买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳平安医疗健康科技服务有限公司

摘要：本发明涉及人工智能技术领域，提供一种基于人工智能的异常数据识别方法，包括：接收输入的医学数据；对所述医学数据进行医学处理，获得处理数据；将所述处理数据输入至预先训练好的组合分类器模型中，获得分类预测结果，其中，所述组合分类型模型是基于多个维度训练得到的；根据所述分类预测结果，对所述医学数据的每个聚类进行异常判定，获得聚类异常结果；通过引导聚集算法bagging，根据所述聚类异常结果，对所述医学数据所匹配的就诊记录进行异常判定，获得就诊记录异常结果。本发明还涉及区块链技术，可以将就诊记录异常结果上传至区块链上。本申请可应用于智慧医疗场景中，从而推动智慧城市的建设。

主权项：1.一种基于人工智能的异常数据识别方法，其特征在于，所述基于人工智能的异常数据识别方法包括：接收输入的医学数据；对所述医学数据进行医学处理，获得处理数据；将所述处理数据输入至预先训练好的组合分类器模型中，获得分类预测结果，其中，所述组合分类器模型是基于多个维度训练得到的，所述分类预测结果包括聚类的类型以及数据异常结果，所述数据异常结果包括药品异常、检查异常、患者异常、医生异常或医疗机构异常；根据所述分类预测结果，对所述医学数据的每个聚类进行异常判定，获得聚类异常结果，包括：针对每个所述聚类，获取所述聚类的异常数量阈值，判断所述分类预测结果中判定所述聚类的处理数据为异常数据的数量是否超过所述异常数量阈值，若所述分类预测结果中判定所述聚类的处理数据为异常数据的数量超过所述异常数量阈值，确定所述聚类为异常聚类，或，若所述分类预测结果中判定所述聚类的处理数据为异常数据的数量未超过所述异常数量阈值，确定所述聚类为正常聚类；通过引导聚集算法bagging，根据所述聚类异常结果，对所述医学数据所匹配的就诊记录进行异常判定，获得就诊记录异常结果；所述组合分类器模型的训练包括：获取第一测试集、第二测试集和第三测试集，基于高斯混合模型GMM，对所述第一测试集进行训练，获得第一分类器，基于KL散度，对所述第二测试集进行训练，获得第二分类器，基于深度对抗聚类DASC，对所述第三测试集进行训练，获得第三分类器，对所述第一分类器、所述第二分类器以及所述第三分类器进行组合，获得所述组合分类器模型。

全文数据：

权利要求：

百度查询： 深圳平安医疗健康科技服务有限公司 基于人工智能的异常数据识别方法及相关设备