医疗画像标签的生成方法、装置、设备及存储介质与流程

1.本技术涉及医疗数据处理领域，更具体地，涉及一种医疗画像标签的生成方法、装置、设备及存储介质。


背景技术：

2.随着医疗技术和互联网技术的发展，患者每次的诊断流程信息可以被完整的纪录和保存，进一步用于患者的个性化诊疗、医生智能辅助诊断、卫生行业精细化管理等方面。首先，需要对患者的信息进行全面的、量化的特征抽象，形成居民医疗画像。其中，居民医疗画像以患者为中心，基于海量、真实的、全面的医疗事件数据，刻画形成贯穿患者整个生命周期特征链的数据标签，形成完整的患者特征数字化描述，覆盖患者人口学基本信息、就诊疾病、临床用药、检验检查、手术信息、健康风险等完整就医事件。但是，在大量的医疗信息中进行标签抽取需要大量专业的人员花费较长的时间。
3.目前，常用的标签抽取技术一般采用直接编写抽取脚本或运算脚本的形式，针对每一个标签都要由开发人员编写相应的执行脚本。其中，常用的标签抽取技术存在如下不足：(1)标签抽取过程中对开发人员依赖性强，效率低：所有标签的抽取脚本需要开发人员编写，效率低，并且对开发人员技术要求高，依赖性强；(2)灵活性差：标签抽取脚本通过代码实现，后续如果出现新增数据源，还需要重新编写抽取脚本；(3)标签管理困难：标签与数据源的关系、标签间的关系都在抽取脚本中进行定义，不能直观显示，不利于管理和后续维护。
4.因此，如何提高医疗画像标签生成的效率，提高其直观性和灵活性是亟待解决的问题。


技术实现要素：

5.本技术的一些实施方式提供了可至少部分解决现有技术中存在的上述问题的一种医疗画像标签的生成方法、装置、设备及存储介质。
6.根据本技术的一个方面，提供一种医疗画像标签的生成方法，所述方法可包括：获取居民的初始医疗数据，并对所述初始医疗数据进行预处理，获得预处理数据；建立多级标签体系，并对每一级标签体系中的标签进行定义；基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据；以及设置评估模型，并基于所述评估模型和评估信息生成居民的医疗画像标签，其中，所述评估信息包括所述目标标签和所述目标数据。
7.在本技术一个实施方式中，基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据，可包括：对所述多级标签体系中的标签进行筛选，获得第一目标标签，其中，所述第一目标标签为直接抽取类标签；基于所述第一目标标签配置第一数据抽取规则；以及基于所述第一数据抽取规则对所述预处理数据进行抽取，获得第一目标数据。
8.在本技术一个实施方式中，基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据，还可包括：对所述第一目标数据进行分析处理，生成第二目标数据；以及选择与所述第二目标数据关联的第二目标标签。
9.在本技术一个实施方式中，设置评估模型，并基于所述评估模型和评估信息生成居民的医疗画像标签，可包括：获取所述评估模型对应的参数信息，并基于所述参数信息获取对应的所述评估信息；设置评估周期，并基于所述评估模型和所述评估信息生成居民的所述医疗画像标签。
10.在本技术一个实施方式中，在对所述多级标签体系中的标签进行筛选，获得第一目标标签之后，还可包括：设置所述第一目标标签的优先级。
11.在本技术一个实施方式中，基于所述评估模型和评估信息生成居民的所述医疗画像标签，还可包括：确定所述参数信息中的必要信息，并基于所述必要信息对所述评估信息进行检测；响应于所述评估信息中包含全部所述必要信息，确定所述评估信息的数据饱和度，并将所述评估信息的数据饱和度与所述评估模型的数据饱和度阈值进行比较；响应于所述评估信息的数据饱和度大于或者等于所述数据饱和度阈值，生成居民对应的所述医疗画像标签。
12.在本技术一个实施方式中，在基于所述评估模型和所述评估信息生成居民的所述医疗画像标签之前，所述方法还可包括：获取所述目标数据中的时间信息；在所述时间信息中选择最新数据获取时间，并将所述最新数据获取时间与预设时间进行对比；响应于所述最新数据获取时间早于所述预设时间，检测是否存在更新初始医疗数据；响应于存在所述更新初始医疗数据，获取所述更新初始医疗数据对应的所述目标标签。
13.在本技术一个实施方式中，所述方法还可包括：配置所述目标标签的有效期限，并对所述目标标签的所述有效期限进行检测，若所述有效期限大于有效期限阈值，则将对应的所述目标标签标注为失效标签。
14.本技术另一方面提供了一种医疗画像标签的生成装置，所述装置可包括：预处理模块，用于获取居民的初始医疗数据，并对所述初始医疗数据进行预处理，获得预处理数据；标签建立模块，用于建立多级标签体系，并对每一级标签体系中的标签进行定义；数据处理模块，用于基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据；以及医疗画像标签生成模块，用于设置评估模型，并基于所述评估模型和评估信息生成居民的医疗画像标签，其中，所述评估信息包括所述目标标签和所述目标数据。
15.在本技术一个实施方式中，所述数据处理模块可用于对所述多级标签体系中的标签进行筛选，获得第一目标标签，其中，所述第一目标标签为直接抽取类标签；基于所述第一目标标签配置第一数据抽取规则；以及基于所述第一数据抽取规则对所述预处理数据进行抽取，获得第一目标数据。
16.在本技术一个实施方式中，所述数据处理模块还可用于对所述第一目标数据进行分析处理，生成第二目标数据；以及选择与所述第二目标数据关联的第二目标标签。
17.在本技术一个实施方式中，所述医疗画像标签生成模块可用于获取所述评估模型对应的参数信息，并基于所述参数信息获取对应的所述评估信息；设置评估周期，并基于所
述评估模型和所述评估信息生成居民的所述医疗画像标签。
18.在本技术一个实施方式中，所述标签建立模块还可用于设置所述第一目标标签的优先级。
19.在本技术一个实施方式中，所述医疗画像标签生成模块可用于确定所述参数信息中的必要信息，并基于所述必要信息对所述评估信息进行检测；响应于所述评估信息中包含全部所述必要信息，确定所述评估信息的数据饱和度，并将所述评估信息的数据饱和度与所述评估模型的数据饱和度阈值进行比较；响应于所述评估信息的数据饱和度大于或者等于所述数据饱和度阈值，生成居民对应的所述医疗画像标签。
20.在本技术一个实施方式中，所述标签建立模块还可用于获取所述目标数据中的时间信息；在所述时间信息中选择最新数据获取时间，并将所述最新数据获取时间与预设时间进行对比；响应于所述最新数据获取时间早于所述预设时间，检测是否存在更新初始医疗数据；响应于存在所述更新初始医疗数据，获取所述更新初始医疗数据对应的所述目标标签。
21.在本技术一个实施方式中，所述标签建立模块还可用于配置所述目标标签的有效期限，并对所述目标标签的所述有效期限进行检测，若所述有效期限大于有效期限阈值，则将对应的所述目标标签标注为失效标签。
22.本技术再一方面提供了一种电子设备，所述电子设备可包括：处理器，适于执行计算机程序；以及计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现上述任一项的方法。
23.本技术又一方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序使得计算机执行上述任一项的方法。
24.根据本技术示例性的实施方式，通过基于多级标签体系配置对应的数据处理规则对居民的初始医疗数据进行处理，获得目标标签和目标数据，并基于评估模型生成居民的医疗画像标签，在一定程度上可以降低获得居民的医疗画像标签的难度，提高生成医疗画像标签的效率和准确度，并且有利于标签的管理和维护。
附图说明
25.通过阅读参照以下附图所作的对非限制性实施例的详细描述，本技术的其它特征、目的和优点将会变得更明显。其中：
26.图1为根据本技术实施方式的医疗画像标签的生成方法1000的流程图；
27.图2为根据本技术示例性实施方式的多级标签体系示意图；
28.图3为根据本技术示例性的实施方式的标签配置的示意图；
29.图4为根据本技术示例性实施方式的获取第一目标标签和第一目标数据的流程图；
30.图5为根据本技术示例性实施方式的获取第二目标标签和第二目标数据的流程图；
31.图6为根据本技术示例性实施方式的进一步对居民的初始医疗数据进行检测的流程图；
32.图7为根据本技术示例性实施方式的生成医疗画像标签的流程图；
33.图8为根据本技术示例性实施方式的心血管疾病风险评估模型对应的参数信息示意图；
34.图9为根据本技术示例性实施方式的确定评估信息的饱和度的流程图；
35.图10为根据本技术示例性实施方式的医疗画像标签的生成装置2000的示意图；
36.图11是根据本公开的实施例的适于用来实现本公开的实施例的电子设备3000的结构示意图。
具体实施方式
37.为了更好地理解本技术，将参考附图对本技术的各个方面做出更详细的说明。应理解，这些详细说明只是对本技术的示例性实施方式的描述，而非以任何方式限制本技术的范围。在说明书全文中，相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
38.在附图中，为了便于说明，已稍微调整了元素的大小、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的，用语“大致”、“大约”以及类似的用语用作表近似的用语，而不用作表程度的用语，并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。另外，在本技术中，各步骤处理描述的先后顺序并不必然表示这些处理在实际操作中出现的顺序，除非有明确其它限定或者能够从上下文推导出的除外。
39.还应理解的是，诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述，其表示存在所陈述的特征、元件和/或部件，但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外，当诸如“...中的至少一个”的表述出现在所列特征的列表之后时，其修饰整列特征，而非仅仅修饰列表中的单独元件。此外，当描述本技术的实施方式时，使用“可”表示“本技术的一个或多个实施方式”。并且，用语“示例性的”旨在指代示例或举例说明。
40.除非另外限定，否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本技术所属领域普通技术人员的通常理解相同的含义。还应理解的是，除非本技术中有明确的说明，否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义，而不应以理想化或过于形式化的意义解释。
41.需要说明的是，在不冲突的情况下，本技术中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本技术。
42.图1为根据本技术实施方式的医疗画像标签的生成方法1000的流程图。如图1所示，医疗画像标签的生成方法1000可包括：
43.步骤s100：获取居民的初始医疗数据，并对初始医疗数据进行预处理，获得预处理数据；
44.步骤s200：建立多级标签体系，并对每一级标签体系中的标签进行定义；
45.步骤s300：基于多级标签体系配置对应的数据处理规则，并基于数据处理规则对预处理数据进行数据处理，获得目标标签及对应的目标数据；以及
46.步骤s400：设置评估模型，并基于评估模型和评估信息生成居民的医疗画像标签，其中，评估信息包括目标标签和目标数据。
47.根据本技术示例性的实施方式，通过基于多级标签体系配置对应的数据处理规则
对居民的初始医疗数据进行处理，获得目标标签和目标数据，并基于评估模型生成居民的医疗画像标签，在一定程度上可以降低获得居民的医疗画像标签的难度，提高生成医疗画像标签的效率和准确度，并且有利于标签的管理和维护。
48.下面将详细说明上述医疗画像标签的生成方法1000的各个步骤的具体内容。
49.步骤s100
50.在本技术示例性的实施方式中，首先获取居民的初始医疗数据。其中，初始医疗数据可以包括多个种类的信息，例如，居民的就医信息、病历信息、公共卫生服务信息等，每一类信息可以包括至少一个业务表，例如病历信息可以包括处方业务表、检验报告业务表、检查报告业务表等。示例性地，可以对涉及居民的数据源进行配置，获得对应的初始医疗数据，配置内容包括数据源的连接信息、数据模型信息和数据字典信息。其中，数据源的连接信息可以包括数据库类型、数据库ip地址、端口号、数据库实例名、用户名、密码等；数据字典信息为数据源中使用到的值域字典。
51.在本技术示例性的实施方式中，在获取居民的初始医疗数据之后，还可以对初始医疗数据进行预处理，获得预处理数据。示例性地，可以将初始医疗数据划分为基础数据和特殊数据，将基础数据通过转换脚本转换为标准数据。特殊数据的话一般占比极少，需要专业的人员进行单独的处理。例如，通过转换脚本可以将基础数据进行多值字段拆分、通过代码关联具体含义、代码转换、非结构化文本分词处理、定量数据转化为定性数据、有无判断、有无特定值判断、记录条数计数等处理，转化成标准数据。示例性地，初始数据中的居民性别可以用代码1和2表示男和女，需要通过代码关联具体含义，获得居民性别；医疗数据的来源可能来自不同的医疗机构，不同的医疗机构采用的代码可能不同，通过代码转换，可以将不同的医疗机构中的代码进行统一；居民的血压、血糖等一般为定值，将定值的血压血糖对应到标准的血压区间或者血糖区间，通过将定量数据转化为定性数据，以便后续能更好的对居民的疾病进行诊断。
52.根据本技术示例性的实施方式，通过对初始医疗数据进行预处理，获得预处理数据，可以在后续过程中提高数据标签分类的准确度。
53.步骤s200
54.在本技术示例性的实施方式中，在获得预处理数据之后，还可以建立多级标签体系，并对每一级标签体系中的标签进行定义。图2为根据本技术示例性实施方式的多级标签体系示意图。如图2所示，本技术以两级标签分类体系为例，第一级标签可以为不同类别的标签，第二级标签可以为同一类别下的不同的医疗标签。示例性地，第一级标签可以包括编码和名称，编码为a-i，分别对应的标签名称为人口学与社会经济学、健康史、健康风险因素表、主诉与症状、体格检查、临床辅助检查、实验室检查、医学诊断以及医学评估；第二级标签可以包括编码和名称，以健康史为例，健康史对应的二级标签的编码为b01-b09，分别对应的二级标签名称为传染病史、过敏史、手术史、外伤史、输血史、疾病史、残疾情况、生育史以及月经史；二级标签还可以包括多个具体的医疗标签，以二级标签生育史为例，可以包括的具体的医疗标签，其中，具体的医疗标签的编码为b0801-b0807，分别对应孕次产次、不良孕产史、早产史、异位妊娠史、前次妊娠信息、前次分娩信息以及妊娠合并症等。其中，医疗标签对应的信息一般可以直接从预处理数据中获得。本技术以两级标签为例进行示例性说明，本领域技术人员可知，可以根据实际情况进行标签级别的设置，本技术对此不做限制。
55.在本技术示例性的实施方式中，在建立两级标签体系后，可以基于标签体系对每一级标签体系中的标签进行定义。示例性地，可以对标签的基本信息、构成信息以及标签属性进行配置。图3为根据本技术示例性的实施方式的标签配置的示意图。如图3所示，以具体医疗标签b0302手术信息为例，配置的标签的基本信息和标签属性可以包括：分类、基数、性别限制、年龄限制、数据类型、有效规则、有效时间、失效处理、获取方式以及检索条件等；配置的标签的构成信息和标签属性可以包括：节点名、节点含义、数据类型、字段长度、编码表、去重依据、检索条件以及操作。其中，数据类型可以包括简单标签和复合标签，简单标签中只包含一个字段，复合标签可以包含多个字段。
56.根据本技术示例性的实施方式，通过建立多级标签体系并对多级标签体系对每一级标签体系中的标签进行定义，可以更好的展现标签与数据之间的关系，标签与标签之间的关系，有利于标签的管理和维护。
57.步骤s300
58.在本技术示例性的实施方式中，基于多级标签体系配置对应的数据处理规则，并基于数据处理规则对预处理数据进行数据处理，获得目标标签及对应的目标数据。首先，可以对预处理数据进行直接抽取，获得第一目标标签和第一目标数据。图4为根据本技术示例性实施方式的获取第一目标标签和第一目标数据的流程图。如图4所示，获取第一目标标签和第一目标数据可以包括以下步骤：
59.步骤s310：对多级标签体系中的标签进行筛选，获得第一目标标签，其中，第一目标标签为直接抽取类标签；
60.步骤s320：基于第一目标标签配置第一数据抽取规则；以及
61.步骤s330：基于第一数据抽取规则对预处理数据进行抽取，获得第一目标数据。
62.示例性地，直接抽取可以从各个业务表中直接抽取相应的信息或者只需要简单的数据转换处理就可以获得对应的信息，因此，可以先对多级标签体系中的标签进行筛选，选择可以进行直接抽取类的标签作为第一目标标签，然后可以基于第一目标标签配置第一数据抽取规则。配置第一数据抽取规则的流程如下：选择业务表
→
设定抽取条件(即业务表中的某些字段符合抽取条件，例如等于、不等于、大于、小于某个值，才可以进行抽取)
→
选择映射字段(在业务表中选择与第一目标标签对应的映射字段)
→
设定数据转换方式。然后基于第一数据抽取规则对预处理数据进行抽取，获得第一目标数据。示例性地，可以通过第一数据抽取规则抽取预处理数据中业务表中的手术信息，获得对应的第一目标数据，例如，手术名称、手术日期、手术机构名称等。
63.根据本技术示例性的实施方式，基于第一目标标签对预处理数据进行直接抽取，获得对应的第一目标数据，通过简单的数据转换和映射关系，无需开发人员编写脚本对数据进行抽取，在一定程度上可以降低获得居民的医疗画像标签的难度。
64.在本技术示例性的实施方式中，还可以进一步设置第一目标标签的优先级。示例性地，将居民身份识别类的第一目标标签设置为第一优先级，例如，姓名、身份证件号码等，在进行数据抽取的时候需要优先抽取第一优先级的第一目标标签对应的数据，依次类推。通过设置第一目标标签的优先级，可以优化第一目标数据的抽取进度，提高第一目标数据与第一目标标签关联的准确度。
65.在本技术示例性的实施方式中，在获得第一目标标签和对应的第一目标数据之
后，还可以对第一目标数据进行进一步处理，获得第二目标标签和第二目标数据。图5为根据本技术示例性实施方式的获取第二目标标签和第二目标数据的流程图。如图5所示，获取第二目标标签和第二目标数据可以包括以下步骤：
66.步骤s340：对第一目标数据进行分析处理，生成第二目标数据；
67.步骤s350：选择与第二目标数据关联的第二目标标签。
68.示例性地，通过对第一目标数据进行分析，可以确定第一目标数据的转换方式，其中，第一目标数据的转换方式可以包括基础数据转换方式和特殊数据转换方式，可以对第一目标数据进行转换，获得第二目标数据。进一步地，在标签体系中选择与第二目标数据关联的第二目标标签。例如，第一目标数据中可以通过居民的手术信息(手术名称、手术日期、手术机构名称等)对应的数据，可以确定居民是否接受过手术，获得第二目标数据，即居民是否接受过手术。然后通过第二目标数据在标签体系中关联对应的手术史(图2)标签。可选地，还可以基于第二目标标签的配置信息对第二目标数据进行筛选。例如，基于第二目标标签对时间范围的限定对第二目标数据进行筛选。
69.根据本技术示例性的实施方式，通过对第一目标数据进行分析处理，获得第二目标数据并关联第二目标标签，可以进一步简化第一目标数据，有利于简化后续数据分析过程，在一定程度上可以提高生成医疗画像标签的效率。
70.在本技术示例性的实施方式中，由于居民的医疗数据更新的速度较快，因此需要获取居民最新的医疗数据对居民的医疗画像标签进行预测，以便生成更准确的医疗画像标签。因此，在获得第一目标数据、第二目标数据、第一目标标签和第二目标标签之后，可以进一步对居民的初始医疗数据进行检测。图6为根据本技术示例性实施方式的进一步对居民的初始医疗数据进行检测的流程图。如图6所示，进一步对居民的初始医疗数据进行检测可以包括以下步骤：
71.步骤s360：获取目标数据中的时间信息；
72.步骤s370：在时间信息中选择最新数据获取时间，并将最新数据获取时间与预设时间进行对比；
73.步骤s380：响应于最新数据获取时间早于预设时间，检测是否存在更新初始医疗数据；
74.步骤s390：响应于存在更新初始医疗数据，获取更新初始医疗数据对应目标标签。
75.示例性地，获取第一目标数据和/或第二目标数据中的时间信息，其中，第一目标数据和/或第二目标数据中可以包含多个时间信息，在多个时间信息中选择最新数据获取时间，然后将最新数据获取时间与预设时间进行对比，其中，预设时间可以设置为每天的0点，如果最新数据获取时间早于预设时间，可以进行增量数据处理流程，即检测是否存在更新初始医疗数据，如果存在更新初始医疗数据，获取更新初始医疗数据对应的第一目标标签和/或第二目标标签。其中，获取更新初始医疗数据对应的第一目标标签和/或第二目标标签在上述过程中已经详细介绍，在此不做过多赘述。
76.根据本技术示例性的实施方式，基于预设时间检测是否存在更新初始医疗数据，如果存在更新初始医疗数据，获取更新初始医疗数据对应的目标标签。通过预设时间对初始医疗数据进行检测，只需要基于原有的数据处理规则对更新初始医疗数据进行处理，在保证基于最新的医疗数据获取对应的目标标签基础上，提高了标签管理的灵活性。
77.在本技术示例性的实施方式中，还可以配置目标标签的有效期限，并对目标标签的有效期限进行检测，若有效期限大于有效期限阈值，则将对应的目标标签标注为失效标签。示例性的，不同的标签可以设置不同的有效期限，例如，其中一个标签的有效期限为一年，如果检测到生成的标签期限超过一年之后，则将此标签设置为失效标签。通过设置标签的有效期限，可以在一定程度上提高生成的医疗画像标签的准确性。
78.步骤s400
79.在本技术示例性的实施方式中，在获得目标标签和对应的目标数据之后，还可以设置评估模型，并基于评估模型和评估信息生成居民的医疗画像标签，其中，评估信息包括目标标签和所述目标数据。图7为根据本技术示例性实施方式的生成医疗画像标签的流程图。如图7所示，生成医疗画像标签可以包括以下步骤：
80.步骤s410：获取评估模型对应的参数信息，并基于参数信息获取对应的评估信息；
81.步骤s420：设置评估周期，并基于评估模型和评估信息生成居民的医疗画像标签。
82.示例性地，可以在系统预定义的评估模型中选择对应的评估模型，并获取评估模型对应的参数信息。对参数信息的要求进行分析，获取对应的评估信息，其中，评估信息可以包括第一目标标签、第二目标标签、第一目标数据和第二目标数据。以评估模型为心血管疾病风险评估模型为例进行说明。图8为根据本技术示例性实施方式的心血管疾病风险评估模型对应的参数信息示意图。如图8所示，心血管疾病风险评估模型的参数信息包括出生日期，收缩压、体重指数、总胆固醇、吸烟状态、糖尿病标志，然后并基于参数信息中对数据类型的要求确定关联第一目标标签或者第二目标标签，并获取对应的第一目标数据或者第二目标数据。以体重指数(bmi)为例，体重指数需要居民的身高和体重，基于bmi的计算公式获得。第一目标标签包括居民的身高和体重，获得居民的身高和体重对应的第一目标数据；然后经过对第一目标数据的分析处理，可以进一步获得对应的第二目标数据(即居民的bmi指数)，并关联对应的第二目标标签(体重指数)。以出生日期为例，可以直接关联居民的第一目标标签(出生日期)并获取对应的第一目标数据(xxxx年xx月xx日)。然后设置评估周期，并基于评估周期对评估信息进行筛选，获得评估周期内的评估信息。例如，心血管疾病风险评估模型对应的评估周期为1年，则筛选居民近一年以内的评估信息。
83.在本技术示例性的实施方式中，在获取评估信息之后，还可以进一步确定评估信息的饱和度。图9为根据本技术示例性实施方式的确定评估信息的饱和度的流程图。如图9所示，确定评估信息的饱和度可以包括以下步骤：
84.步骤s421：确定参数信息中的必要信息，并基于必要信息对评估信息进行检测；
85.步骤s422：响应于评估信息中包含全部必要信息，确定评估信息的数据饱和度，并将评估信息的数据饱和度与评估模型的数据饱和度阈值进行比较；
86.步骤s423：响应于评估信息的数据饱和度大于或者等于数据饱和度阈值，生成居民对应的医疗画像标签。
87.示例性地，首先确定参数信息中的必要信息，其中，必要信息为生成医疗画像标签不可或缺的信息，例如，居民的身份信息。基于必要信息对评估信息进行检测，如果评估信息中未包含全部必要信息，可以生成提示信息或者标记信息，暂停生成此居民的医疗画像标签；如果评估信息中包含全部必要信息，可以进一步确定评估信息的数据饱和度，并将评估信息的数据饱和度与评估模型的数据饱和度阈值进行比较。由于在获取居民信息的时
候，并不是可以获取目标标签对应的全部的目标数据，因此需要对评估信息的数据饱和度进行判定，以保证获得更准确的医疗画像标签。例如，数据饱和度阈值为70％，当评估信息的数据饱和度达到70％时，可以进一步生成居民的医疗画像标签。例如，心血管疾病风险评估模型通过对评估信息进行综合分析，生成居民的医疗画像标签，其中，居民的医疗画像标签可以包括多种输出形式，例如，居民的医疗画像标签为居民罹患心血管疾病的风险等级。
88.根据本技术示例性的实施方式，通过设置参数信息中的必要信息，并基于必要信息对评估信息进行检测，可以初步对评估信息进行检测，如果必要信息有缺失，则不生成居民的医疗画像标签，可以在一定程度上提高生成居民的医疗画像标签的准确度和效率。并且，在确定评估信息中包含全部必要信息之后，进一步对评估信息的数据饱和度进行检测，可以进一步保证生成居民的医疗画像标签的准确度。
89.本技术另一方面还提供了一种实体关系的确定装置。图10为根据本技术示例性实施方式的医疗画像标签的生成装置2000的示意图。如图10所示，医疗画像标签的生成装置可以包括：预处理模块2100、标签建立模块2200、数据处理模块2300以及医疗画像标签生成模块2400。
90.在本技术示例性的实施方式中，预处理模块2100可以用于获取居民的初始医疗数据，并对初始医疗数据进行预处理，获得预处理数据。其中，初始医疗数据可以包括多个种类的信息，例如，居民的就医信息、病历信息、公共卫生服务信息等，每一类信息可以包括至少一个业务表，例如病历信息可以包括处方业务表、检验报告业务表、检查报告业务表等。示例性地，可以对涉及居民的数据源进行配置，获得对应的初始医疗数据，配置内容包括数据源的连接信息、数据模型信息和数据字典信息。其中，数据源的连接信息可以包括数据库类型、数据库ip地址、端口号、数据库实例名、用户名、密码等；数据字典信息为数据源中使用到的值域字典。
91.在本技术示例性的实施方式中，在获取居民的初始医疗数据之后，还可以对初始医疗数据进行预处理，获得预处理数据。示例性地，可以将初始医疗数据划分为基础数据和特殊数据，将基础数据通过转换脚本转换为标准数据。特殊数据的话一般占比极少，需要专业的人员进行单独的处理。例如，通过转换脚本可以将基础数据进行多值字段拆分、通过代码关联具体含义、代码转换、非结构化文本分词处理、定量数据转化为定性数据、有无判断、有无特定值判断、记录条数计数等处理，转化成标准数据。示例性地，初始数据中的居民性别可以用代码1和2表示男和女，需要通过代码关联具体含义，获得居民性别；医疗数据的来源可能来自不同的医疗机构，不同的医疗机构采用的代码可能不同，通过代码转换，可以将不同的医疗机构中的代码进行统一；居民的血压、血糖等一般为定值，将定值的血压血糖对应到标准的血压区间或者血糖区间，通过将定量数据转化为定性数据，以便后续能更好的对居民的疾病进行诊断。
92.根据本技术示例性的实施方式，通过对初始医疗数据进行预处理，获得预处理数据，可以在后续过程中提高数据标签分类的准确度。
93.在本技术示例性的实施方式中，标签建立模块2200可以用于建立多级标签体系，并对每一级标签体系中的标签进行定义。本技术以两级标签分类体系为例，第一级标签可以为不同类别的标签，第二级标签可以为同一类别下的不同的医疗标签。如图2所示，第一级标签可以包括编码和名称，编码为a-i，分别对应的标签名称为人口学与社会经济学、健
康史、健康风险因素表、主诉与症状、体格检查、临床辅助检查、实验室检查、医学诊断以及医学评估；第二级标签可以包括编码和名称，以健康史为例，健康史对应的二级标签的编码为b01-b09，分别对应的二级标签名称为传染病史、过敏史、手术史、外伤史、输血史、疾病史、残疾情况、生育史以及月经史；二级标签还可以包括多个具体的医疗标签，以二级标签生育史为例，可以包括的具体的医疗标签，其中，具体的医疗标签的编码为b0801-b0807，分别对应孕次产次、不良孕产史、早产史、异位妊娠史、前次妊娠信息、前次分娩信息以及妊娠合并症等。其中，医疗标签对应的信息一般可以直接从预处理数据中获得。本技术以两级标签为例进行示例性说明，本领域技术人员可知，可以根据实际情况进行标签级别的设置，本技术对此不做限制。
94.在本技术示例性的实施方式中，在建立两级标签体系后，可以基于标签体系对每一级标签体系中的标签进行定义。示例性地，可以对标签的基本信息、构成信息以及标签属性进行配置。如图3所示，以具体医疗标签b0302手术信息为例，配置的标签的基本信息和标签属性可以包括：分类、基数、性别限制、年龄限制、数据类型、有效规则、有效时间、失效处理、获取方式以及检索条件等；配置的标签的构成信息和标签属性可以包括：节点名、节点含义、数据类型、字段长度、编码表、去重依据、检索条件以及操作。其中，数据类型可以包括简单标签和复合标签，简单标签中只包含一个字段，复合标签可以包含多个字段。
95.根据本技术示例性的实施方式，通过建立多级标签体系并对多级标签体系对每一级标签体系中的标签进行定义，可以更好的展现标签与数据之间的关系，标签与标签之间的关系，有利于标签的管理和维护。
96.在本技术示例性的实施方式中，数据处理模块2300可以用于基于多级标签体系配置对应的数据处理规则，并基于数据处理规则对预处理数据进行数据处理，获得目标标签及对应的目标数据。首先，可以基于数据处理模块2300对预处理数据进行直接抽取，获得第一目标标签和第一目标数据。获取第一目标标签和第一目标数据可以包括：对多级标签体系中的标签进行筛选，获得第一目标标签，其中，第一目标标签为直接抽取类标签；基于第一目标标签配置第一数据抽取规则；以及基于第一数据抽取规则对预处理数据进行抽取，获得第一目标数据。
97.示例性地，直接抽取可以从各个业务表中直接抽取相应的信息或者只需要简单的数据转换处理就可以获得对应的信息，因此，可以先对多级标签体系中的标签进行筛选，选择可以进行直接抽取类的标签作为第一目标标签，然后可以基于第一目标标签配置第一数据抽取规则。配置第一数据抽取规则的流程如下：选择业务表
→
设定抽取条件(即业务表中的某些字段符合抽取条件，例如等于、不等于、大于、小于某个值，才可以进行抽取)
→
选择映射字段(在业务表中选择与第一目标标签对应的映射字段)
→
设定数据转换方式。然后基于第一数据抽取规则对预处理数据进行抽取，获得第一目标数据。示例性地，可以通过第一数据抽取规则抽取预处理数据中业务表中的手术信息，获得对应的第一目标数据，例如，手术名称、手术日期、手术机构名称等。
98.根据本技术示例性的实施方式，基于第一目标标签对预处理数据进行直接抽取，获得对应的第一目标数据，通过简单的数据转换和映射关系，无需开发人员编写脚本对数据进行抽取，在一定程度上可以降低获得居民的医疗画像标签的难度。
99.在本技术示例性的实施方式中，还可以基于标签建立模块2200第一目标标签的优
先级。示例性地，将居民身份识别类的第一目标标签设置为第一优先级，例如，姓名、身份证件号码等，在进行数据抽取的时候需要优先抽取第一优先级的第一目标标签对应的数据，依次类推。通过设置第一目标标签的优先级，可以优化第一目标数据的抽取进度，提高第一目标数据与第一目标标签关联的准确度。
100.在本技术示例性的实施方式中，还可以基于数据处理模块2300对第一目标数据进行进一步处理，获得第二目标标签和第二目标数据。获取第二目标标签和第二目标数据可以包括：对第一目标数据进行分析处理，生成第二目标数据；选择与第二目标数据关联的第二目标标签。
101.示例性地，通过对第一目标数据进行分析，可以确定第一目标数据的转换方式，其中，第一目标数据的转换方式可以包括基础数据转换方式和特殊数据转换方式，可以对第一目标数据进行转换，获得第二目标数据。进一步地，在标签体系中选择与第二目标数据关联的第二目标标签。例如，第一目标数据中可以通过居民的手术信息(手术名称、手术日期、手术机构名称等)对应的数据，可以确定居民是否接受过手术，获得第二目标数据，即居民是否接受过手术。然后通过第二目标数据在标签体系中关联对应的手术史(图2)标签。可选地，还可以基于第二目标标签的配置信息对第二目标数据进行筛选。例如，基于第二目标标签对时间范围的限定对第二目标数据进行筛选。
102.根据本技术示例性的实施方式，通过对第一目标数据进行分析处理，获得第二目标数据并关联第二目标标签，可以进一步简化第一目标数据，有利于简化后续数据分析过程，在一定程度上可以提高生成医疗画像标签的效率。
103.在本技术示例性的实施方式中，由于居民的医疗数据更新的速度较快，因此需要获取居民最新的医疗数据对居民的医疗画像标签进行预测，以便生成更准确的医疗画像标签。因此，在获得第一目标数据、第二目标数据、第一目标标签和第二目标标签之后，可以进一步基于数据处理模块2300对居民的初始医疗数据进行检测。对居民的初始医疗数据进行检测可以包括：获取目标数据中的时间信息；在时间信息中选择最新数据获取时间，并将最新数据获取时间与预设时间进行对比；响应于最新数据获取时间早于预设时间，检测是否存在更新初始医疗数据；响应于存在更新初始医疗数据，获取更新初始医疗数据对应目标标签。
104.示例性地，获取第一目标数据和/或第二目标数据中的时间信息，其中，第一目标数据和/或第二目标数据中可以包含多个时间信息，在多个时间信息中选择最新数据获取时间，然后将最新数据获取时间与预设时间进行对比，其中，预设时间可以设置为每天的0点，如果最新数据获取时间早于预设时间，可以进行增量数据处理流程，即检测是否存在更新初始医疗数据，如果存在更新初始医疗数据，获取更新初始医疗数据对应的第一目标标签和/或第二目标标签。其中，获取更新初始医疗数据对应的第一目标标签和/或第二目标标签在上述过程中已经详细介绍，在此不做过多赘述。
105.根据本技术示例性的实施方式，基于预设时间检测是否存在更新初始医疗数据，如果存在更新初始医疗数据，获取更新初始医疗数据对应的目标标签。通过预设时间对初始医疗数据进行检测，只需要基于原有的数据处理规则对更新初始医疗数据进行处理，在保证基于最新的医疗数据获取对应的目标标签基础上，提高了标签管理的灵活性。
106.在本技术示例性的实施方式中，还可以基于标签建立模块2200配置目标标签的有
效期限，并对目标标签的有效期限进行检测，若有效期限大于有效期限阈值，则将对应的目标标签标注为失效标签。示例性的，不同的标签可以设置不同的有效期限，例如，其中一个标签的有效期限为一年，如果检测到生成的标签期限超过一年之后，则将此标签设置为失效标签。通过设置标签的有效期限，可以在一定程度上提高生成的医疗画像标签的准确性。
107.在本技术示例性的实施方式中，医疗画像标签生成模块2400可以用于设置评估模型，并基于评估模型和评估信息生成居民的医疗画像标签，其中，评估信息包括目标标签和目标数据。生成医疗画像标签可以包括：获取评估模型对应的参数信息，并基于参数信息获取对应的评估信息；设置评估周期，并基于评估模型和评估信息生成居民的医疗画像标签。
108.示例性地，可以在系统预定义的评估模型中选择对应的评估模型，并获取评估模型对应的参数信息。对参数信息的要求进行分析，获取对应的评估信息，其中，评估信息可以包括第一目标标签、第二目标标签、第一目标数据和第二目标数据。以评估模型为心血管疾病风险评估模型为例进行说明。如图8所示，心血管疾病风险评估模型的参数信息包括出生日期，收缩压、体重指数、总胆固醇、吸烟状态、糖尿病标志，然后并基于参数信息中对数据类型的要求确定关联第一目标标签或者第二目标标签，并获取对应的第一目标数据或者第二目标数据。以体重指数(bmi)为例，体重指数需要居民的身高和体重，基于bmi的计算公式获得。第一目标标签包括居民的身高和体重，获得居民的身高和体重对应的第一目标数据；然后经过对第一目标数据的分析处理，可以进一步获得对应的第二目标数据(即居民的bmi指数)，并关联对应的第二目标标签(体重指数)。以出生日期为例，可以直接关联居民的第一目标标签(出生日期)并获取对应的第一目标数据(xxxx年xx月xx日)。然后设置评估周期，并基于评估周期对评估信息进行筛选，获得评估周期内的评估信息。例如，心血管疾病风险评估模型对应的评估周期为1年，则筛选居民近一年以内的评估信息。
109.在本技术示例性的实施方式中，还可以基于医疗画像标签生成模块2400进一步确定评估信息的饱和度。确定评估信息的饱和度可以包括：确定参数信息中的必要信息，并基于必要信息对评估信息进行检测；响应于评估信息中包含全部必要信息，确定评估信息的数据饱和度，并将评估信息的数据饱和度与评估模型的数据饱和度阈值进行比较；响应于评估信息的数据饱和度大于或者等于数据饱和度阈值，生成居民对应的医疗画像标签。
110.示例性地，首先确定参数信息中的必要信息，其中，必要信息为生成医疗画像标签不可或缺的信息，例如，居民的身份信息。基于必要信息对评估信息进行检测，如果评估信息中未包含全部必要信息，可以生成提示信息或者标记信息，暂停生成此居民的医疗画像标签；如果评估信息中包含全部必要信息，可以进一步确定评估信息的数据饱和度，并将评估信息的数据饱和度与评估模型的数据饱和度阈值进行比较。由于在获取居民信息的时候，并不是可以获取目标标签对应的全部的目标数据，因此需要对评估信息的数据饱和度进行判定，以保证获得更准确的医疗画像标签。例如，数据饱和度阈值为70％，当评估信息的数据饱和度达到70％时，可以进一步生成居民的医疗画像标签。例如，心血管疾病风险评估模型通过对评估信息进行综合分析，生成居民的医疗画像标签，其中，居民的医疗画像标签可以包括多种输出形式，例如，居民的医疗画像标签为居民罹患心血管疾病的风险等级。
111.根据本技术示例性的实施方式，通过设置参数信息中的必要信息，并基于必要信息对评估信息进行检测，可以初步对评估信息进行检测，如果必要信息有缺失，则不生成居民的医疗画像标签，可以在一定程度上提高生成居民的医疗画像标签的准确度和效率。并
且，在确定评估信息中包含全部必要信息之后，进一步对评估信息的数据饱和度进行检测，可以进一步保证生成居民的医疗画像标签的准确度。
112.本技术还提供了一种电子设备和计算机可读存储介质。图11是根据本公开的实施例的适于用来实现本公开的实施例的电子设备3000的结构示意图。
113.下面参考图11，其示出了适于用来实现本公开的实施例的电子设备3000的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图11示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
114.如图11所示，电子设备3000可以包括处理装置(例如中央处理器、图形处理器等)3100，其可以根据存储在只读存储器(rom)3200中的程序或者从存储装置3800加载到随机访问存储器(ram)3300中的程序而执行各种适当的动作和处理。在ram3300中，还存储有电子设备3000操作所需的各种程序和数据。处理装置3100、rom3200以及ram3300通过总线3400彼此相连。输入/输出(i/o)接口3500也连接至总线3400。
115.通常，以下装置可以连接至i/o接口3500：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置3600；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置3700；包括例如磁带、硬盘等的存储装置3800；以及通信装置3900。通信装置3900可以允许电子设备3000与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设备3000，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图11中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
116.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置3900从网络上被下载和安装，或者从存储装置3800被安装，或者从rom3200被安装。在该计算机程序被处理装置3100执行时，执行本公开的实施例的方法中限定的上述功能。
117.需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机
可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
118.上述计算机可读介质可以是上述电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备可以实现：获取居民的初始医疗数据，并对初始医疗数据进行预处理，获得预处理数据；建立多级标签体系，并对每一级标签体系中的标签进行定义；基于多级标签体系配置对应的数据处理规则，并基于数据处理规则对预处理数据进行数据处理，获得目标标签及对应的目标数据；以及设置评估模型，并基于评估模型和评估信息生成居民的医疗画像标签，其中，评估信息包括目标标签和目标数据。
119.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
120.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
121.如上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是，以上所述仅为本发明的具体实施方式，并不用于限制本发明。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。

技术特征：
1.一种医疗画像标签的生成方法，其特征在于，所述方法包括：获取居民的初始医疗数据，并对所述初始医疗数据进行预处理，获得预处理数据；建立多级标签体系，并对每一级标签体系中的标签进行定义；基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据；以及设置评估模型，并基于所述评估模型和评估信息生成居民的医疗画像标签，其中，所述评估信息包括所述目标标签和所述目标数据。2.根据权利要求1所述的医疗画像标签的生成方法，其特征在于，基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据，包括：对所述多级标签体系中的标签进行筛选，获得第一目标标签，其中，所述第一目标标签为直接抽取类标签；基于所述第一目标标签配置第一数据抽取规则；以及基于所述第一数据抽取规则对所述预处理数据进行抽取，获得第一目标数据。3.根据权利要求2所述的医疗画像标签的生成方法，其特征在于，基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据，还包括：对所述第一目标数据进行分析处理，生成第二目标数据；以及选择与所述第二目标数据关联的第二目标标签。4.根据权利要求3所述的医疗画像标签的生成方法，其特征在于，设置评估模型，并基于所述评估模型和评估信息生成居民的医疗画像标签，包括：获取所述评估模型对应的参数信息，并基于所述参数信息获取对应的所述评估信息；设置评估周期，并基于所述评估模型和所述评估信息生成居民的所述医疗画像标签。5.根据权利要求2所述的医疗画像标签的生成方法，其特征在于，在对所述多级标签体系中的标签进行筛选，获得第一目标标签之后，还包括：设置所述第一目标标签的优先级。6.根据权利要求4所述的医疗画像标签的生成方法，其特征在于，基于所述评估模型和评估信息生成居民的所述医疗画像标签，还包括：确定所述参数信息中的必要信息，并基于所述必要信息对所述评估信息进行检测；响应于所述评估信息中包含全部所述必要信息，确定所述评估信息的数据饱和度，并将所述评估信息的数据饱和度与所述评估模型的数据饱和度阈值进行比较；响应于所述评估信息的数据饱和度大于或者等于所述数据饱和度阈值，生成居民对应的所述医疗画像标签。7.根据权利要求4所述的医疗画像标签的生成方法，其特征在于，在基于所述评估模型和所述评估信息生成居民的所述医疗画像标签之前，所述方法还包括：获取所述目标数据中的时间信息；在所述时间信息中选择最新数据获取时间，并将所述最新数据获取时间与预设时间进行对比；响应于所述最新数据获取时间早于所述预设时间，检测是否存在更新初始医疗数据；
响应于存在所述更新初始医疗数据，获取所述更新初始医疗数据对应的所述目标标签。8.一种医疗画像标签的生成装置，其特征在于，所述装置包括：预处理模块，用于获取居民的初始医疗数据，并对所述初始医疗数据进行预处理，获得预处理数据；标签建立模块，用于建立多级标签体系，并对每一级标签体系中的标签进行定义；数据处理模块，用于基于所述多级标签体系配置对应的数据处理规则，并基于所述数据处理规则对所述预处理数据进行数据处理，获得目标标签及对应的目标数据；以及医疗画像标签生成模块，用于设置评估模型，并基于所述评估模型和评估信息生成居民的医疗画像标签，其中，所述评估信息包括所述目标标签和所述目标数据。9.一种电子设备，其特征在于，包括：处理器，适于执行计算机程序；以及计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至7中任一项所述的方法。

技术总结
本申请提供了一种医疗画像标签的生成方法、装置、设备及存储介质，所述方法包括：获取居民的初始医疗数据，并对初始医疗数据进行预处理，获得预处理数据；建立多级标签体系，并对每一级标签体系中的标签进行定义；基于多级标签体系配置对应的数据处理规则，并基于数据处理规则对预处理数据进行数据处理，获得目标标签及对应的目标数据；以及设置评估模型，并基于评估模型和评估信息生成居民的医疗画像标签，其中，评估信息包括目标标签和目标数据。评估信息包括目标标签和目标数据。评估信息包括目标标签和目标数据。


技术研发人员：周凯
受保护的技术使用者：东软集团股份有限公司
技术研发日：2023.06.20
技术公布日：2023/9/20