息与知识库中的病情信息及个人信息进行匹配，确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息；推荐模块，用于获取与第二病情信息及第二个人信息对应的治疗方案，将获取到的治疗方案推荐给用户。由于系统不再依赖于个人的主观经验，而是根据病情信息和个人信息的客观历史数据，因此，推荐的治疗方案更具有针对性和可靠性，进而辅助医生和病人更加快速、准确、合理地确定治疗方案。
【专利说明】
基于大数据知识库的个性化治疗方案推荐系统
技术领域
[0001]本发明涉及计算机技术与医疗卫生技术领域，特别是涉及一种基于大数据知识库的个性化治疗方案推荐系统。
【背景技术】
[0002]目前，传统的医患沟通模式为患者需要到医院找医生，与医生进行面对面的病情沟通，医生根据病人的病情，通过检查结果、自身经验或者专家库中已有的数据进行参考推理，得到针对该病人的病情治疗方案推荐给病人。上述这种方式过于依赖专家或专家库的主观经验和理论知识，同时，一旦专家或专家库的知识有误，则会产生错误的治疗方案推荐结果，推荐方案会有偏差，对患者病情的治疗具有不良的影响，延缓了患者获得健康的时效性。
【发明内容】
[0003]基于此，有必要提供一种能够根据不同病人的个性化病症，准确、有效且及时的基于大数据知识库的个性化治疗方案推荐系统。
[0004]—种治疗方案推荐系统，所述系统包括:信息获取模块，用于获取用户的病情信息和个人信息，将所述用户的病情信息作为第一病情信息，将所述用户的个人信息作为第一个人信息；匹配模块，用于将所述第一病情信息及所述第一个人信息与知识库中的病情信息及个人信息进行匹配，确定与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息;推荐模块，用于获取与所述第二病情信息及第二个人信息对应的治疗方案，将获取到的所述治疗方案推荐给所述用户。
[0005]在其中一个实施例中，所述系统还包括:建立模块，用于建立知识库，所述知识库包括多个治疗案例，所述治疗案例包括病情信息、个人信息、及与所述病情信息及个人信息对应的治疗方案和治疗效果的分数值。
[0006]在其中一个实施例中，所述信息获取模块还用于通过穿戴式设备或远程医疗设备自动获取病人的病情信息；或者通过病人注册信息或病历信息自动获取病人的个人信息；或者通过终端获取用户输入的病情信息和个人信息。
[0007]在其中一个实施例中，所述匹配模块包括:第一获取单元，用于将所述第一病情信息与所述知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合;第一计算单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合;第一查找单元，用于查找所述第二治疗案例集合中每个治疗案例的治疗效果的分数值；第一匹配单元，用于将所述分数值最大的治疗效果对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0008]在其中一个实施例中，所述匹配模块包括:第二获取单元，用于将所述第一病情信息与所述知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合;第二计算单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合;第二查找单元，用于查找所述第二治疗案例集合中每个治疗案例的治疗效果的分数值；匹配优先度计算单元，用于根据获取的所述第二治疗案例集合中每个治疗案例的病情信息匹配度、个人信息匹配度和治疗效果的分数值计算每个治疗案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度;第二匹配单元，将所述第一匹配优先度对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0009]在其中一个实施例中，所述第一计算单元或第二计算单元包括:年龄计算子单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值;距离计算子单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离;个人信息匹配子单元，用于个人信息根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息之间的匹配度。
[0010]在其中一个实施例中，所述系统还包括:反馈模块，用于获取用户对所述治疗方案的反馈，根据所述反馈确定与所述治疗方案对应的治疗效果的分数值;添加模块，用于将所述第一病情信息、第一个人信息、推荐的所述治疗方案及所述治疗效果的分数值作为一个治疗案例添加至所述知识库中，当所述知识库中治疗案例的数量达到第一预设阈值时，形成大数据知识库。
[0011 ]在其中一个实施例中，所述建立模块包括:分布存储单元，用于将所述知识库中的多个治疗案例分别存储到多个计算节点中，其中，每个计算节点存储至少一个治疗案例;冗余存储单元，用于将所述知识库中的每个治疗案例复制至少一份存储到其他计算节点中，作为所述治疗案例的冗余备份;容错单元，用于将异常计算节点上的治疗案例从所述冗余备份的计算节点中复制到正常计算节点上。
[0012]在其中一个实施例中，所述匹配模块包括:第一并行匹配单元，用于将所述第一病情信息与所述知识库中的各个计算节点中治疗案例的病情信息进行并行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合;第二并行匹配单元，用于将所述第一治疗案例集合中的每个治疗案例的个人信息与所述第一个人信息进行并行匹配，获取匹配度大于第二预设阈值的第二治疗案例集合；比较单元，用于在知识库中的各个计算节点上查找与所述第二治疗案例集合中每个治疗案例对应的治疗效果的分数值，通过比较将分数值最大的治疗效果对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0013]在其中一个实施例中，所述匹配模块包括:第三并行匹配单元，用于将所述第一病情信息与所述知识库中的各个计算节点中治疗案例的病情信息进行并行匹配，获取匹配度大于第三预设阈值的第三治疗案例集合;第四并行匹配单元，用于将所述第一治疗案例集合中的每个治疗案例的个人信息与所述第一个人信息进行并行匹配，获取匹配度大于第四预设阈值的第四治疗案例集合;并行计算单元，用于在知识库中的各个计算节点上查找所述第四治疗案例集合中每个治疗案例的治疗效果的分数值，根据所述第四治疗案例集合中每个病情信息的匹配度、个人信息的匹配度以及所述治疗效果的分数值并行计算对应的计算节点上的各个治疗案例的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将所述第一匹配优先度对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0014]上述治疗方案推荐系统，通过信息获取模块获取用户的病情信息和个人信息，将用户的病情信息作为第一病情信息，将用户的个人信息作为第一个人信息，然后通过匹配模块将第一病情信息及第一个人信息与知识库中的病情信息及个人信息进行匹配，确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息，继而通过推荐模块获取与第二病情信息及第二个人信息对应的治疗方案，将获取到的治疗方案推荐给用户。上述治疗方案推荐系统，基于大数据的知识库将用户的病情信息及个人信息与知识库中的病情信息及个人信息进行匹配，通过确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息，从而确定最能治疗病人病情的治疗方案，然后将找到治疗方案推荐给该用户，实现了获取与第一病情信息及个人信息对应的治疗方案的及时性和便捷性，且由于系统不再依赖于个人的主观经验，而是根据病情信息的客观历史数据，因此，推荐的治疗方案更具有针对性和可靠性，进而辅助医生和病人更加快速、准确、合理地确定治疗方案。
【附图说明】
[0015]图1为一个实施例中治疗方案推荐系统的结构示意图；
[0016]图2为另一个实施例中治疗方案推荐系统的结构示意图；
[0017]图3为一个实施例中匹配模块的结构框图；
[0018]图4为另一个实施例中匹配模块的结构框图；
[0019]图5为一个实施例中第一计算单元的结构框图；
[0020]图6为又一个实施例中治疗方案推荐系统的结构示意图；
[0021 ]图7为一个实施例中建立模块的结构框图；
[0022]图8为又一个实施例中匹配模块的结构框图；
[0023]图9为再一个实施例中匹配模块的结构框图。
【具体实施方式】
[0024]为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明基于大数据知识库的个性化治疗方案推荐系统的【具体实施方式】进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0025]如图1所示，在一个实施例中，提出了一种治疗方案推荐系统，该系统包括信息获取模块102，病情信息匹配模块104，推荐模块106。
[0026]信息获取模块102用于获取用户的病情信息和个人信息，将所述用户的病情信息作为第一病情信息，将用户的个人信息作为第一个人信息。
[0027]在本实施例中，用户病情信息和个人信息的获取可以通过终端来获取，比如，可以通过终端输入用户的病情信息和个人信息。其中，终端可以是智能手机、平板电脑、笔记本电脑、穿戴式智能设备等可以录入病情信息的电子设备。具体的，可在终端机上运行用户病情管理系统，通过该系统对用户的病情信息和用户的个人信息进行录入。其中，病情信息包括疾病的变化情况、疾病的起因、疾病的临床表现以及相关情况等，用户的个人信息包括但不限于用户的年龄、性别、所在地等信息。
[0028]匹配模块104用于将所述第一病情信息及所述第一个人信息与知识库中的病情信息及个人信息进行匹配，确定与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0029]具体的，将第一病情信息与知识库中的各个病情信息进行匹配，分别计算各个病情信息与第一病情信息的匹配度，获取匹配度大于预设阈值的病情信息集合，然后将第一个人信息与病情信息集合中每个病情信息对应的个人信息进行匹配，计算病情信息集合中每个病情信息对应的个人信息与第一个人信息之间的匹配度，根据计算得到的知识库中病情信息与第一病情信息之间的匹配度和个人信息与第一个人信息之间的匹配度，确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。具体的，知识库中预存有多个治疗案例，每个治疗案例包括病情信息、个人信息、及与该病情信息和个人信息对应的治疗方案和治疗效果的分数值。同一个治疗案例中，病情信息、个人信息、治疗方案、治疗效果的分数值之间是相互对应的。确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息的方法有多种，在一个实施例中，首先将第一病情信息与知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合，然后计算第一治疗案例集合中每个治疗案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合，然后获取第二治疗案例集合中每个治疗案例的治疗效果的分数值，将分数值最大的治疗效果对应的病情信息及个人信息作为与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。在另一个实施例中，将第一个病情信息与知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合，然后计算第一治疗案例集合中每个治疗案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合，然后获取第二治疗案例集合中每个治疗案例的治疗效果的分数值，最后根据获取的第二治疗案例集合中每个治疗案例的病情信息与第一病情信息的匹配度，个人信息与第一个人信息的匹配度及对应的治疗效果的分数值计算每个治疗案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度，将第一匹配优先度对应的病情信息及个人信息作为与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0030]推荐模块106用于获取与所述第二病情信息及第二个人信息对应的治疗方案，将获取到的所述治疗方案推荐给所述用户。
[0031]具体的，知识库中预先存储了大量的治疗案例，每个治疗案例包括病情信息、个人信息及与该病情信息及个人信息对应的治疗方案、治疗效果的分数值。其中，治疗效果的分数值反映了治疗效果的好坏，分数值越高，说明治疗效果越好。计算得到与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息后，获取与该第二病情信息及第二个人信息对应的治疗方案。由于第一问信息及个人信息与第二病情信息及第二个人信息之间的匹配度最大，其相似性也最大，能够治疗第二病情信息的治疗方案有很大概率可以治疗用户的病情，因此可以利用第二病情信息的治疗方案来辅助医生和病人更加快速、准确、合理地确定治疗方案。治疗方案的信息可以通过网络推送给用户，也可以通过短信的形式发送到与用户对应的终端，还可以通过邮件等形式发送给用户。用户收到针对该用户的病情信息即第一病情信息的治疗方案后，可以根据该治疗方案的治疗效果对该治疗方案进行评分，将用户的评分作为与治疗方案对应的治疗效果的分数值，然后将第一病情信息、以及为第一病情信息推荐的治疗方案和治疗效果的分数值一起作为一个新的治疗案例添加到知识库中，使知识库逐渐的完善。
[0032]在本实施例中，通过信息获取模块获取用户的病情信息和个人信息，将用户的病情信息作为第一病情信息，将用户的个人信息作为第一个人信息，然后通过匹配模块将第一病情信息及第一个人信息与知识库中的病情信息及个人信息进行匹配，确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息，继而通过推荐模块获取与第二病情信息及第二个人信息对应的治疗方案，将获取到的治疗方案推荐给用户。上述治疗方案推荐系统，基于大数据的知识库将用户的病情信息及个人信息与知识库中的病情信息及个人信息进行匹配，通过确定与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息，从而确定最能治疗病人病情的治疗方案，然后将找到治疗方案推荐给该用户，实现了获取与第一病情信息及个人信息对应的治疗方案的及时性和便捷性，且由于系统不再依赖于个人的主观经验，而是根据病情信息的客观历史数据，因此，推荐的治疗方案更具有针对性和可靠性，进而辅助医生和病人更加快速、准确、合理地确定治疗方案。
[0033]如图2所示，在一个实施例中，上述治疗方案推荐系统还包括:
[0034]建立模块101，用于建立知识库，所述知识库包括多个治疗案例，所述治疗案例包括病情信息、个人信息、及与所述病情信息及个人信息对应的治疗方案和治疗效果的分数值。
[0035]在本实施例中，预先建立知识库，知识库中包括多个治疗案例。每个治疗案例中包括病情信息、个人信息及与该病情信息及个人信息对应的治疗方案和治疗效果的分数值，治疗效果的分数值用于反映该治疗方案对应的治疗效果的优劣，分数值越大，说明治疗效果越好，反之，分数值越小，治疗效果就越差。分数值来源于用户对治疗方案的反馈，用户的反馈可以通过评分来实现。本发明实施例中知识库可以为治疗方案的大数据知识库，治疗方案大数据知识库是知识工程中结构化、易操作、易利用、全面有组织的知识集群，可以针对专业领域病情求解的需求，采用专业知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与专业领域相关的理论知识、事实数据。例如，专业领域内有关的定义、定理和运算规则以及常识性知识等。
[0036]在一个实施例中，信息获取模块还用于通过穿戴式设备或远程医疗设备自动获取病人的病情信息；或者通过病人注册信息或病历信息自动获取病人的个人信息；或者通过终端获取用户输入的病情信息和个人信息。
[0037]在本实施例中，病人的病人信息的获取可以通过穿戴式设备或者远程医疗设备自动获取病人的病人信息，相当于通过检测病人的身体状况以获取的病人的病情信息。还可以通过终端直接获取用户输入的病人的病情信息，这里的病情信息包括但不限于病情的症状信息、生命体征值、病情病因等信息。病人的个人信息可以通过病人注册信息或者病历信息自动获取病人的个人信息。
[0038]如图3所示，在一个实施例中，匹配模块104包括:
[0039]第一获取单元104A，用于将所述第一病情信息与所述知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合。
[0040]在本实施例中，将第一病情信息与知识库中的各个治疗案例的病情信息一一进行匹配，并计算每个病情信息与第一病情信息之间的匹配度，然后根据计算得到的匹配度，获取大于第一预设阈值的所有病情信息，将获取到的所有病情信息对应的治疗案例作为第一治疗案例。匹配度的预设阈值的取值范围在O到I之间。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一病情信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的病情信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80%)的病情信息全部收集起来组成一个病情信息集合。在另一个实施例中，从获取的用户的病情信息中抽取关键词作为第一关键词，从大数据知识库中治疗案例中的病情信息中抽取关键词作为第二关键词，用户病情信息与知识库中各个病情信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的病情信息中提取的第一关键词的次数为10个，那么如果数据库中的某个病情信息中的关键词有7个与第一关键词匹配成功，那么该病情信息与第一病情信息的匹配度就是70%。
[0041]第一计算单元104B，用于计算所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合。
[0042]在本实施例中，将第一病情信息与知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合后，将第一治疗案例集合中每个治疗案例的个人信息与第一个人信息进行匹配，通过计算第一治疗案例集合中每个治疗案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合。具体的，个人信息包括但不限于用户年龄、用户所在地等信息。个人信息之间匹配度的计算有多种，在一个实施例中，计算第一治疗案例集合中每个治疗案例的个人信息中的用户年龄与第一个人信息的用户年龄的差值的绝对值，绝对值越小说明年龄相差越小，其相应的匹配度就越大，可以通过设置一个年龄差值的绝对值与匹配度反相关的函数来计算相应的年龄匹配度。在另一个实施例中，有些时候用户的病情具有地域特色，所以可以通过计算每个治疗案例的个人信息中的用户所在地与第一个人信息的用户所在地的距离来计算相应的所在地匹配度。此外，为了更准确的匹配用户的个人信息可以综合考虑用户的个人信息中年龄匹配度和用户所在地匹配度来计算个人信息的匹配度。
[0043]第一查找单元104C，用于查找所述第二治疗案例集合中每个治疗案例的治疗效果的分数值。
[0044]在本实施例中，获取到个人信息匹配度大于第二预设阈值的第二治疗案例集合后，进一步的去获取该治疗案例集合中每个治疗案例的治疗效果的分数值，分数值越大，说明治疗效果越好。具体的，比如，首先获取病情信息匹配度大于90%的第一治疗案例集合，此时第一治疗案例集合中的病情信息基本上都和第一病情信息比较相似，接下来需要获取第一治疗案例集合中个人信息与第一个人信息的匹配度，将匹配度大于95%的治疗案例作为第二治疗案例集合，此时第二治疗案例集合中不但病情信息比较相似，用户的个人信息也比较相似。然后去获取第二治疗案例集合中每个治疗案例的治疗效果的分数值，分数值越大，说明治疗效果越好，也同时说明对应的治疗方案越符合用户的需求。
[0045]第一匹配单元104D，用于将所述分数值最大的治疗效果对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0046]在本实施例中，获取到第二治疗案例集合中每个治疗案例对应的治疗效果的分数值后，通过比较各个治疗案例的治疗效果的分数值，将分数值最大的治疗效果对应的病情信息作为与第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息，进而获取与该第二病情信息及第二个人信息对应的治疗方案，将该治疗方案推荐给用户。
[0047]如图4所示，在一个实施例中，匹配模块104包括:
[0048]第二获取单元104a，用于将所述第一病情信息与所述知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合。
[0049]在本实施例中，将第一病情信息与知识库中的各个治疗案例的病情信息一一进行匹配，并计算每个病情信息与第一病情信息之间的匹配度，然后根据计算得到的匹配度，获取大于第一预设阈值的所有病情信息，将获取到的所有病情信息对应的治疗案例作为第一治疗案例。匹配度的预设阈值的取值范围在O到I之间。计算匹配度的方法可以有多种，比如，可以根据关键词进行匹配，将匹配成功的关键词数作为匹配度。其中，在进行关键词的匹配时，将关键词作为字符串，既可以采用字符串的精确匹配，也可以采用字符串的模糊匹配。具体的，提取第一病情信息中的关键词作为第一关键词，然后利用第一关键词与知识库中的病情信息进行匹配，匹配的关键词数越多，相应的匹配度也就越大，将匹配度大于预设阈值(比如，80%)的病情信息全部收集起来组成一个病情信息集合。在另一个实施例中，从获取的用户的病情信息中抽取关键词作为第一关键词，从大数据知识库中治疗案例中的病情信息中抽取关键词作为第二关键词，用户病情信息与知识库中各个病情信息的匹配实际上就是第一关键词与第二关键词进行匹配，并将匹配成功的关键词数在第一关键词数中的占比作为相应的匹配度。比如，从用户的病情信息中提取的第一关键词的次数为10个，那么如果数据库中的某个病情信息中的关键词有7个与第一关键词匹配成功，那么该病情信息与第一病情信息的匹配度就是70%。
[0050]第二计算单元104b，用于计算所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合。
[0051]在本实施例中，将第一病情信息与知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合后，将第一治疗案例集合中每个治疗案例的个人信息与第一个人信息进行匹配，通过计算第一治疗案例集合中每个治疗案例的个人信息与第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合。具体的，个人信息包括但不限于用户年龄、用户所在地等信息。个人信息之间匹配度的计算有多种，在一个实施例中，计算第一治疗案例集合中每个治疗案例的个人信息中的用户年龄与第一个人信息的用户年龄的差值的绝对值，绝对值越小说明年龄相差越小，其相应的匹配度就越大，可以通过设置一个年龄差值的绝对值与匹配度反相关的函数来计算相应的年龄匹配度。在另一个实施例中，有些时候用户的病情具有地域特色，所以可以通过计算每个治疗案例的个人信息中的用户所在地与第一个人信息的用户所在地的距离来计算相应的所在地匹配度。此外，为了更准确的匹配用户的个人信息可以综合考虑用户的个人信息中年龄匹配度和用户所在地匹配度来计算个人信息的匹配度。
[0052]第二查找单元104c，用于查找所述第二治疗案例集合中每个治疗案例的治疗效果的分数值。
[0053]在本实施例中，获取到个人信息匹配度大于第二预设阈值的第二治疗案例集合后，进一步的去获取该治疗案例集合中每个治疗案例的治疗效果的分数值，分数值越大，说明治疗效果越好。
[0054]匹配优先度计算单元104d，用于根据获取的所述第二治疗案例集合中每个治疗案例的病情信息匹配度、个人信息匹配度和治疗效果的分数值计算每个治疗案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度。
[0055]在本实施例中，获取第二治疗案例集合中每个治疗案例的病情信息匹配度、个人信息匹配度和治疗效果的分数值，采用加权平均的方法计算病情信息集合中每个治疗案例的匹配优先度。具体的，将病情信息的匹配度设为Pl，将个人信息的匹配度设为P2，将治疗效果的分数值设为P3，然后分别设置病情信息匹配度Pl的权重参数为kl，个人信息匹配度?2的权重参数为1^，治疗效果的分数值?3的权重参数为1^3。其中汰1+1^+1^3 = 1，1^1、1^、1^3为大于O小于I的数。那么每个治疗案例的匹配度优先度为Pl*kl+P2*k2+P3*k3。然后将计算得到的最大的匹配优先度作为第一匹配优先度。
[0056]第二匹配单元104e，将所述第一匹配优先度对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0057]具体的，将计算得到的最大的匹配优先度作为第一匹配优先度，然后获取与该第一匹配优先度对应的病情信息和个人信息，该第一匹配优先度对应的病情信息及个人信息作为第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
[0058]如图5所示，在一个实施例中，第一计算单元104B包括:
[0059]年龄计算子单元502，用于计算所述第一治疗案例集合中每个治疗案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值。
[0060]具体的，个人信息包括用户的年龄、性别、用户所在地等信息。获取到病情信息匹配度大于第一预设阈值的第一治疗案例集合后，获取第一治疗案例集合中每个治疗案例的个人信息中的用户年龄，并与第一个人信息的用户年龄进行比较，计算得到每个治疗案例的个人信息中的用户年龄与第一个人信息的用户年龄之间的差值的绝对值。比如，若获取的第一用户信息中用户的年龄为36岁，其中一个治疗案例中的个人信息中的用户年龄为32岁，那么两者年龄的差值为32_36 = _4，差值的绝对值就是4岁。
[0061]距离计算子单元504，用于计算所述第一治疗案例集合中每个治疗案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离。
[0062]在本实施例中，获取第一治疗案例集合中每个治疗案例的个人信息的用户所在地，并与第一个人信息中的用户所在地进行比较，计算两者之间的距离。具体的，距离的计算可以采用模糊的估算，比如，如果两者分别在两个城市，那么可以将两个城市之间的距离作为两者的距离。如果两者在同一城市的不同区域，那么可以将两个区域之间的距离作为两者的距离，如果两者在同一城市同一区域，那么可以认为两者的距离很近，几乎可以设为O。
[0063]个人信息匹配子单元506，用于个人信息根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息之间的匹配度。
[0064]在本实施例中，计算得到用户年龄的差值的绝对值和用户所在地的距离后，根据预设的函数关系计算第一治疗案例集合中每个治疗案例的个人信息与第一个人信息之间的匹配度。具体的，假设计算得到的用户年龄的差值的绝对值为X，用户所在地的距离为Y，那么个人信息匹配度可以表示为X和Y的函数，即f(x，Y)，其中，X和Y都是大于或等于O的数，并且X与函数f(X，Y)成反相关，Y与函数f(X，Y)也成反相关。也就是说，年龄差值的绝对值越大，其匹配度反而越小，距离越大，其匹配度也越小，反之，年龄差值的绝对值越小，距离越小，其对应的个人信息的匹配度越大。
[0065]如图6所示，在一个实施例中，上述治疗方案推荐系统还包括:
[0066]反馈模块108，用于获取用户对所述治疗方案的反馈，根据所述反馈确定与所述治疗方案对应的治疗效果的分数值。
[0067]在本实施例中，获取用户对推荐的治疗方案的反馈，根据用户的反馈来确定与治疗方案对应的治疗效果的分数值。具体的，用户的反馈可以直接通过打分的形式，比如满分为100分，根据治疗的效果对推荐方案进行相应的打分，然后将用户的打分作为治疗效果的分数值。还可以通过获取用户对治疗方案的满意程度，然后将用户的满意程度转换为相应的分数进行存储，具体的，假设满意程度分为五种，分别是非常满意，满意，一般般，不满意，非常不满意，预先设置每种满意程度对应的分数值，比如，非常满意对应的分数值为100分，满意对应的分数值为80分，一般般对应的分数值为60分，不满意对应的分数值为30分，非常不满意对应的分数为O分。比如，用户对治疗方案的评价为一般般，那么后台自动将对应60分作为治疗效果的分数值。
[0068]添加模块110，用于将所述第一病情信息、第一个人信息、推荐的所述治疗方案及所述治疗效果的分数值作为一个治疗案例添加至所述知识库中，当所述知识库中治疗案例的数量达到第一预设阈值时，形成大数据知识库。
[0069]具体的，获取用户对推荐方案的评分后，也就是获取了治疗效果的分数值。将之前用户的病情信息即第一病情信息、个人信息，为该第一病情信息及个人信推荐的治疗方案和上述治疗效果的分数值一起作为一个新的治疗案例添加至知识库中，通过该方法能够不断地完善知识库。当知识库中的治疗案例的数量大于第一预设阈值(比如，第一预设阈值设为I万)时，就形成了大数据知识库，大数据知识库中治疗案例的数量越大，能找到更为匹配的病情信息的概率就越大。由此，推荐的治疗方案也会越来越可靠。
[0070]如图7所示，在一个实施例中，建立模块101包括:
[0071]分布存储单元101A，用于将所述知识库中的多个治疗案例分别存储到多个计算节点中，其中，每个计算节点存储至少一个治疗案例。
[0072]在本实施例中，治疗案例是存储在计算节点中的，每个计算节点存储至少一个治疗案例，大数据知识库中的多个治疗案例分别存储在多个计算节点中。其中，治疗案例包括病情信息、与病情信息对应的治疗方案和治疗效果等。治疗效果可以通过分数值来反映，分数值越大，表示治疗效果越好。
[0073]冗余存储单元101B，用于将所述知识库中的每个治疗案例复制至少一份存储到其他计算节点中，作为所述治疗案例的冗余备份。
[0074]在本实施例中，将大数据知识库中的治疗案例复制P份，分别存到P个计算节点中，作为治疗案例的冗余备份。其中，P为大于或等于I的整数。冗余备份的目的是，当某个计算节点出现异常时，将该异常的计算节点上的治疗案例从冗余备份的计算节点中找到，并将其复制到正常的计算节点上。
[0075]容错单元101C，用于将异常计算节点上的治疗案例从所述冗余备份的计算节点中复制到正常计算节点上。
[0076]在本实施例中，为了使系统具有容错功能，在建立模块中创建一个冗余存储单元，用于将大数据知识库中的每个治疗案例复制至少一份存储到其他计算节点中，当某个计算节点出现异常时，将该异常的计算节点上的治疗案例从冗余备份的计算节点上复制到正常计算节点上。
[0077]如图8所示，在一个实施例中，匹配模块包括:
[0078]第一并行匹配单元104E，用于将所述第一病情信息与所述知识库中的各个计算节点中治疗案例的病情信息进行并行匹配，获取匹配度大于第一预设阈值的第一治疗案例集入口 ο
[0079]具体的，大数据知识库中的治疗案例存储在计算节点中，其中，治疗案例包括病情信息、个人信息及与病情信息及个人信息对应的治疗方案和治疗效果的分数值。将第一病情信息与大数据知识库中的各个计算节点上的治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的治疗案例集合。通过并行匹配加快了匹配的速度。
[0080]第二并行匹配单元104F，用于将所述第一治疗案例集合中的每个治疗案例的个人信息与所述第一个人信息进行并行匹配，获取匹配度大于第二预设阈值的第二治疗案例集入口 ο
[0081]比较单元104G，用于在知识库中的各个计算节点上查找与所述第二治疗案例集合中每个治疗案例对应的治疗效果的分数值，通过比较将分数值最大的治疗效果对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人?目息O
[0082]如图9所示，在一个实施例中，匹配模块包括:
[0083]第三并行匹配单元104Μ，用于将所述第一病情信息与所述知识库中的各个计算节点中治疗案例的病情信息进行并行匹配，获取匹配度大于第三预设阈值的第三治疗案例集合，通过并行计算可以加快计算匹配优先度的速度。
[0084]第四并行匹配单元104Ν，用于将所述第一治疗案例集合中的每个治疗案例的个人信息与所述第一个人信息进行并行匹配，获取匹配度大于第四预设阈值的第四治疗案例集合，通过并行计算可以加快计算匹配优先度的速度。
[0085]并行计算单元1041，用于在知识库中的各个计算节点上查找所述第四治疗案例集合中每个治疗案例的治疗效果的分数值，根据所述第四治疗案例集合中每个病情信息的匹配度、个人信息的匹配度以及所述治疗效果的分数值并行计算对应的计算节点上的各个治疗案例的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将所述第一匹配优先度对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。在本实施例中，通过并行匹配计算和并行计算加快了匹配的速度。
[0086]为了更好的理解与应用本发明提出的一种治疗方案推荐方法，进行以下示例，需要说明的是，本发明所保护的范围不局限以下示例。
[0087]具体的，获取甲用户的病情信息为:被蚊子咬了之后出现红肿怎么办？;个人信息:26岁、女性、所在地为广州。首先，将甲用户的病情信息与知识库中各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值(比如，80%)的第一治疗案例集合，此时，第一治疗案例集合中的病情信息都与甲用户的病情信息“被蚊子咬了之后出现红肿怎么办”相似或相同。然后进一步将甲用户的个人信息与第一治疗案例集合中的每个治疗案例的个人信息进行匹配，由于被蚊子咬了之后不同年龄、不同性别的反应可能不同，而且不同地区的蚊子也有差别，被咬了之后皮肤出现的反应也不同。所以需要计算每个治疗案例中个人信息与甲用户的个人信息的匹配度。具体的计算方法可以分别获取年龄的匹配度，性别的匹配度，用户所在地的匹配度，然后综合考虑年龄、性别、所在地三个因素的匹配度来计算个人信息的匹配度。获取个人信息的匹配度大于第二预设阈值(比如，90%)的第二治疗案例集合，此时，第二治疗案例集合中不但病情信息与甲用户的病情信息相同或相似，并且个人信息与甲用户的个人信息也相同或相似。之后，获取第二治疗案例集合中每个治疗案例对应的治疗效果的分数值，假设其中一个治疗案例的治疗方案为:在被蚊子咬的地方涂抹无极膏可以消肿。该方案的治疗效果的分数值最大为100分。那么就将该方案作为最佳的治疗方案推荐给甲用户。
[0088]本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
[0089]以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0090]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1.一种治疗方案推荐系统，所述系统包括: 信息获取模块，用于获取用户的病情信息和个人信息，将所述用户的病情信息作为第一病情信息，将所述用户的个人信息作为第一个人信息； 匹配模块，用于将所述第一病情信息及所述第一个人信息与知识库中的病情信息及个人信息进行匹配，确定与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人?目息; 推荐模块，用于获取与所述第二病情信息及第二个人信息对应的治疗方案，将获取到的所述治疗方案推荐给所述用户。2.根据权利要求1所述的系统，其特征在于，所述系统还包括: 建立模块，用于建立知识库，所述知识库包括多个治疗案例，所述治疗案例包括病情信息、个人信息、及与所述病情信息及个人信息对应的治疗方案和治疗效果的分数值。3.根据权利要求1所述的系统，其特征在于，所述信息获取模块还用于通过穿戴式设备或远程医疗设备自动获取病人的病情信息;或者 通过病人注册信息或病历信息自动获取病人的个人信息;或者 通过终端获取用户输入的病情信息和个人信息。4.根据权利要求2所述的系统，其特征在于，所述匹配模块包括: 第一获取单元，用于将所述第一病情信息与所述知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合； 第一计算单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合； 第一查找单元，用于查找所述第二治疗案例集合中每个治疗案例的治疗效果的分数值； 第一匹配单元，用于将所述分数值最大的治疗效果对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。5.根据权利要求2所述的系统，其特征在于，所述匹配模块包括: 第二获取单元，用于将所述第一病情信息与所述知识库中的各个治疗案例的病情信息进行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合； 第二计算单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息的匹配度，获取匹配度大于第二预设阈值的第二治疗案例集合； 第二查找单元，用于查找所述第二治疗案例集合中每个治疗案例的治疗效果的分数值； 匹配优先度计算单元，用于根据获取的所述第二治疗案例集合中每个治疗案例的病情信息匹配度、个人信息匹配度和治疗效果的分数值计算每个治疗案例的匹配优先度，将计算得到的最大匹配优先度作为第一匹配优先度； 第二匹配单元，将所述第一匹配优先度对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。6.根据权利要求4或5所述的系统，其特征在于，所述第一计算单元或第二计算单元包括: 年龄计算子单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息中的用户年龄与所述第一个人信息的用户年龄的差值的绝对值； 距离计算子单元，用于计算所述第一治疗案例集合中每个治疗案例的个人信息的用户所在地与所述第一个人信息中的用户所在地的距离； 个人信息匹配子单元，用于个人信息根据计算得到的用户年龄的差值的绝对值和所述用户所在地的距离确定所述第一治疗案例集合中每个治疗案例的个人信息与所述第一个人信息之间的匹配度。7.根据权利要求1所述的系统，所述系统还包括: 反馈模块，用于获取用户对所述治疗方案的反馈，根据所述反馈确定与所述治疗方案对应的治疗效果的分数值； 添加模块，用于将所述第一病情信息、第一个人信息、推荐的所述治疗方案及所述治疗效果的分数值作为一个治疗案例添加至所述知识库中，当所述知识库中治疗案例的数量达到第一预设阈值时，形成大数据知识库。8.根据权利要求2所述的系统，其特征在于，所述建立模块包括: 分布存储单元，用于将所述知识库中的多个治疗案例分别存储到多个计算节点中，其中，每个计算节点存储至少一个治疗案例； 冗余存储单元，用于将所述知识库中的每个治疗案例复制至少一份存储到其他计算节点中，作为所述治疗案例的冗余备份； 容错单元，用于将异常计算节点上的治疗案例从所述冗余备份的计算节点中复制到正常计算节点上。9.根据权利要求8所述的系统，其特征在于，所述匹配模块包括: 第一并行匹配单元，用于将所述第一病情信息与所述知识库中的各个计算节点中治疗案例的病情信息进行并行匹配，获取匹配度大于第一预设阈值的第一治疗案例集合； 第二并行匹配单元，用于将所述第一治疗案例集合中的每个治疗案例的个人信息与所述第一个人信息进行并行匹配，获取匹配度大于第二预设阈值的第二治疗案例集合； 比较单元，用于在知识库中的各个计算节点上查找与所述第二治疗案例集合中每个治疗案例对应的治疗效果的分数值，通过比较将分数值最大的治疗效果对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。10.根据权利要求8所述的系统，其特征在于，所述匹配模块包括: 第三并行匹配单元，用于将所述第一病情信息与所述知识库中的各个计算节点中治疗案例的病情信息进行并行匹配，获取匹配度大于第三预设阈值的第三治疗案例集合； 第四并行匹配单元，用于将所述第一治疗案例集合中的每个治疗案例的个人信息与所述第一个人信息进行并行匹配，获取匹配度大于第四预设阈值的第四治疗案例集合； 并行计算单元，用于在知识库中的各个计算节点上查找所述第四治疗案例集合中每个治疗案例的治疗效果的分数值，根据所述第四治疗案例集合中每个病情信息的匹配度、个人信息的匹配度以及所述治疗效果的分数值并行计算对应的计算节点上的各个治疗案例的匹配优先度，将计算得到的最大的匹配优先度作为第一匹配优先度，将所述第一匹配优先度对应的病情信息及个人信息作为与所述第一病情信息及第一个人信息匹配的第二病情信息及第二个人信息。
【文档编号】G06F19/00GK105912881SQ201610416289
【公开日】2016年8月31日
【申请日】2016年6月14日
【发明人】朱定局
【申请人】华南师范大学