技术特征：
1.一种基于电子病历分析的隐含规则挖掘方法，其特征在于，包括：将从电子病历数据集中提取的特征分为左项集和右项集；所述左项集为手术前的特征；所述右项集为手术后的特征；根据左项集中的所有非空子集，遍历电子病历数据集，确定每个非空左项子集的支持度；并将支持度大于或等于支持度阈值的非空左项子集进行保存，确定第一集合；将所述右项集的所有非空子集进行保存，确定第二集合；对所述第一集合和所述第二集合做直积，得到左项子集和右项子集的所有组合，确定第三集合；遍历电子病历数据集，确定所述第三集合每个组合的支持度；并将支持度大于或等于支持度阈值的组合确定为频繁项集；确定每个频繁项集的置信度；并根据置信度大于或等于置信度阈值的频繁项集确定强关联规则；所述确定每个频繁项集的置信度；并根据置信度大于或等于置信度阈值的频繁项集确定强关联规则，之后还包括：根据强关联规则确定提升度；判断所述提升度是否小于1；若所述提升度小于1，则所述强关联规则无效；若所述提升度大于或等于1，则所述强关联规则有效。2.根据权利要求1所述的一种基于电子病历分析的隐含规则挖掘方法，其特征在于，所述将从电子病历数据集中提取的特征分为左项集和右项集，之前还包括：获取电子病历数据集；对所述电子病历数据集进行预处理；所述预处理包括：数据提取、归一化处理、特征取值以及缺失值处理。3.一种基于电子病历分析的隐含规则挖掘系统，其特征在于，包括：特征划分模块，用于将从电子病历数据集中提取的特征分为左项集和右项集；所述左项集为手术前的特征；所述右项集为手术后的特征；第一集合确定模块，用于根据左项集中的所有非空子集，遍历电子病历数据集，确定每个非空左项子集的支持度；并将支持度大于或等于支持度阈值的非空左项子集进行保存，确定第一集合；第二集合确定模块，用于将所述右项集的所有非空子集进行保存，确定第二集合；第三集合确定模块，用于对所述第一集合和所述第二集合做直积，得到左项子集和右项子集的所有组合，确定第三集合；频繁项集确定模块，用于遍历电子病历数据集，确定所述第三集合每个组合的支持度；并将支持度大于或等于支持度阈值的组合确定为频繁项集；强关联规则确定模块，用于确定每个频繁项集的置信度；并根据置信度大于或等于置信度阈值的频繁项集确定强关联规则；提升度确定模块，用于根据强关联规则确定提升度；第一判断模块，用于判断所述提升度是否小于1；判断结果第一确定模块，用于若所述提升度小于1，则所述强关联规则无效；
判断结果第二确定模块，用于若所述提升度大于或等于1，则所述强关联规则有效。4.根据权利要求3所述的一种基于电子病历分析的隐含规则挖掘系统，其特征在于，还包括：电子病历数据集获取模块，用于获取电子病历数据集；预处理模块，用于对所述电子病历数据集进行预处理；所述预处理包括：数据提取、归一化处理、特征取值以及缺失值处理。
技术总结
本发明涉及一种基于电子病历分析的隐含规则挖掘方法及系统。该方法包括：将从电子病历数据集中提取的特征分为左项集和右项集；根据左项集中的所有非空子集，遍历电子病历数据集，确定每个非空左项子集的支持度；并将支持度大于等于支持度阈值的非空左项子集进行保存，确定第一集合；将右项集的所有非空子集进行保存，确定第二集合；对第一集合和第二集合做直积，得到左项子集和右项子集的所有组合，确定第三集合；遍历电子病历数据集，确定第三集合每个组合的支持度；并将支持度大于等于支持度阈值的组合确定为频繁项集；确定每个频繁项集的置信度；并根据置信度大于等于置信度阈值的频繁项集确定强关联规则。本发明能够提高关联规则的有效率。关联规则的有效率。关联规则的有效率。
技术研发人员：肖格磊 伍诗萌 王宇昌 李芳芳
受保护的技术使用者：中南大学湘雅医院
技术研发日：2022.01.21
技术公布日：2022/4/22