一种应用于医疗系统数据适配方法和系统与流程

本技术涉及医疗系统，尤其涉及一种应用于医疗系统数据适配方法及系统。

背景技术：

1、在传统的医疗系统（医院信息管理系统）提供商与医院购入医用设备进行数据对接同步时，常常会遇到需要对医用设备规定接口进行调试操作，即当医院购入的医用设备其所需读取的医患信息在不同品牌、厂商下，其内部所需数据段都是不一样的，需要在前期花费一定的精力时间去适配测试，不然会导致数据丢失，出现数据不匹配的情况。

技术实现思路

1、为了解决或者部分解决上述相关技术中存在的问题，本技术提供一种应用于医疗系统数据适配方法和系统，能够实现数据的自动适配，避免出现数据丢失、不匹配的情况。

2、第一方面，本技术实施例提供了一种应用于医疗系统数据适配方法，采用如下的技术方案：

3、一种应用于医疗系统数据适配方法，包括：将医患数据录入至目标医患数据模型中进行数据格式匹配，得到标准格式模组数据；获取医用设备所需的数据，匹配于所述标准格式模组数据，得到目标标准格式模组数据；将所述标准格式模组数据导入所述医用设备中进行显示。

4、通过采用上述技术方案，通过将医患数据录入至目标医患数据模型中进行数据格式匹配，可以得到标准格式模组数据，通过获取医用设备所需的数据，来匹配于标准格式模组数据，可以得到医用设备可以进行显示的目标标准格式模组数据，再通过将标准格式模组数据导入医用设备中可以进行显示，以此可以实现数据的自动适配，避免出现医患数据的丢失、不匹配的情况。

5、可选的，在所述将医患数据录入至目标医患数据模型中进行数据格式匹配，得到标准格式模组数据之前，包括：获取医患数据训练数据集，所述医患数据训练数据集包括多组医患数据，其中一组医患数据中包括一名患者的初始格式数据和对应生成的标准格式数据，所述初始格式数据中包括一名患者的基础信息字段、患病数据类型和病情标签；使用所述医患数据训练数据集训练初始医患数据模型，得到所述目标医患数据模型。

6、通过采用上述技术方案，通过获取医患数据训练数据集可以用于训练初始医患数据模型，得到目标医患数据模型，通过目标医患数据模型可便于后续将医患数据表进行标准格式的转化，以适配于医用设备，避免出现医患数据不匹配的情况。

7、可选的，所述获取医用设备所需的数据，匹配于所述标准格式模组数据，得到目标标准格式模组数据，包括：识别所述医用设备的序列号，获取到所述医用设备所需数据的目标数据标签；将所述标准格式模组数据进行标签化，得到目标数据标签集；将所述目标数据标签与所述目标数据标签集进行匹配，得到所述数据标签对应的所述目标标准格式模组数据。

8、通过采用上述技术方案，通过识别医用设备的序列号可以准确的识别医用设备，进而准确的获得对应医用设备所需要的数据对应的目标数据标签，以及将标准格式模组数据进行标签化，可以便于两者进行匹配，进而实现数据的匹配，此过程能够确保数据匹配的一致性，避免出现数据不匹配的现象。

9、可选的，所述将所述标准格式模组数据进行标签化，得到目标数据标签集，还包括：将所述标准格式模组数据进行标签化，得到初始数据标签集；判断所述初始数据标签集中的数据标签是否定义优先级，若有，则提取优先级高的数据标签，得到所述目标数据标签集。

10、通过采用上述技术方案，通过判断初始数据标签集是否定义有优先级，并提取出优先级高的数据标签，得到目标数据标签集，可以实现通过优先级的方式选取出优先级最高的唯一标签，可以防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。

11、可选的，所述判断所述初始数据标签集中的数据标签是否定义优先级，若有，则提取优先级高的数据标签，得到所述目标数据标签集，还包括：若否，则对所述初始数据标签集中的数据标签进行权重处理，则提取权重值大的数据标签，得到所述目标数据标签集。

12、通过采用上述技术方案，通对数据标签进行权重处理，可以将引用次数最多的数据标签作为患者病症的唯一标签，防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。

13、可选的，所述判断所述初始数据标签集中的数据标签是否定义优先级，若有，则提取优先级高的数据标签，得到所述目标数据标签集，还包括：将所述初始数据标签集中的数据标签进行权重处理，选取权重值大的数据标签与提取优先级高的数据标签进行引用次数比较，提取出引用次数多的数据标签，得到所述目标数据标签集。

14、通过采用上述技术方案，通过将初始数据标签集中的数据标签进行权重处理后，选取权重值大的数据标签与提取优先级高的数据标签进行引用次数比较，来提取出引用次数多的数据标签作为患者病症的唯一标签，可以进一步防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。

15、第二方面，本技术实施例提供了一种应用于医疗系统数据适配系统，采用如下的技术方案：

16、一种应用于医疗系统数据适配系统，包括：第一数据获取模块，用于将医患数据录入至目标医患数据模型中进行数据格式匹配，得到标准格式模组数据；第二数据获取模块，用于获取医用设备所需的数据，匹配于所述标准格式模组数据，得到目标标准格式模组数据；导入模块，用于将所述标准格式模组数据导入所述医用设备中进行显示。

17、通过采用上述技术方案，通过第一数据获取模块可以将医患数据录入至目标医患数据模型中进行数据格式匹配，以得到标准格式模组数据，通过第二数据获取模块可以获取医用设备所需的数据，来匹配于标准格式模组数据，以得到医用设备可以进行显示的目标标准格式模组数据，再通过导入模块将标准格式模组数据导入医用设备中可以进行显示，以此可以实现数据的自动适配，避免出现医患数据的丢失、不匹配的情况。

18、可选的，一种应用于医疗系统数据适配系统，还包括：训练数据集获取模式，用于获取医患数据训练数据集，所述医患数据训练数据集包括多组医患数据，其中一组医患数据中包括一名患者的初始格式数据和对应生成的标准格式数据，所述初始格式数据中包括一名患者的基础信息字段、患病数据类型和病情标签；模型获取模块，用于使用所述医患数据训练数据集训练初始医患数据模型，得到所述目标医患数据模型。

19、通过采用上述方案，通过训练数据集获取模式可以获取医患数据训练数据集，通过模型获取模块可以用于训练初始医患数据模型，得到目标医患数据模型，目标医患数据模型可便于后续将医患数据表进行标准格式的转化，以适配于医用设备，避免出现医患数据不匹配的情况。

20、可选的，所述第二数据获取模块包括：识别单元，用于识别所述医用设备的序列号，获取到所述医用设备所需数据的目标数据标签；标签化单元，用于将所述标准格式模组数据进行标签化，得到目标数据标签集；匹配单元，用于将所述目标数据标签与所述目标数据标签集进行匹配，得到所述数据标签对应的所述目标标准格式模组数据。

21、通过采用上述方案，通过识别单元识别医用设备的序列号可以准确的识别医用设备，进而准确的获得对应医用设备所需要的数据对应的目标数据标签，以及通过标签化单元将标准格式模组数据进行标签化，通过匹配单元可以便于两者进行匹配，进而实现数据的匹配，此过程能够确保数据匹配的一致性，避免出现数据不匹配的现象。

22、可选的，所述标签化单元包括：将所述标准格式模组数据进行标签化，得到初始数据标签集；判断所述初始数据标签集中的数据标签是否定义优先级，若有，则提取优先级高的数据标签，得到所述目标数据标签集。

23、通过采用上述方案，通过判断初始数据标签集是否定义有优先级，并提取出优先级高的数据标签，得到目标数据标签集，可以实现通过优先级的方式选取出优先级最高的唯一标签，可以防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。

24、综上所述，本技术包括以下至少一种有益技术效果：

25、通过将医患数据录入至目标医患数据模型中进行数据格式匹配，可以得到标准格式模组数据，通过获取医用设备所需的数据，来匹配于标准格式模组数据，可以得到医用设备可以进行显示的目标标准格式模组数据，再通过将标准格式模组数据导入医用设备中可以进行显示，以此可以实现数据的自动适配，避免出现医患数据的丢失、不匹配的情况。

26、通过获取医患数据训练数据集可以用于训练初始医患数据模型，得到目标医患数据模型，通过目标医患数据模型可便于后续将医患数据表进行标准格式的转化，以适配于医用设备，避免出现医患数据不匹配的情况。

27、通过判断初始数据标签集是否定义有优先级，并提取出优先级高的数据标签，得到目标数据标签集，可以实现通过优先级的方式选取出优先级最高的唯一标签，可以防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。

28、通对数据标签进行权重处理，可以将引用次数最多的数据标签作为患者病症的唯一标签，防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。

29、通过将初始数据标签集中的数据标签进行权重处理后，选取权重值大的数据标签与提取优先级高的数据标签进行引用次数比较，来提取出引用次数多的数据标签作为患者病症的唯一标签，可以进一步防止一个病症对应多个数据标签，造成数据冗杂，以及使得数据能够统一化。