文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201911346622.9

申 请 日：20191224

发 明 人：纪峥嵘 刘军 叶庆楚 陈博文 李金炜

申 请 人：无锡识凌科技有限公司

申请人地址：214000 江苏省无锡市无锡国家高新技术产业开发区太湖国际科技园大学科技园530大厦B307号

公 开 日：20200501

公 开 号：CN111091884A

代 理 人：朱晓林

代理机构：32260 无锡市汇诚永信专利代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明涉及医院患者信息领域,公开了一种医院信息集成平台的患者主索引匹配系统及方法，包括信息录入单元、取样单元、监督学习单元、增强学习单元和匹配单元。取样单元根据信息录入单元录入的患者就诊信息生成合格样本，监督学习单元和增强学习单元根据合格样本计算出匹配因子及其权重参数，匹配单元根据匹配因子和权重参数对不完全匹配但又疑是同一人的就诊信息进行匹配计算，从而提高患者就诊信息的匹配率，推动智慧医院建设。

主 权 项：1.一种医院信息集成平台的患者主索引匹配方法，其特征在于，包括以下步骤：S1：生成合格样本，具体如下：首先对医院信息集成平台中的患者就诊信息进行取样，然后判断取样的患者就诊信息中的身份证号、居民健康卡号和医保卡号是否是同一就诊患者，如果是同一就诊患者，判断每个身份证号、居民健康卡号和医保卡号对应的姓名、性别和出生日期是否一致，如果一致生成合格样本，否则不能生成合格样本；若干合格样本组成样本总量；S2：样本监督学习，具体如下：对任一合格样本配置初始匹配因子和设置初始匹配因子的初始权重参数，建立EMPI匹配模型；然后通过人工神经网络对该合格样本进行训练，所述训练是指采用线性回归算法计算初始匹配因子的加权权重；接着对样本总量的其余合格样本先进行合并、生成合并样本，然后根据初始匹配因子和加权权重对合并样本进行校验，对校验成功的合格样本进行标记；当校验成功率达到90％，进入步骤S4，校验成功率是指校验成功的合并样本总数与样本总量的比例，当校验成功率低于90％，进入步骤S3；S3：增强学习，具体为人工查找合并样本与合格样本不一样的原因，或者使用EMPI匹配模型对医院信息集成平台中的其余就诊信息进行EMPI匹配、然后检查合并样本；在增强学习时，如果没有调整匹配因子，进入步骤S4，如果调整匹配因子，进入步骤S2；S4：学习结束，记录匹配因子和权重参数。

关 键 词：学习单元  就诊信息  信息录入单元  匹配单元  匹配因子  取样单元  权重参数  匹配  患者信息 集成平台  匹配计算  匹配系统  样本计算  医院建设 医院信息 主索引 录入  样本  监督  

IPC专利分类号：G16H10/60(20180101);G06F16/22(20190101);G06F16/2455(20190101)