性激素检测结果互认方法、装置、电子设备及存储介质

本技术涉及信息处理，特别涉及一种性激素检测结果互认方法、装置、电子设备及存储介质。

背景技术：

1、随着诊断医学的发展和询证医学的需求，性激素检测项目的检测结果越来越重要。不同品牌或不同型号间的检测结果往往存在一定的差异，会大大影响不同医疗平台之间的检测结果互认。

2、随着人工智能技术在医学领域的广泛应用，数据质量的重要性也愈加凸显，然而，由于不同品牌或不同型号间的检测结果混杂在一起并大量堆积，大大降低了数据的质量，使得历史的检测结果不能有效利用起来，难以应用在人工智能技术中，浪费了大量的数据资源。

技术实现思路

1、为了解决至少一个上述相关技术中存在的技术问题，本技术实施例提出了一种性激素检测结果互认方法、装置、电子设备及存储介质，能够极大提高检测结果数据的数据质量，实现不同医疗平台之间的检测结果互认，提高检测结果互认的效率和准确度。

2、一方面，本技术实施例提出了一种性激素检测结果互认方法，所述方法包括以下步骤：

3、获取性激素检测项目对应的检测结果数据；

4、根据预设的时间尺度集，对所述检测结果数据进行连续时间关联的统计学分析，确定多个目标分群时间段；

5、根据各所述目标分群时间段，对所述检测结果数据进行划分，获得对应于各所述目标分群时间段的检测结果数据群；

6、根据所述检测结果数据，拟合获得检测结果标准曲线；

7、根据所述检测结果标准曲线，对各所述检测结果数据群进行回归分析，确定各所述检测结果数据群对应的检测结果调整数据，利用所述检测结果调整数据进行结果互认。

8、在一些实施例中，所述方法还包括以下步骤：

9、利用各所述检测结果数据群对应的检测结果调整数据，训练深度学习模型，利用所述深度学习模型进行检测结果数据分析。

10、在一些实施例中，所述时间尺度集包括由大到小顺序排列的多个时间尺度，所述根据预设的时间尺度集，对所述检测结果数据进行连续时间关联的统计学分析，确定多个分群时间点这一步骤，具体包括：

11、根据所述检测结果数据中包含的各检测结果数据曲线，确定各所述检测结果数据曲线对应的曲线特征节点数据；

12、获取第一时间尺度为当前时间尺度，获取各第一分群时间节点为当前分群时间节点；所述第一分群时间节点包括所述检测结果数据对应的起始时间节点和结束时间节点；

13、根据所述当前时间尺度和各所述当前分群时间节点，对各所述检测结果数据曲线进行划分，确定多个由若干个所述检测结果数据曲线组成的曲线数据集合；

14、对各所述曲线数据集合中包含的多个目标曲线特征点数据进行整合，获得各所述曲线数据集合对应的曲线特征点数据集；所述目标曲线特征点数据为所述曲线数据集合中所述检测结果数据曲线对应的所述曲线特征节点数据；

15、对各所述曲线特征点数据集进行均值计算和标准差计算，获得各所述曲线特征点数据集对应的均值和标准差；

16、将各分群时间段中相邻的所述曲线特征点数据集配对成组，获得各所述分群时间段对应若干个曲线特征数据对比组；所述分群时间段通过各所述当前分群时间节点进行确定；

17、对各所述曲线特征数据对比组中各所述曲线特征点数据集的均值和标准差，进行对比分析，确定各所述曲线特征数据对比组对应的均值波动值和标准差波动值；

18、当所述曲线特征数据对比组对应的所述均值波动值不在给定的第一波动阈值范围内，且所述曲线特征数据对比组对应的所述标准差波动值不在给定的第二波动阈值范围内时，将所述曲线特征数据对比组确定为目标对比组，将所述目标对比组中相邻的所述曲线特征点数据集对应的数据集划分时间节点确定为第二分群时间节点；

19、当存在若干个所述目标对比组时，将各所述目标对比组对应的所述第二分群时间节点，添加为所述当前分群时间节点，获取第二时间尺度作为所述当前时间尺度，然后返回根据所述当前时间尺度和各所述当前分群时间节点，对各所述检测结果数据曲线进行划分，确定多个由若干个所述检测结果数据曲线组成的曲线数据集合这一步骤，直至不存在所述目标对比组；所述第二时间尺度为在所述时间尺度集中顺序排列在当前时间尺度后的时间尺度；

20、当不存在所述目标对比组时，根据各所述当前分群时间节点，确定对应的各所述目标分群时间段；所述目标分群时间段为相邻的所述当前分群时间节点之间的时间段。

21、在一些实施例中，所述根据所述当前时间尺度和各所述当前分群时间节点，对各所述检测结果数据曲线进行划分，确定多个由若干个所述检测结果数据曲线组成的曲线数据集合这一步骤，具体包括：

22、根据各所述当前分群时间节点，确定若干个所述分群时间段；所述分群时间段为相邻的所述当前分群时间节点之间的时间段；

23、根据各所述分群时间段，从所述检测结果数据中筛选出在各所述分群时间段内获得的若干个所述检测结果数据曲线，确定各所述分群时间段对应的曲线数据预划分集合；

24、根据所述当前时间尺度，对各所述曲线数据预划分集合进行划分，获得各所述曲线数据预划分集合对应的若干个所述曲线数据集合。

25、在一些实施例中，所述对各所述曲线特征数据对比组中各所述曲线特征点数据集的均值和标准差，进行对比分析，确定各所述曲线特征数据对比组对应的均值波动值和标准差波动值这一步骤，具体包括：

26、对所述曲线特征数据对比组中相邻的所述曲线特征点数据集的均值进行差异计算，确定所述均值波动值；

27、对所述曲线特征数据对比组中相邻的所述曲线特征点数据集的标准差进行差异计算，确定所述标准差波动值。

28、在一些实施例中，所述根据所述检测结果数据，拟合获得检测结果标准曲线这一步骤，具体包括：

29、获取预设的若干个关键检测节点；

30、根据各所述关键检测节点，确定所述检测结果数据中的各所述检测结果数据曲线对应的关键检测节点数据；

31、针对同一所述关键检测节点，对各所述检测结果数据曲线对应的所述关键检测节点数据进行整合，获得对应于所述关键检测节点的关键节点数据集；

32、对各所述关键节点数据集进行均值计算，确定各所述关键节点数据集对应的数据均值；

33、根据各所述关键节点数据集对应的数据均值，拟合获得所述检测结果标准曲线。

34、在一些实施例中，所述根据所述检测结果标准曲线，对各所述检测结果数据群进行回归分析，确定各所述检测结果数据群对应的检测结果调整数据，利用所述检测结果调整数据进行结果互认这一步骤，具体包括：

35、根据所述检测结果标准曲线，对所述检测结果数据群中的各所述检测结果数据曲线进行回归分析，确定各所述检测结果数据曲线对应的回归算式；

36、根据各所述检测结果数据曲线对应的回归算式，对各所述检测结果数据曲线进行数据调整，获得各所述检测结果数据曲线对应的所述检测结果调整数据并根据所述检测结果调整数据拟合获得检测结果调整数据曲线。

37、另一方面，本技术实施例提出了一种性激素检测结果互认装置，所述装置包括：

38、第一模块，用于获取性激素检测项目对应的检测结果数据；

39、第二模块，用于根据预设的时间尺度集，对所述检测结果数据进行连续时间关联的统计学分析，确定多个目标分群时间段；

40、第三模块，用于根据各所述目标分群时间段，对所述检测结果数据进行划分，获得对应于各所述目标分群时间段的检测结果数据群；

41、第四模块，用于根据所述检测结果数据，拟合获得检测结果标准曲线；

42、第五模块，用于根据所述检测结果标准曲线，对各所述检测结果数据群进行回归分析，确定各所述检测结果数据群对应的检测结果调整数据，利用所述检测结果调整数据进行结果互认。

43、另一方面，本技术实施例提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前面所述的性激素检测结果互认方法。

44、还有一方面，本技术实施例提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前面所述的性激素检测结果互认方法。

45、本技术提供的一种性激素检测结果互认方法、装置、电子设备及存储介质，其通过对检测结果数据进行连续时间关联的统计学分析，确定多个目标分群时间段，根据各目标分群时间段，对检测结果数据进行划分，获得多个检测结果数据群，根据检测结果数据，拟合获得检测结果标准曲线，根据检测结果标准曲线，对各检测结果数据群进行回归分析，确定各检测结果数据群对应的检测结果调整数据，利用检测结果调整数据进行结果互认。本技术能够有效利用性激素检测项目对应的检测结果数据，提高检测结果数据的数据质量，结合回归分析方法，对检测结果数据进行调整，实现不同医疗平台之间的检测结果互认，提高检测结果互认的效率和准确度。