醫(yī)療報銷異常行為挖掘研究及應(yīng)用
發(fā)布時間:2021-02-21 06:34
隨著我國醫(yī)療行業(yè)信息化的不斷深入,醫(yī)療數(shù)據(jù)已呈現(xiàn)爆炸增長的趨勢,從海量醫(yī)療數(shù)據(jù)中挖掘出有用的信息受到越來越多學(xué)術(shù)界研究人員的關(guān)注,特別是隱蔽性高、危害大的醫(yī)療欺詐行為挖掘。然而現(xiàn)有的異常檢測技術(shù)在面對高維、不平衡、含有混合數(shù)據(jù)的數(shù)據(jù)集時因考慮片面往往性能欠佳,因此一種高準(zhǔn)確率高效率的異常檢測方法對醫(yī)保行業(yè)具有重大意義。本文綜合考慮了某地醫(yī)療報銷數(shù)據(jù)集的特點(diǎn),將醫(yī)療欺詐與數(shù)據(jù)挖掘相結(jié)合,提出了一種兩段式的混合算法模型MAVF-CIForest,并設(shè)計與實(shí)現(xiàn)了基于Spark的醫(yī)療報銷異常行為檢測系統(tǒng)。主要工作有以下幾個方面:(1)針對數(shù)據(jù)集中高維度和不平衡的特點(diǎn),提出了一種基于重采樣的集成特征子空間選擇方法,較大地提升了對正類樣本有利的特征選取概率,同時采用基于分層采樣的特征選取,保證了集成模型的多樣性。實(shí)驗表明,本文采用的特征子空間選擇方法在面對高維、不平衡的醫(yī)療報銷數(shù)據(jù)集下效果優(yōu)秀,并且使后續(xù)算法模型相較未進(jìn)行特征選擇準(zhǔn)確率提升了90%。(2)針對數(shù)據(jù)集中出現(xiàn)的混合數(shù)據(jù),提出了一種兩段式的集成算法模型MAVFCIForest。其中MAVF處理分類數(shù)據(jù),處理后的結(jié)果連同連續(xù)數(shù)據(jù)一起作為C...
【文章來源】:電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:90 頁
【學(xué)位級別】:碩士
【部分圖文】:
二維空間內(nèi)異常點(diǎn)示意圖
樣本集中正常點(diǎn)和異常點(diǎn)比例圖
圖 5-11 數(shù)據(jù)樣例圖如圖 5-11 所示,數(shù)據(jù)表中即包含分類數(shù)據(jù)也包含混合數(shù)據(jù),符合本文提出的算法模型。圖中只展示了部分?jǐn)?shù)據(jù)和部分字段,在完整的數(shù)據(jù)集中,還包含了病人的編號、出院診斷、病人年齡、醫(yī)療費(fèi)用總額和自付比例等對醫(yī)保異常檢測十分重
【參考文獻(xiàn)】:
期刊論文
[1]基于高斯過程模型的異常檢測算法[J]. 于冰潔,夏戰(zhàn)國,王久龍. 計算機(jī)工程與設(shè)計. 2016(04)
[2]醫(yī)療大數(shù)據(jù)研究現(xiàn)狀及其臨床應(yīng)用[J]. 羅旭,劉友江. 醫(yī)學(xué)信息學(xué)雜志. 2015(05)
[3]醫(yī)療保險騙保特征分析[J]. 李亞子,尤斌. 中國社會保障. 2015(02)
[4]醫(yī)療大數(shù)據(jù)及其面臨的機(jī)遇與挑戰(zhàn)[J]. 張振,周毅,杜守洪,羅雪瓊,梅甜. 醫(yī)學(xué)信息學(xué)雜志. 2014(06)
[5]醫(yī)保欺詐的成因及其監(jiān)管探析[J]. 王蔚臆. 管理觀察. 2014(08)
[6]國內(nèi)外醫(yī)療保險欺詐研究現(xiàn)狀分析[J]. 林源. 保險研究. 2010(12)
[7]Bagging中文文本分類器的改進(jìn)方法研究[J]. 張翔,周明全,耿國華. 小型微型計算機(jī)系統(tǒng). 2010(02)
[8]異常檢測綜述[J]. 陳斌,陳松燦,潘志松,李斌. 山東大學(xué)學(xué)報(工學(xué)版). 2009(06)
[9]醫(yī)療保險中的欺詐與反欺詐問題[J]. 夏宏,汪凱,張守春. 現(xiàn)代預(yù)防醫(yī)學(xué). 2007(20)
碩士論文
[1]基于統(tǒng)計方法的異常數(shù)據(jù)檢測及其修復(fù)[D]. 金偉.南京郵電大學(xué) 2016
[2]醫(yī)療保險欺詐檢測問題研究[D]. 張海洋.山東大學(xué) 2016
[3]基于離群點(diǎn)檢測的新農(nóng)合醫(yī)保欺詐識別的研究[D]. 高宇彤.哈爾濱商業(yè)大學(xué) 2015
[4]醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D]. 樓磊磊.浙江大學(xué) 2015
[5]基于BP神經(jīng)網(wǎng)絡(luò)的健康保險欺詐識別研究[D]. 楊超.青島大學(xué) 2014
[6]中國醫(yī)療保險制度改革研究[D]. 崔婷博.東北師范大學(xué) 2013
[7]基于核方法的異常檢測技術(shù)的研究[D]. 張思懿.江南大學(xué) 2012
[8]數(shù)據(jù)挖掘技術(shù)在醫(yī)保領(lǐng)域中的研究與應(yīng)用[D]. 何俊華.復(fù)旦大學(xué) 2011
[9]城鎮(zhèn)職工基本醫(yī)療保險異地就醫(yī)道德風(fēng)險控制[D]. 陳瓊.復(fù)旦大學(xué) 2010
[10]商業(yè)醫(yī)療保險中的道德風(fēng)險控制研究[D]. 黃鎏.湖南大學(xué) 2006
本文編號:3043982
【文章來源】:電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:90 頁
【學(xué)位級別】:碩士
【部分圖文】:
二維空間內(nèi)異常點(diǎn)示意圖
樣本集中正常點(diǎn)和異常點(diǎn)比例圖
圖 5-11 數(shù)據(jù)樣例圖如圖 5-11 所示,數(shù)據(jù)表中即包含分類數(shù)據(jù)也包含混合數(shù)據(jù),符合本文提出的算法模型。圖中只展示了部分?jǐn)?shù)據(jù)和部分字段,在完整的數(shù)據(jù)集中,還包含了病人的編號、出院診斷、病人年齡、醫(yī)療費(fèi)用總額和自付比例等對醫(yī)保異常檢測十分重
【參考文獻(xiàn)】:
期刊論文
[1]基于高斯過程模型的異常檢測算法[J]. 于冰潔,夏戰(zhàn)國,王久龍. 計算機(jī)工程與設(shè)計. 2016(04)
[2]醫(yī)療大數(shù)據(jù)研究現(xiàn)狀及其臨床應(yīng)用[J]. 羅旭,劉友江. 醫(yī)學(xué)信息學(xué)雜志. 2015(05)
[3]醫(yī)療保險騙保特征分析[J]. 李亞子,尤斌. 中國社會保障. 2015(02)
[4]醫(yī)療大數(shù)據(jù)及其面臨的機(jī)遇與挑戰(zhàn)[J]. 張振,周毅,杜守洪,羅雪瓊,梅甜. 醫(yī)學(xué)信息學(xué)雜志. 2014(06)
[5]醫(yī)保欺詐的成因及其監(jiān)管探析[J]. 王蔚臆. 管理觀察. 2014(08)
[6]國內(nèi)外醫(yī)療保險欺詐研究現(xiàn)狀分析[J]. 林源. 保險研究. 2010(12)
[7]Bagging中文文本分類器的改進(jìn)方法研究[J]. 張翔,周明全,耿國華. 小型微型計算機(jī)系統(tǒng). 2010(02)
[8]異常檢測綜述[J]. 陳斌,陳松燦,潘志松,李斌. 山東大學(xué)學(xué)報(工學(xué)版). 2009(06)
[9]醫(yī)療保險中的欺詐與反欺詐問題[J]. 夏宏,汪凱,張守春. 現(xiàn)代預(yù)防醫(yī)學(xué). 2007(20)
碩士論文
[1]基于統(tǒng)計方法的異常數(shù)據(jù)檢測及其修復(fù)[D]. 金偉.南京郵電大學(xué) 2016
[2]醫(yī)療保險欺詐檢測問題研究[D]. 張海洋.山東大學(xué) 2016
[3]基于離群點(diǎn)檢測的新農(nóng)合醫(yī)保欺詐識別的研究[D]. 高宇彤.哈爾濱商業(yè)大學(xué) 2015
[4]醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D]. 樓磊磊.浙江大學(xué) 2015
[5]基于BP神經(jīng)網(wǎng)絡(luò)的健康保險欺詐識別研究[D]. 楊超.青島大學(xué) 2014
[6]中國醫(yī)療保險制度改革研究[D]. 崔婷博.東北師范大學(xué) 2013
[7]基于核方法的異常檢測技術(shù)的研究[D]. 張思懿.江南大學(xué) 2012
[8]數(shù)據(jù)挖掘技術(shù)在醫(yī)保領(lǐng)域中的研究與應(yīng)用[D]. 何俊華.復(fù)旦大學(xué) 2011
[9]城鎮(zhèn)職工基本醫(yī)療保險異地就醫(yī)道德風(fēng)險控制[D]. 陳瓊.復(fù)旦大學(xué) 2010
[10]商業(yè)醫(yī)療保險中的道德風(fēng)險控制研究[D]. 黃鎏.湖南大學(xué) 2006
本文編號:3043982
本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/3043982.html
最近更新
教材專著