CN108039197A - 医技辅助检查项目排程引导方法及系统 - Google Patents
医技辅助检查项目排程引导方法及系统 Download PDFInfo
- Publication number
- CN108039197A CN108039197A CN201711246417.6A CN201711246417A CN108039197A CN 108039197 A CN108039197 A CN 108039197A CN 201711246417 A CN201711246417 A CN 201711246417A CN 108039197 A CN108039197 A CN 108039197A
- Authority
- CN
- China
- Prior art keywords
- patient
- auxiliary examination
- examination project
- scheduling
- medical technologies
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种医技辅助检查项目排程引导方法及系统。本发明的医技辅助检查项目排程引导方法包括：第一步骤：获取患者相关信息；第二步骤：根据患者相关信息，基于规则引擎建立一套动态算法模型实现辅助检查项目自动排程；第三步骤：根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
Description
技术领域
本发明涉及医技辅助检查项目智慧排程领域；具体地，本发明涉及一种基于排队论和规则引擎的医院医技辅助检查项目智慧排程并基于多终点寻径的患者就诊精准路线引导的方法及相关系统。
背景技术
排队论(queueing theory)，或称随机服务系统理论、排队理论，是数学运筹学的分支学科。它是研究服务系统中排队现象随机规律的学科。广泛应用于电信，交通工程，计算机网络、生产、运输、库存等各项资源共享的随机服务系统，和工厂，商店，办公室和医院的设计。排队论研究的内容有3个方面：统计推断，根据资料建立模型；系统的性态，即和排队有关的数量指标的概率规律性；系统的最佳化问题。其目的是正确设计和有效运行各个服务系统，使之发挥最佳效益。
医院的医技辅助检查项目排程类似生产车间的作业调度问题，又具有其特有的不确定性，对检查项目的先后顺序有明确的要求。目前对医院运营业务排程的研究主要集中于手术排程和体检排程，Jebali采用MIP调度模型(混合整数优化)对拍成问题进行建模并分析解决方案；Lebowitz采用蒙特卡洛模拟来评估和量化手术顺序对于患者等待时间和手术室利用率的影响；荷兰学者基于企业主生产计划和方法采用MSS(master surgicalscheduling)方法，在国内外得到广泛应用。
医院医技辅助检查是医院运营和患者就医过程的重要环节，为患者病情诊断、治疗提供重要参考资料，患者在辅助检查的就诊过程常常需要等待较长时间，而当患者感知辅助检查的时间少时会随着等候时间的增加而变得更加强烈，影响有效就诊率，就诊体验不好，满意度不高。
发明内容
本发明所要解决的技术问题是针对现有技术中存在上述缺陷，在充分利用医院现有资源的基础上，改变服务模式，基于规则引擎建立辅助检查项目智慧排程及精准引导体系，实现辅助检查项目智慧排程，同时结合医院院内导航为患者提供最优就诊方案及路径引导，从而缩短患者不必要的等待时间，提高单位时间内的有效就诊率，减少“三长一短”现象，从实际出发解决“看病难”的问题，提高患者满意度，提升患者获得感。
根据本发明，提供了一种医技辅助检查项目排程引导方法，包括：
第一步骤：获取患者相关信息；
第二步骤：根据患者相关信息，基于规则引擎建立一套动态算法模型实现辅助检查项目自动排程；
第三步骤：根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
优选地，第二步骤基于Drools规则引擎，分析医院辅助检查项目排程的影响因素，建立排程规则及冲突预警体系，实现辅助检查项目的自动智慧排程。
优选地，第二步骤包括如下步骤：
对患者相关信息中的检查数据进行整理分析，得到具有强相关性的检查项目组合，通过患者检查项目缴费时间与执行科室确认时间相减得到患者从收到检查通知到开始检查的时间，根据该时间拟合各个检查项目的患者到达分布；
根据患者到达分布对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型；
对数学模型运用规则引擎，将原检查排队流程予以系统化与参数化处理，运用计算机运行程序对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，以实现辅助检查项目自动排程。
优选地，患者相关信息包括：患者个人信息、门诊就诊动态信息、辅助检查项目医嘱开立动态信息、缴费动态信息。
优选地，在第三步骤，基于院内导航，对室内地图进行二维数组映射，运用DKD、三角剖分、递归算法为患者提供最优就诊方案及路线推荐，实现辅助检查项目精准引导。
根据本发明，还提供了一种医技辅助检查项目排程引导系统，用于执行下述步骤：
第一步骤：获取患者相关信息；
第二步骤：根据患者相关信息，基于规则引擎建立一套动态算法模型实现辅助检查项目自动排程；
第三步骤：根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
优选地，第二步骤基于Drools规则引擎，分析医院辅助检查项目排程的影响因素，建立排程规则及冲突预警体系，实现辅助检查项目的自动智慧排程。
优选地，第二步骤包括如下步骤：
对患者相关信息中的检查数据进行整理分析，得到具有强相关性的检查项目组合，通过患者检查项目缴费时间与执行科室确认时间相减得到患者从收到检查通知到开始检查的时间，根据该时间拟合各个检查项目的患者到达分布；
根据患者到达分布对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型；
对数学模型运用规则引擎，将原检查排队流程予以系统化与参数化处理，运用计算机运行程序对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，以实现辅助检查项目自动排程。
优选地，患者相关信息包括：患者个人信息、门诊就诊动态信息、辅助检查项目医嘱开立动态信息、缴费动态信息。
优选地，在第三步骤，基于院内导航，对室内地图进行二维数组映射，运用DKD、三角剖分、递归算法为患者提供最优就诊方案及路线推荐，实现辅助检查项目精准引导。
附图说明
结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中：
图1示意性地示出了根据本发明优选实施例的医技辅助检查项目排程引导方法的流程图。
图2示意性地示出了根据本发明优选实施例的医技辅助检查项目排程引导系统的功能框图。
需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。
<第一实施例>
图1示意性地示出了根据本发明优选实施例的医技辅助检查项目排程引导方法的流程图。
如图1所示，根据本发明优选实施例的医技辅助检查项目排程引导方法包括：
第一步骤S1：获取HIS、PACS、LIS、CIS等系统提供的患者个人信息、门诊就诊动态信息、辅助检查项目医嘱开立动态信息、缴费动态信息等患者相关信息；
第二步骤S2：根据患者相关信息，基于规则引擎建立一套动态算法模型实现辅助检查项目自动排程；
具体地，例如，基于Drools规则引擎，分析医院辅助检查项目排程的影响因素，建立排程规则及冲突预警体系，实现辅助检查项目的自动智慧排程。其中，Drools是一个基于java的规则引擎，开源的，可以将复杂多变的规则从硬编码中解放出来，以规则脚本的形式存放在文件中，使得规则的变更不需要修正代码重启机器就可以立即在线上环境中生效。
更具体地，第二步骤S2可包括如下步骤：对患者相关信息中的检查数据进行整理分析，得到具有强相关性的检查项目组合，通过患者检查项目缴费时间与执行科室确认时间相减得到患者从收到检查通知到开始检查的时间，根据该时间拟合各个检查项目的患者到达分布；根据患者到达分布对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型；对数学模型运用规则引擎，将原检查排队流程予以系统化与参数化处理，运用计算机运行程序对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，以实现辅助检查项目自动排程。
第三步骤S3：根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
具体地，例如，基于院内导航，对室内地图进行二维数组映射，运用A＊、DKD、三角剖分、递归算法为患者提供最优就诊方案及路线推荐，实现辅助检查项目精准引导。
同时，从医院管理角度，在不增加医疗投入的前提下，亦可为医疗资源进行合理有效的再次分配提供定量依据，强化医技辅助检查运行效率，提升医院辅助检查系统的自动化管理水平，提高医院检查的服务质量和能力。
<第二实施例>
图2示意性地示出了根据本发明优选实施例的医技辅助检查项目排程引导系统的功能框图。
如图2所示，根据本发明优选实施例的医技辅助检查项目排程引导系统包括：数据交互层外围系统接口10、辅助检查智慧排程管理模块20、辅助检查科室排程管理终端应用模块30、以及辅助检查项目精准引导模块40。
其中，数据交互层外围系统接口10用于接收HIS、PACS、LIS、CIS等系统提供的患者信息、门诊就诊动态、辅助检查项目医嘱开立动态、缴费动态等患者相关信息，并且用于与院内导航系统间接口进行数据交互共享。
辅助检查智慧排程管理模块20用于根据患者相关信息，基于规则引擎建立一套动态算法模型，实现辅助检查项目自动排程；
具体地说，辅助检查智慧排程管理模块20用于根据患者相关信息，基于Drools规则引擎，建立排程规则及冲突预警体系，实现辅助检查项目自动排程；辅助检查智慧排程管理模块20能够实现排程规则、冲突预警、数据分析、用户权限等智慧排程管理功能。
更体地说，辅助检查智慧排程管理模块20可执行如下处理：对患者相关信息中的检查数据进行整理分析，得到具有强相关性的检查项目组合，通过患者检查项目缴费时间与执行科室确认时间相减得到患者从收到检查通知到开始检查的时间，根据该时间拟合各个检查项目的患者到达分布；根据患者到达分布对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型；对数学模型运用规则引擎，将原检查排队流程予以系统化与参数化处理，运用计算机运行程序对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，以实现辅助检查项目自动排程。
辅助检查科室排程管理终端应用模块30用于展现辅助检查项目的自动排程。
具体地，例如，辅助检查科室排程管理终端应用模块30被实现为手持设备或者移动终端上的一个应用软件。
辅助检查项目精准引导模块40用于根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
具体地，例如，辅助检查项目精准引导模块40用于基于院内导航，对室内地图进行二维数组映射，运用A＊、DKD、三角剖分、递归算法为患者提供最优就诊方案及路线推荐，实现辅助检查项目精准引导。
比如，辅助检查项目精准引导模块40接收患者位置信息，基于院内导航并结合患者辅助检查项目排程结果，建立多终点寻径算法，提供就诊推荐方案及路线引导信息推送。
更具体地说，根据辅助检查智慧排程及精准引导系统逻辑架构，分析应用需求，可将系统功能划分为四个部分：
移动端-基于院内导航系统，面向患者提供就诊次序、电子排号、注意事项、推荐路径等方案信息推送功能，并支持排队情况实时提醒。
科室终端－面向辅助检查医技科室，提供排程信息、手动排程、动态调整、冲突提醒、多维度查询、历史查询及各科室动态资源管理等功能。
公共服务－面向规则管理人员，基于规则引擎实现自动排程，并提供冲突分级、规则定义、原因分析、调优等规则配置管理功能。
基础服务－面向系统管理人员，提供系统基础后端管理功能，包括系统用户定义、权限配置、日志管理、消息管理、基础数据维护等功能。
规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据业务规则做出业务决策。
大部分规则引擎产品的算法，基本上都来自于Dr.Charles Forgy在1979年提出的RETE算法及其变体，Rete算法是目前效率最高的一个Forward-Chaining推理算法，Drools是Rete算法的一个面向对象的Java实现，Rete算法其核心思想是将分离的匹配项根据内容动态构造匹配树，以达到显著降低计算量的效果。
最优路径计算：采用DKD+A*算法。Dijkstra算法，其扩展算法包括TQQ算法，DKD算法：每次新扩展一个距离最短的点，更新与其相邻的点的距离。当所有边权都为正时，由于不会存在一个距离更短的没扩展过的点，所以这个点的距离永远不会再被改变，因而保证了算法的正确性。A*算法，建立在Dijkstra算法基础上，是一种静态路网中求解最短路径最有效的直接搜索方法，算法中的距离估算值与实际值越接近，最终搜索速度越快。
室内建模技术：二维数组映射+Delaunay三角剖分算法。二维数组：包括长宽的计算机数组，用于存储平面的可通行区域以及障碍区域。Delaunay三角剖分算法：计算不规则路径算法，用大小不一的三角形确定可通行路径以及障碍物位置。
多终点组合寻径：采用递归算法(距离最优，时间最优)，多楼层在时间最优算法中预先给定标准时间阈值，同时在系统设计时，加入人流考虑(不同楼层或不同楼宇，电梯平均等待时间可能也是时间最优算法影响情况之一)。
本发明通过对医院现有检查项目的数据回顾分析，对患者辅助检查的就医流程进行梳理分析，构建数学模型，并用规则引擎构建智慧排程系统，通过自动排程减少该患者从预约检查项目到获得检查结果的总时间。本发明运用排队论和生产车间调度理论等为患者确定最优的排队策略，反复试实验和调试后，将策略反馈给患者，以实现辅助检查就诊次序的推荐，将患者的多个目的地链接到院内导航系统，实现精准引导。
<具体实施例示例>
(1)数据分析：利用数据挖掘技术，将医院辅助检查项目的等待排队人数、预约患者数量等相关数据实时采集到系统中，实现原始数据的采集。对医院患者进行检查的数据进行整理分析，得到具有强相关性的检查项目组合(即经常需要患者同时进行的检查项目)，通过患者检查项目缴费时间与执行科室确认时间相减，剔除异常数据，得到患者从收到检查通知到开始检查的时间。根据该时间拟合各个检查项目的患者到达分布。
(2)对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型，例如：患者在科室1就诊后，需要进行n个检查项目，n个检查项目的患者到达分布已知，当前排队情况已知，n个检查项目的服务时长分布已知。患者进行完一个检查项目后立即进行下一个检查项目。当患者完成所有检查项目后，在自助设备处取检查报告。
(3)运用规则引擎，将原本的检查排队流程予以系统化与参数化，运用计算机运行程序以便对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，为医院安排患者的检查次序提供指导依据。
(4)不断检测、调试模型至科学合理状态，建立接口，与医院HIS、PACS、CIS等系统实时共享，链接基于医院的院内导航系统，为患者提供科学的就医指引。
(5)将各情况下推荐排队次序应用到医院的实际运营中，与改善前做对比，对于不符合医院实际的细节做出修改，完善排程规则及推荐算法。
总之，本发明在充分利用医院现有资源的基础上，改变服务模式，基于规则引擎建立辅助检查项目智慧排程及精准引导体系，实现辅助检查项目智慧排程，同时结合医院院内导航为患者提供最优就诊方案及路径引导，从而缩短患者不必要的等待时间，提高单位时间内的有效就诊率，减少“三长一短”现象，从实际出发解决“看病难”的问题，提高患者满意度，提升患者获得感。
此外，需要说明的是，除非特别指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种医技辅助检查项目排程引导方法，其特征在于包括：
第一步骤：获取患者相关信息；
第二步骤：根据患者相关信息，基于规则引擎建立一套动态算法模型实现辅助检查项目自动排程；
第三步骤：根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
2.根据权利要求1所述的医技辅助检查项目排程引导方法，其特征在于，第二步骤基于Drools规则引擎，分析医院辅助检查项目排程的影响因素，建立排程规则及冲突预警体系，实现辅助检查项目的自动智慧排程。
3.根据权利要求1或2所述的医技辅助检查项目排程引导方法，其特征在于，第二步骤包括如下步骤：
对患者相关信息中的检查数据进行整理分析，得到具有强相关性的检查项目组合，通过患者检查项目缴费时间与执行科室确认时间相减得到患者从收到检查通知到开始检查的时间，根据该时间拟合各个检查项目的患者到达分布；
根据患者到达分布对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型；
对数学模型运用规则引擎，将原检查排队流程予以系统化与参数化处理，运用计算机运行程序对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，以实现辅助检查项目自动排程。
4.根据权利要求1或2所述的医技辅助检查项目排程引导方法，其特征在于，患者相关信息包括：患者个人信息、门诊就诊动态信息、辅助检查项目医嘱开立动态信息、缴费动态信息。
5.根据权利要求1或2所述的医技辅助检查项目排程引导方法，其特征在于，在第三步骤，基于院内导航，对室内地图进行二维数组映射，运用DKD、三角剖分、递归算法为患者提供最优就诊方案及路线推荐，实现辅助检查项目精准引导。
6.一种医技辅助检查项目排程引导系统，其特征在于用于执行下述步骤：
第一步骤：获取患者相关信息；
第二步骤：根据患者相关信息，基于规则引擎建立一套动态算法模型实现辅助检查项目自动排程；
第三步骤：根据辅助检查项目的自动排程，基于医院院内导航及多终点组合寻径算法，为患者提供医技辅助检查项目精准引导。
7.根据权利要求6所述的医技辅助检查项目排程引导系统，其特征在于，第二步骤基于Drools规则引擎，分析医院辅助检查项目排程的影响因素，建立排程规则及冲突预警体系，实现辅助检查项目的自动智慧排程。
8.根据权利要求6或7所述的医技辅助检查项目排程引导系统，其特征在于，第二步骤包括如下步骤：
对患者相关信息中的检查数据进行整理分析，得到具有强相关性的检查项目组合，通过患者检查项目缴费时间与执行科室确认时间相减得到患者从收到检查通知到开始检查的时间，根据该时间拟合各个检查项目的患者到达分布；
根据患者到达分布对患者需要进行多个检查项目的情景进行模拟，得到标准化的数学模型；
对数学模型运用规则引擎，将原检查排队流程予以系统化与参数化处理，运用计算机运行程序对患者不同次序完成检查项目的总时间做出模拟，得到在各种具体情形下对应最短排队时间的检查项目次序，以实现辅助检查项目自动排程。
9.根据权利要求6或7所述的医技辅助检查项目排程引导系统，其特征在于，患者相关信息包括：患者个人信息、门诊就诊动态信息、辅助检查项目医嘱开立动态信息、缴费动态信息。
10.根据权利要求6或7所述的医技辅助检查项目排程引导系统，其特征在于，在第三步骤，基于院内导航，对室内地图进行二维数组映射，运用DKD、三角剖分、递归算法为患者提供最优就诊方案及路线推荐，实现辅助检查项目精准引导。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711246417.6A CN108039197A (zh) | 2017-12-01 | 2017-12-01 | 医技辅助检查项目排程引导方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711246417.6A CN108039197A (zh) | 2017-12-01 | 2017-12-01 | 医技辅助检查项目排程引导方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108039197A true CN108039197A (zh) | 2018-05-15 |
Family
ID=62094987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711246417.6A Pending CN108039197A (zh) | 2017-12-01 | 2017-12-01 | 医技辅助检查项目排程引导方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108039197A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960463A (zh) * | 2018-06-28 | 2018-12-07 | 厦门安盟网络股份有限公司 | 医疗检查项目的预约方法、介质、终端设备及系统 |
| CN109949471A (zh) * | 2019-03-26 | 2019-06-28 | 苏州工业园区东诚智能网络技术有限公司 | 取号方法及装置 |
| CN110148457A (zh) * | 2018-07-05 | 2019-08-20 | 浙江大学山东工业技术研究院 | 一种基于迭代局部搜索的医检路径规划方法 |
| TWI690939B (zh) * | 2019-01-17 | 2020-04-11 | 亞東技術學院 | 健檢站排檢管理系統及方法 |
| CN111128354A (zh) * | 2019-11-26 | 2020-05-08 | 北京新网医讯技术有限公司 | 基于临床科室的智能化预约系统及其预约方法 |
| CN111933233A (zh) * | 2020-07-15 | 2020-11-13 | 北京大学第一医院 | 一种利用医院局域网提高患者门诊效率的方法及装置 |
| CN112635032A (zh) * | 2020-12-21 | 2021-04-09 | 山东众阳健康科技集团有限公司 | 一种医院预约资源统筹处理方法及系统 |
| CN112651657A (zh) * | 2020-12-31 | 2021-04-13 | 杭州电子科技大学 | 一种健康体检服务流程优化调度方法 |
| CN113270179A (zh) * | 2021-05-25 | 2021-08-17 | 北京金山云网络技术有限公司 | 医技检查方法、装置、系统及电子设备 |
| CN113361918A (zh) * | 2021-06-04 | 2021-09-07 | 北京百奥利盟软件技术有限公司 | 细胞基因治疗行业中生产排程方法 |
| CN115620884A (zh) * | 2022-12-06 | 2023-01-17 | 南京邮电大学 | 最小化经济成本的检查决策方法 |
| CN116414430A (zh) * | 2023-04-17 | 2023-07-11 | 北京计算机技术及应用研究所 | 一种基于规则引擎Drools的量化方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533488A (zh) * | 2008-03-12 | 2009-09-16 | 联发科技股份有限公司 | 事件排程方法及排程系统 |
| CN103279910A (zh) * | 2013-03-22 | 2013-09-04 | 镇江市第四人民医院 | 基于Android的智能化等候分析方法 |
| CN104103027A (zh) * | 2013-04-09 | 2014-10-15 | 佛教慈济医疗财团法人台北慈济医院 | 病人就诊排程系统及方法 |
| CN104123690A (zh) * | 2014-08-06 | 2014-10-29 | 杨滨 | 基于Android的智能医院移动向导分析方法 |
| CN104239956A (zh) * | 2014-09-17 | 2014-12-24 | 云南大学 | 准点优先的体检预约服务管理方法及系统 |
| CN105260608A (zh) * | 2015-10-20 | 2016-01-20 | 重庆市中迪医疗信息科技股份有限公司 | 排程服务系统及方法 |
| WO2017108944A1 (en) * | 2015-12-21 | 2017-06-29 | Koninklijke Philips N.V. | System, device and method for guiding a patient in a hospital setup |
-
2017
- 2017-12-01 CN CN201711246417.6A patent/CN108039197A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101533488A (zh) * | 2008-03-12 | 2009-09-16 | 联发科技股份有限公司 | 事件排程方法及排程系统 |
| CN103279910A (zh) * | 2013-03-22 | 2013-09-04 | 镇江市第四人民医院 | 基于Android的智能化等候分析方法 |
| CN104103027A (zh) * | 2013-04-09 | 2014-10-15 | 佛教慈济医疗财团法人台北慈济医院 | 病人就诊排程系统及方法 |
| CN104123690A (zh) * | 2014-08-06 | 2014-10-29 | 杨滨 | 基于Android的智能医院移动向导分析方法 |
| CN104239956A (zh) * | 2014-09-17 | 2014-12-24 | 云南大学 | 准点优先的体检预约服务管理方法及系统 |
| CN105260608A (zh) * | 2015-10-20 | 2016-01-20 | 重庆市中迪医疗信息科技股份有限公司 | 排程服务系统及方法 |
| WO2017108944A1 (en) * | 2015-12-21 | 2017-06-29 | Koninklijke Philips N.V. | System, device and method for guiding a patient in a hospital setup |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960463A (zh) * | 2018-06-28 | 2018-12-07 | 厦门安盟网络股份有限公司 | 医疗检查项目的预约方法、介质、终端设备及系统 |
| CN110148457A (zh) * | 2018-07-05 | 2019-08-20 | 浙江大学山东工业技术研究院 | 一种基于迭代局部搜索的医检路径规划方法 |
| TWI690939B (zh) * | 2019-01-17 | 2020-04-11 | 亞東技術學院 | 健檢站排檢管理系統及方法 |
| CN109949471A (zh) * | 2019-03-26 | 2019-06-28 | 苏州工业园区东诚智能网络技术有限公司 | 取号方法及装置 |
| WO2020192137A1 (zh) * | 2019-03-26 | 2020-10-01 | 苏州工业园区东诚智能网络技术有限公司 | 取号方法及装置 |
| CN111128354A (zh) * | 2019-11-26 | 2020-05-08 | 北京新网医讯技术有限公司 | 基于临床科室的智能化预约系统及其预约方法 |
| CN111933233A (zh) * | 2020-07-15 | 2020-11-13 | 北京大学第一医院 | 一种利用医院局域网提高患者门诊效率的方法及装置 |
| CN111933233B (zh) * | 2020-07-15 | 2024-02-09 | 北京大学第一医院 | 一种利用医院局域网提高患者门诊效率的方法及装置 |
| CN112635032A (zh) * | 2020-12-21 | 2021-04-09 | 山东众阳健康科技集团有限公司 | 一种医院预约资源统筹处理方法及系统 |
| CN112651657A (zh) * | 2020-12-31 | 2021-04-13 | 杭州电子科技大学 | 一种健康体检服务流程优化调度方法 |
| CN113270179A (zh) * | 2021-05-25 | 2021-08-17 | 北京金山云网络技术有限公司 | 医技检查方法、装置、系统及电子设备 |
| CN113361918A (zh) * | 2021-06-04 | 2021-09-07 | 北京百奥利盟软件技术有限公司 | 细胞基因治疗行业中生产排程方法 |
| CN115620884A (zh) * | 2022-12-06 | 2023-01-17 | 南京邮电大学 | 最小化经济成本的检查决策方法 |
| CN116414430A (zh) * | 2023-04-17 | 2023-07-11 | 北京计算机技术及应用研究所 | 一种基于规则引擎Drools的量化方法 |
| CN116414430B (zh) * | 2023-04-17 | 2023-09-26 | 北京计算机技术及应用研究所 | 一种基于规则引擎Drools的量化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108039197A (zh) | 医技辅助检查项目排程引导方法及系统 | |
| Qin et al. | Reinforcement learning for ridesharing: An extended survey | |
| Ortega et al. | An integrated multi criteria decision making model for evaluating park-and-ride facility location issue: A case study for cuenca city in ecuador | |
| Leng et al. | A novel hyper-heuristic for the biobjective regional low-carbon location-routing problem with multiple constraints | |
| Chabouh et al. | A systematic review of the home health care planning literature: emerging trends and future research directions | |
| Nuzzolo et al. | Dynamic optimal travel strategies in intelligent stochastic transit networks | |
| Zhang et al. | Dynamic emergency inspection routing and restoration scheduling to enhance the post-earthquake resilience of a highway–bridge network | |
| Gibson | Internet of things sensing infrastructures and urban big data analytics in smart sustainable city governance and management | |
| Jiang et al. | Matching model between private idle parking slots and demanders for parking slot sharing | |
| Jia et al. | Spatial decision support systems for hospital layout design: A review | |
| Hou et al. | Methodology of emergency medical logistics for multiple epidemic areas in public health emergency | |
| Xie et al. | An efficient and global interactive optimization methodology for path planning with multiple routing constraints | |
| Zhao et al. | A uncertainty visual analytics approach for bus travel time | |
| Cosido et al. | Automatic calculation of bicycle routes by combining meta-heuristics and GIS techniques within the framework of smart cities | |
| Liu et al. | Unveiling built environment impacts on traffic CO2 emissions using Geo-CNN weighted regression | |
| Farazi et al. | Dynamic on-demand crowdshipping using constrained and heuristics-embedded double dueling deep Q-network | |
| Ullah et al. | Latency aware smart health care system using edge and fog computing | |
| Zhou et al. | A robust deep reinforcement learning approach to driverless taxi dispatching under uncertain demand | |
| Song et al. | Exploration of intelligent housing price forecasting based on the anchoring effect | |
| Leprêtre et al. | Fitness landscapes analysis and adaptive algorithms design for traffic lights optimization on SIALAC benchmark | |
| Bartuska et al. | Approach Draft to Evaluate the Transport System State—A Case Study Regarding the Estimation Ratio Model of Transport Supply and Demand | |
| Yu et al. | Combining travel behavior in metro passenger flow prediction: A smart explainable Stacking-Catboost algorithm | |
| Luo et al. | Optimization models and solving approaches in relief distribution concerning victims’ satisfaction: A review | |
| Tabari et al. | Developing a decision support system for big data analysis and cost allocation in national healthcare | |
| Wang et al. | Shared travel demand forecasting and multi-phase vehicle relocation optimization for electric carsharing systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180515 |