本发明涉及数据处理,尤其涉及临床研究数据处理方法、装置、设备及存储介质。
背景技术:
1、随着信息化技术的不断发展,各领域的管理逐步与信息化接轨,尤其是临床研究方面,在进行某项研究时,会产生大量的临床研究数据,但是数据在采集到上传的过程中,或多或少地出现不同程度的丢失,且丢失的数据中也会包含核心数据和隐私数据,而目前修复临川研究数据的方式为平均值填充,即通过丢失部分两端的数据计算平均值,然后将平均值作为丢失的数据,但是绝大多数情况下丢失的数据并不是平均值,且丢失的数据类型还可能为图像,并不是数值,因此,上述方式修复临床研究数据的准确性较低,最终造成统计决策出现偏差或无效。
2、上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本发明的主要目的在于提供一种临床研究数据处理方法、装置、设备及存储介质,旨在解决现有技术修复临床研究数据的准确性较低,造成统计决策出现偏差或无效的技术问题。
2、为实现上述目的,本发明提供了一种临床研究数据处理方法,所述临床研究数据处理方法包括以下步骤:
3、在检测到目标临床研究的数据存在丢失时,获取所述目标临床研究的研究类型和研究特性信息;
4、根据所述研究类型和研究特性信息确定所述目标临床研究的历史数据以及同类型临床研究数据;
5、根据所述目标临床研究的历史数据以及同类型临床研究数据基于预设神经网络对目标临床研究的数据中的丢失部分进行预测,得到目标修复数据;
6、通过所述目标修复数据对目标临床研究的数据进行修复。
7、可选地,所述在检测到目标临床研究的数据存在丢失时,获取所述目标临床研究的研究类型和研究特性信息,包括:
8、在检测到目标临床研究的数据存在丢失时,获取所述目标临床研究的剩余数据;
9、对所述剩余数据进行语义分析,得到临床研究关键字;
10、根据所述临床研究关键字确定所述目标临床研究的研究类型;
11、根据所述剩余数据确定所述目标临床研究的研究方向、研究目的以及研究流程;
12、根据所述研究方向、研究目的以及研究流程生成研究特性信息。
13、可选地,所述根据所述研究类型和研究特性信息确定所述目标临床研究的历史数据以及同类型临床研究数据,包括:
14、获取本地研究数据集,根据所述本地研究数据集确定本地研究类型、本地研究特性信息以及若干数量的本地临床研究数据;
15、根据临床研究关键字在所述若干数量的本地临床研究数据中查询所述目标临床研究的历史数据;
16、将所述研究类型与所述本地研究类型进行匹配,以及将所述研究特征信息与所述本地研究特性信息进行匹配;
17、若存在匹配成功的研究类型且存在匹配成功的研究特性信息,则根据匹配成功的研究类型且存在匹配成功的研究特性信息在本地研究数据集中查询同类型临床研究数据。
18、可选地,所述将所述研究类型与所述本地研究类型进行匹配,以及将所述研究特征信息与所述本地研究特性信息进行匹配之后,还包括:
19、若不存在匹配成功的研究类型和/或不存在匹配成功的研究特性信息,则获取若干数量的临床实验平台的待缓存研究数据集;
20、根据所述待缓存研究数据集确定待缓存研究类型、待缓存研究特性信息以及若干数量的待缓存临床研究数据;
21、根据临床研究关键字在所述若干数量的待缓存临床研究数据中查询所述目标临床研究的历史数据;
22、将所述研究类型与所述待缓存研究类型进行匹配,以及将所述研究特征信息与所述待缓存研究特性信息进行匹配;
23、若存在匹配成功的研究类型且存在匹配成功的研究特性信息,则根据匹配成功的研究类型且存在匹配成功的研究特性信息在本地研究数据集中查询同类型临床研究数据。
24、可选地,所述根据所述目标临床研究的历史数据以及同类型临床研究数据基于预设神经网络对目标临床研究的数据中的丢失部分进行预测,得到目标修复数据,包括:
25、根据本地研究数据集和若干数量的临床实验平台的待缓存研究数据集生成模型训练数据集;
26、将所述模型训练数据集划分为临床测试数据集和临床训练数据集;
27、根据所述临床训练数据集生成目标神经网络参数矩阵;
28、通过目标径向基函数根据所述目标神经网络参数矩阵和预设神经网络训练目标临床研究数据预测模型;
29、通过目标损失函数根据所述临床测试数据集对所述目标临床研究数据预测模型进行测试,得到当前模型测试结果;
30、在所述当前模型测试结果满足预设条件时,由所述目标临床研究数据预测模型根据所述目标临床研究的历史数据以及同类型临床研究数据预测目标临床研究的数据中的丢失部分的目标修复数据。
31、可选地,所述根据所述目标临床研究的历史数据以及同类型临床研究数据基于预设神经网络对目标临床研究的数据中的丢失部分进行预测,得到目标修复数据之前,还包括:
32、获取所述目标临床研究的数据的上传时刻;
33、根据所述上传时刻和所述目标临床研究的数据生成数据上传时刻连续列表;
34、按照标准临床研究数据规则对所述数据上传时刻连续列表进行检测,得到当前列表检测结果;
35、在所述当前列表检测结果中存在目标空值时,对所述目标空值的位置进行标记;
36、在检测完成后,根据标记的位置得到所述目标临床研究的数据中的丢失部分。
37、可选地,所述通过所述目标修复数据对目标临床研究的数据进行修复之后,还包括:
38、获取修复后的目标临床研究的数据;
39、按照标准临床研究数据规则对所述修复后的目标临床研究的数据进行格式检测,得到第一检测结果;
40、按照标准临床研究数据规则对所述修复后的目标临床研究的数据进行异常检测,得到第二检测结果;
41、按照标准临床研究数据规则对所述修复后的目标临床研究的数据进行连续性检测,得到第三检测结果;
42、在所述第一检测结果、第二检测结果以及第三检测结果满足目标临床研究要求时,将所述修复后的目标临床研究的数据上传至区块链进行存储。
43、此外,为实现上述目的,本发明还提出一种临床研究数据处理装置,所述临床研究数据处理装置包括:
44、检测模块,用于在检测到目标临床研究的数据存在丢失时,获取所述目标临床研究的研究类型和研究特性信息;
45、确定模块,用于根据所述研究类型和研究特性信息确定所述目标临床研究的历史数据以及同类型临床研究数据;
46、预测模块,用于根据所述目标临床研究的历史数据以及同类型临床研究数据基于预设神经网络对目标临床研究的数据中的丢失部分进行预测,得到目标修复数据;
47、修复模块,用于通过所述目标修复数据对目标临床研究的数据进行修复。
48、此外,为实现上述目的,本发明还提出一种临床研究数据处理设备,所述临床研究数据处理设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的临床研究数据处理程序,所述临床研究数据处理程序配置为实现如上文所述的临床研究数据处理方法。
49、此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有临床研究数据处理程序,所述临床研究数据处理程序被处理器执行时实现如上文所述的临床研究数据处理方法。
50、本发明提出的临床研究数据处理方法,在检测到目标临床研究的数据存在丢失时,获取所述目标临床研究的研究类型和研究特性信息;根据所述研究类型和研究特性信息确定所述目标临床研究的历史数据以及同类型临床研究数据;根据所述目标临床研究的历史数据以及同类型临床研究数据基于预设神经网络对目标临床研究的数据中的丢失部分进行预测,得到目标修复数据;通过所述目标修复数据对目标临床研究的数据进行修复;通过上述方式,利用目标临床研究的历史数据以及同类型临床研究数预测与丢失部分相适应的目标修复数据,然后通过目标修复数据对目标临床研究的数据进行修复,从而能够有效提高修复临床研究数据的准确性,以及为统计决策提供正确且合理的方向。