CN109961841A - 一种面向移动诊疗的最优医生匹配系统及方法 - Google Patents
一种面向移动诊疗的最优医生匹配系统及方法 Download PDFInfo
- Publication number
- CN109961841A CN109961841A CN201910240345.7A CN201910240345A CN109961841A CN 109961841 A CN109961841 A CN 109961841A CN 201910240345 A CN201910240345 A CN 201910240345A CN 109961841 A CN109961841 A CN 109961841A
- Authority
- CN
- China
- Prior art keywords
- doctor
- module
- patient
- matching
- diagnosis
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000004171 remote diagnosis Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 206010008190 Cerebrovascular accident Diseases 0.000 claims description 3
- 208000006011 Stroke Diseases 0.000 claims description 3
- 206010012601 diabetes mellitus Diseases 0.000 claims description 3
- 206010022000 influenza Diseases 0.000 claims description 3
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 208000028782 Hereditary disease Diseases 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 208000024556 Mendelian disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种面向移动诊疗的最优医生匹配系统及方法,包括云端诊疗平台、患者移动诊疗装置、医生移动诊疗装置,所述医生移动诊疗装置通过所述云端诊疗平台身份认证并电子签约后,医生的所有信息和服务都会被纳入所述云端诊疗平台大数据分析,根据最优原则匹配给患者,当患者需要医生服务时,所述云端诊疗会根据患者相关信息匹配最优医生,患者的所有身体状态信息、地理位置信息仅对服务医生开放,患者可以选择远程服务、上门服务。有益效果在于:本发明能够让用户有更好的就医体验,挖掘用户的潜在需求,通过匹配算法和用户的反馈权重不断的对患者和医生进行更精准的匹配。
Description
技术领域
本发明涉及物联网大数据处理领域,具体涉及一种面向移动诊疗的最优医生匹配系统及方法。
背景技术
随着手机的不断更新换代,移动网络的不断发展,当前虽然已经有在线诊疗,线上挂号等等的技术和软件,但是还远远不能满足当今社会的医疗需求。
现今匹配系统应用非常广泛,我们可以在传统电商、视频、论坛、新闻、广告、邮件、社交、阅读等领域都看到,但是暂时没有基于医生资源的相关匹配系统,为了让用户有更好的就医体验,挖掘用户的潜在需求,急需一种面向移动诊疗的最优医生匹配方法及系统。
发明内容
本发明的目的就在于为了解决上述问题而提供一种面向移动诊疗的最优医生匹配系统。
本发明通过以下技术方案来实现上述目的:
提供了一种面向移动诊疗的最优医生匹配系统,包括云端诊疗平台、患者移动诊疗装置、医生移动诊疗装置,所述患者移动诊疗装置通过所述云端诊疗平台与所述医生移动诊疗装置通信连接,所述云端诊疗平台包括匹配模块、医生信息模块、患者信息模块、紧急施助模块、存储单元,所述患者移动诊疗装置包括病例模块、远程诊疗模块、预约上门模块、紧急求助模块、家庭病历模块,所述医生移动诊疗装置包括工作台模块和出诊记录模块。
进一步的,所述匹配模块包括匹配变量子模块、匹配测试子模块和匹配记录子模块,所述医生信息模块包括医生列表子模块、医生出诊记录子模块和医生评价记录子模块,所述患者信息模块包括患者列表子模块、患者就诊记录子模块、患者行为爱好子模块和患者家庭信息子模块,所述紧急施助模块包括患者求助列表子模块、紧急求助设置子模块。
进一步的,所述病历模块包括基本病例信息子模块、就诊病例列表子模块,所述远程诊疗模块用于连接云端诊疗平台匹配模块及医生信息模块便于患者可以在线咨询系统匹配的医生,所述家庭病历模块包括家庭成员子模块,成员病历子模块。
进一步的,所述工作台模块包括服务配置子模块、患者求诊模块,所述出诊记录模块包括出诊列表子模块、综合评价模块。
进一步的,一种面向移动诊疗的最优医生匹配方法,包括如下步骤:
(1)首先将所述医生移动诊疗装置通过所述云端诊疗平台身份认证并电子签约和通过所述云端诊疗平台注册登录所述患者移动诊疗装置,通过所述病例模块、所述家庭病例模块和所述出诊记录模块输入数据信息,包括患者及家庭病例和医生出诊记录;
(2)患者选择所述远程诊疗模块、所述预约上门模块、所述紧急求助模块对自己所需的服务进行选择;
(3)连接所述匹配模块,通过所述匹配变量子模块设置匹配因子权重和评分比例后用所述匹配测试子模块汇总用户的属性特征、行为特征、医生的服务、评价、位置因素,通过匹配算法得出匹配结果将最优医生匹配给患者并存储至存储单元,最后通过所述匹配记录子模块记录所有的匹配记录和用户使用记录;
(4)患者所需服务完成后给医生服务评价评分,连接所述医生评价记录子模块1存储评价评分信息至存储单元,提供因子给所述匹配模块分析使用。
进一步的,所述匹配算法为测评算法,主要基于内容过滤算法和协同过滤算法,包括以下步骤:
首先,构建用户的行为爱好资料库,计算用户行为爱好资料与用户属性资料的相似度;
其次,搭建用户爱好评分矩阵,满分5分,用户对每项的爱好要求评分;
最后利用余弦相似度的公式来计算给定的用户爱好评分矩阵和给定的用户属性资料之间的距离,计算出所有属性的余弦值并取平均值,相似度的值越大说明用户越有可能喜欢系统匹配的医生。
进一步的,所述构建用户的属性资料库包括构造多个1xn维的矩阵,初始化这个1xn维的矩阵,将所有元素设置为0,这样我们就会得到多个类似这样子的矩阵,包括:
年龄矩阵,n代表最大年龄,假设用户6岁,矩阵第6位为1,[0,0,0,0,0,1,............................,0];
职业矩阵,n代表所有职业,设定所有职业的排列,假设用户职业为设计师,矩阵第二位为1,[0,1,0,0,0,0,............................,0];
地区矩阵,n代表所有地区,假设用户地区为广州,矩阵第三位,[0,0,1,0,0,0,............................,0];
病史矩阵,n代表所有病症,假设用户有流感、糖尿病、中风,[0,0,1,0,1,1,............................,0]。
有益效果在于:本发明能够让用户有更好的就医体验,挖掘用户的潜在需求,通过匹配算法和用户的反馈权重不断的对患者和医生进行更精准的匹配。
附图说明
图1是面向移动诊疗的最优医生匹配方法及系统的结构示意图;
图2是云端诊疗平台的结构示意图;
图3是云端诊疗平台匹配模块的结构示意图;
图4是云端诊疗平台医生信息模块的结构示意图;
图5是云端诊疗平台患者信息模块的结构示意图;
图6是云端诊疗平台紧急求助模块的结构示意图;
图7是患者移动诊疗装置的结构示意图;
图8是患者移动诊疗装置病历模块的结构示意图;
图9是患者移动诊疗装置远程诊疗模块的结构示意图;
图10是患者移动诊疗装置预约上门模块的结构示意图;
图11是患者移动诊疗装置紧急求助模块的结构示意图;
图12是患者移动诊疗装置家庭病历信息模块的结构示意图;
图13是医生移动诊疗装置的结构示意图;
图14是医生移动诊疗装置工作台的结构示意图;
图15是医生移动诊疗装置出诊记录的结构示意图;
图16是行为特征提取的结构示意图;
图17是测评算法的结构示意图。
具体实施方式
下面结合附图对本发明作进一步说明:
如图1-2所示,一种面向移动诊疗的最优医生匹配系统,包括云端诊疗平台10、患者移动诊疗装置20、医生移动诊疗装置30,其中,患者移动诊疗装置通过云端诊疗平台与医生移动诊疗装置通信连接,这里通信标准可以为无线网络,如wifi、3G、4G或它们的组合,云端诊疗平台10的结构示意图,其包括匹配模块101、医生信息模块102、患者信息模块103、紧急施助模块104、存储单元105。
在本实施例中,(参考图3-6)匹配模块101包括匹配变量子模块1011,匹配测试子模块1012,匹配记录子模块1013,匹配变量子模块1011可以设置匹配因子权重,评分比例;匹配测试子模块1012能汇总用户的属性特征、行为特征,医生的服务、评价、位置因素,通过匹配算法得出匹配结果并存储至存储单元;匹配记录子模块1013能记录所有的匹配记录和用户使用记录;
医生信息模块102包括医生列表子模块1021、医生出诊记录子模块1022、医生评价记录子模块1023。医生列表子模块1021展示所有医生的信息,医生出诊记录子模块1022展示医生的所有出诊记录,医生评价记录子模块1023展示医生的被评价记录;
患者信息模块103包括患者列表子模块1031、患者就诊记录子模块1032、患者行为爱好子模块1033、患者家庭信息子模块1034。患者列表子模块1031记录所有的平台患者信息,患者就诊记录子模块1032记录所有的患者就诊记录,患者行为爱好子模块1033记录患者的点击和偏好信息,患者家庭信息子模块1034记录患者的家庭相关人员信息和病历信息;
紧急施助模块104包括患者求助列表子模块1041、紧急求助设置子模块1042,患者求助列表子模块1041记录患者的紧急求助信息列表,紧急求助设置子模块1042用于设置紧急求助的广播形式,紧急状态设置,紧急求助的默认匹配方式。
在本实施例中,(参考7-12)患者移动诊疗装置的结构示意图,其包括病例模块201,远程诊疗模块202,预约上门模块203,紧急求助模块204,家庭病历模块205,病历模块201的包括基本病例信息子模块2011、就诊病例列表子模块2012,展示患者提交的或就诊的所有病例集合,让患者直观了解自己的身体状况和就诊情况;病例信息子模块2011用于用户输入自己的相关病例信息,提交后连接云端诊疗平台患者信息模块103,云端诊疗平台患者信息模块103通过分析处理存储至存储单元;就诊病例列表子模块2012用于查找自己在患者移动诊疗装置产生过的所有就诊记录产生的病例信息,信息是连接云端诊疗平台患者就诊记录子模块1032获取;
患者移动诊疗装置远程诊疗模块连接云端诊疗平台匹配模块101及医生信息模块102,患者可以在线咨询系统匹配的医生,自己指定的医生,可以文字,也可以视频。咨询结束后,连接云端诊疗平台患者就诊记录子模块1032,自动生成就诊病例,并存储至存储单元;患者移动诊疗装置预约上门模块连接云端诊疗平台匹配模块101,患者可以找到综合最优/最近/专业最匹配的医生并预约其上门服务,预约完成后连接云端诊疗平台匹配记录子模块1013记录匹配信息分析并存储至存储单元;用户在远程诊疗模块202/预约上门模块203服务完成后,可以给医生服务评价评分,连接云端诊疗平台医生评价记录子模块1023存储评价评分信息至存储单元,提供因子给匹配模块101分析使用,患者移动诊疗装置紧急求助模块用于当患者需要紧急帮助的时候点击紧急求助,连接至云端诊疗平台紧急施助模块104,系统会扩散其病例信息,并帮忙查找符合的医生,推送求助信息,让患者能尽快得到救助,医生收到求助信息,并上门救助完成后,连接云端诊疗平台紧急求助列表子模块1041记录信息;
家庭病历模块205包括家庭成员子模块2051,成员病历子模块2052。患者通过家庭成员子模块2051录入家庭成员的详细信息,成员病历子模块2052录入成员的病历信息,遗传病、常见病历等等,连接云端诊疗平台患者家庭信息子模块1034并存储至存储单元。
在本实施例中,(参考图13-16)医生移动诊疗装置30包括工作台模块301,出诊记录模块302,工作台模块301包括服务配置子模块3011、患者求诊模块3012,服务配置子模块3011,是医生配置自己可以提供的服务,并标明相关的条件和就诊要求,患者求诊模块3012,是医生查看患者提交的求诊请求,并根据自己的时间安排提供就诊服务;
出诊记录模块302的包括出诊列表子模块3021、综合评价模块3022,出诊列表子模块3021是医生接收患者求诊请求并服务的所有记录,综合评价模块3022,医生通过此模块可以查看自己的在所有就诊记录的评价评分情况,及系统综合评估后的权重评分。
在本实施例中,(参考图17)匹配算法主要应用测评算法,主要基于内容过滤算法和协同过滤算法;
内容过滤算法,根据用户属性(包括行为提取、特征向量、过滤模块和用户反馈)构建用户的属性资料库,计算用户行为爱好资料与用户属性资料的相似度,相似度高意味着用户可能喜欢,相似度低往往意味着用户不喜欢。
首先构造多个1xn维的矩阵,初始化这个1xn维的矩阵,将所有元素设置为0,这样我们就会得到多个类似这样子的矩阵:[0,0,0,0,0,0,............................,0],其中一共有n个0。1、年龄矩阵,n代表最大年龄,假设用户6岁,矩阵第6位为1,[0,0,0,0,0,1,............................,0];2、职业矩阵,n代表所有职业,设定所有职业的排列,假设用户职业为设计师,矩阵第二位为1,[0,1,0,0,0,0,............................,0];3、地区矩阵,n代表所有地区,假设用户地区为广州,矩阵第三位,[0,0,1,0,0,0,............................,0];4、病史矩阵,n代表所有病症,假设用户有流感、糖尿病、中风,[0,0,1,0,1,1,............................,0]。
在本实施例中,通过用户评分搭建爱好评分矩阵,满分5分,用户对每项的爱好要求评分。
1、根据用户的职业、点击的商品价格、预约医生的价格,价格属性加权;2、根据用户的位置、紧急约诊情况、当前病症紧急情况,距离属性加权
3、根据用户病例历史、指定医生就诊次数、对医生的评价评分,医生属性加权。
在本实施例中,利用余弦相似度的公式;
,Ua:表示用户对爱好要求的重视值
Ia:表示用户的属性值
匹配结果:Avg = (cos(U,I)1+ cos(U,I)2 +cos(U,I)3+...+cos(U,I)n)/n
计算给定的用户爱好评分矩阵User “U”和给定的用户属性资料Item “I”之间的距离。计算出所有属性的余弦值并取平均值,相似度的值越大说明用户越有可能喜欢系统匹配的医生。
在本实施例中,所述医生移动诊疗装置通过所述云端诊疗平台身份认证并电子签约后,医生的所有信息和服务都会被纳入所述云端诊疗平台大数据分析,根据最优原则匹配给患者;
所述患者移动诊疗装置通过所述云端诊疗平台注册并登录后,当患者需要医生服务时,所述云端诊疗会根据患者相关信息匹配最优医生,患者的所有身体状态信息、地理位置信息仅对服务医生开放,患者可以选择远程服务、上门服务;
该系统能及时根据患者的要求、当前状态、价位要求等提供不同的医生服务,尽量贴近用户的需求,并且节约就诊流程,提高诊疗效率。患者在诊疗结束可以给医生评分,促进医生提升服务质量,该评分会纳入大数据分析,影响搜索匹配的权重得分;
该系统还能根据患者的多次诊疗,综合分析评估患者的身体状况,从而给出适当的饮食和运动建议。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其效物界定。
Claims (7)
1.一种面向移动诊疗的最优医生匹配系统,包括云端诊疗平台、患者移动诊疗装置、医生移动诊疗装置,其特征在于:所述患者移动诊疗装置通过所述云端诊疗平台与所述医生移动诊疗装置通信连接,所述云端诊疗平台包括匹配模块、医生信息模块、患者信息模块、紧急施助模块、存储单元,所述患者移动诊疗装置包括病例模块、远程诊疗模块、预约上门模块、紧急求助模块、家庭病历模块,所述医生移动诊疗装置包括工作台模块和出诊记录模块。
2.根据权利要求1所述的一种面向移动诊疗的最优医生匹配系统,其特征在于:所述匹配模块包括匹配变量子模块、匹配测试子模块和匹配记录子模块,所述医生信息模块包括医生列表子模块、医生出诊记录子模块和医生评价记录子模块,所述患者信息模块包括患者列表子模块、患者就诊记录子模块、患者行为爱好子模块和患者家庭信息子模块,所述紧急施助模块包括患者求助列表子模块、紧急求助设置子模块。
3.根据权利要求1所述的一种面向移动诊疗的最优医生匹配系统,其特征在于:所述病历模块包括基本病例信息子模块、就诊病例列表子模块,所述远程诊疗模块用于连接云端诊疗平台匹配模块及医生信息模块便于患者可以在线咨询系统匹配的医生,所述家庭病历模块包括家庭成员子模块,成员病历子模块。
4.根据权利要求1所述的一种面向移动诊疗的最优医生匹配系统,其特征在于:所述工作台模块包括服务配置子模块、患者求诊模块,所述出诊记录模块包括出诊列表子模块、综合评价模块。
5.根据权利要求1所述的一种面向移动诊疗的最优医生匹配方法,其特征在于,包括如下步骤:
(1)首先将所述医生移动诊疗装置通过所述云端诊疗平台身份认证并电子签约和通过所述云端诊疗平台注册登录所述患者移动诊疗装置,通过所述病例模块、所述家庭病例模块和所述出诊记录模块输入数据信息,包括患者及家庭病例和医生出诊记录;
(2)患者选择所述远程诊疗模块、所述预约上门模块、所述紧急求助模块对自己所需的服务进行选择;
(3)连接所述匹配模块,通过所述匹配变量子模块设置匹配因子权重和评分比例后用所述匹配测试子模块汇总用户的属性特征、行为特征、医生的服务、评价、位置因素,通过匹配算法得出匹配结果将最优医生匹配给患者并存储至存储单元,最后通过所述匹配记录子模块记录所有的匹配记录和用户使用记录;
(4)患者所需服务完成后给医生服务评价评分,连接所述医生评价记录子模块1存储评价评分信息至存储单元,提供因子给所述匹配模块分析使用。
6.根据权利要求5所述的一种面向移动诊疗的最优医生匹配方法,其特征在于,所述匹配算法为测评算法,主要基于内容过滤算法和协同过滤算法,包括以下步骤:
首先,构建用户的行为爱好资料库,计算用户行为爱好资料与用户属性资料的相似度;
其次,搭建用户爱好评分矩阵,满分5分,用户对每项的爱好要求评分;
最后利用余弦相似度的公式来计算给定的用户爱好评分矩阵和给定的用户属性资料之间的距离,计算出所有属性的余弦值并取平均值,相似度的值越大说明用户越有可能喜欢系统匹配的医生。
7.根据权利要求6所述的一种面向移动诊疗的最优医生匹配方法,其特征在于,所述构建用户的属性资料库包括构造多个1xn维的矩阵,初始化这个1xn维的矩阵,将所有元素设置为0,这样我们就会得到多个类似这样子的矩阵,包括:
年龄矩阵,n代表最大年龄,假设用户6岁,矩阵第6位为1,[0,0,0,0,0,1,............................,0];
职业矩阵,n代表所有职业,设定所有职业的排列,假设用户职业为设计师,矩阵第二位为1,[0,1,0,0,0,0,............................,0];
地区矩阵,n代表所有地区,假设用户地区为广州,矩阵第三位,[0,0,1,0,0,0,............................,0];
病史矩阵,n代表所有病症,假设用户有流感、糖尿病、中风,[0,0,1,0,1,1,............................,0]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910240345.7A CN109961841A (zh) | 2019-03-28 | 2019-03-28 | 一种面向移动诊疗的最优医生匹配系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910240345.7A CN109961841A (zh) | 2019-03-28 | 2019-03-28 | 一种面向移动诊疗的最优医生匹配系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109961841A true CN109961841A (zh) | 2019-07-02 |
Family
ID=67025174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910240345.7A Pending CN109961841A (zh) | 2019-03-28 | 2019-03-28 | 一种面向移动诊疗的最优医生匹配系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961841A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539866A (zh) * | 2020-04-28 | 2020-08-14 | 湖南创星科技股份有限公司 | 一种应急抢险救援远程医疗支援服务系统 |
CN115966292A (zh) * | 2023-01-05 | 2023-04-14 | 江苏拜仁控股集团有限公司 | 一种基于智慧医院的数据自动化管理系统及方法 |
CN117316438A (zh) * | 2023-11-29 | 2023-12-29 | 北京中薪科技有限公司 | 基于ai的中医专家远程医疗辅助系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012160003A (ja) * | 2011-01-31 | 2012-08-23 | Yuyama Manufacturing Co Ltd | 電子カルテ装置 |
US20150073824A1 (en) * | 2013-09-10 | 2015-03-12 | MD Insider, Inc. | Systems and Methods for Evaluating Health Care Provider Referrals |
CN105528526A (zh) * | 2016-01-15 | 2016-04-27 | 胡广芹 | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统 |
CN106897546A (zh) * | 2017-01-13 | 2017-06-27 | 深圳市前海安测信息技术有限公司 | 医疗信息化辅助医生诊疗系统和方法 |
CN106934244A (zh) * | 2017-03-20 | 2017-07-07 | 龚昕 | 一种基于智能终端的医疗护理云平台 |
CN107767317A (zh) * | 2017-10-18 | 2018-03-06 | 杭州三盛绿域科技有限公司 | 一种签医在线问诊系统 |
CN107767948A (zh) * | 2017-10-30 | 2018-03-06 | 深圳市宏数科技有限公司 | 分级诊疗云平台 |
CN108182967A (zh) * | 2017-12-14 | 2018-06-19 | 华南理工大学 | 一种基于深度神经网络的中医药材推荐方法 |
CN108550392A (zh) * | 2018-04-16 | 2018-09-18 | 成都医云科技有限公司 | 医生选取方法及系统 |
CN108962404A (zh) * | 2018-07-20 | 2018-12-07 | 北京好价网络科技有限公司 | 一种远程医疗系统及其方法 |
CN109102867A (zh) * | 2018-08-13 | 2018-12-28 | 贵阳叁玖互联网医疗有限公司 | 远程医疗的智能分诊方法及智能分诊平台 |
-
2019
- 2019-03-28 CN CN201910240345.7A patent/CN109961841A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012160003A (ja) * | 2011-01-31 | 2012-08-23 | Yuyama Manufacturing Co Ltd | 電子カルテ装置 |
US20150073824A1 (en) * | 2013-09-10 | 2015-03-12 | MD Insider, Inc. | Systems and Methods for Evaluating Health Care Provider Referrals |
CN105528526A (zh) * | 2016-01-15 | 2016-04-27 | 胡广芹 | 一种基于中医药传承与大数据挖掘的生命周期动态健康管理系统 |
CN106897546A (zh) * | 2017-01-13 | 2017-06-27 | 深圳市前海安测信息技术有限公司 | 医疗信息化辅助医生诊疗系统和方法 |
CN106934244A (zh) * | 2017-03-20 | 2017-07-07 | 龚昕 | 一种基于智能终端的医疗护理云平台 |
CN107767317A (zh) * | 2017-10-18 | 2018-03-06 | 杭州三盛绿域科技有限公司 | 一种签医在线问诊系统 |
CN107767948A (zh) * | 2017-10-30 | 2018-03-06 | 深圳市宏数科技有限公司 | 分级诊疗云平台 |
CN108182967A (zh) * | 2017-12-14 | 2018-06-19 | 华南理工大学 | 一种基于深度神经网络的中医药材推荐方法 |
CN108550392A (zh) * | 2018-04-16 | 2018-09-18 | 成都医云科技有限公司 | 医生选取方法及系统 |
CN108962404A (zh) * | 2018-07-20 | 2018-12-07 | 北京好价网络科技有限公司 | 一种远程医疗系统及其方法 |
CN109102867A (zh) * | 2018-08-13 | 2018-12-28 | 贵阳叁玖互联网医疗有限公司 | 远程医疗的智能分诊方法及智能分诊平台 |
Non-Patent Citations (3)
Title |
---|
YONG-FENG HUANG等: "A DOCTOR RECOMMENDATION ALGORITHM BASED ON DOCTOR PERFORMANCES AND PATIENT PREFERENCES", IEEE EXPLORE, pages 92 - 95 * |
刘时芹;陆金生;: "智慧医疗服务质量控制架构及控制机制", 南昌大学学报(理科版), no. 01, pages 80 - 86 * |
许艳茹 等: "基于动态阀值的协同过滤算法研究", 邵阳学邵阳学院(自然科学版), vol. 14, no. 5, pages 27 - 33 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539866A (zh) * | 2020-04-28 | 2020-08-14 | 湖南创星科技股份有限公司 | 一种应急抢险救援远程医疗支援服务系统 |
CN111539866B (zh) * | 2020-04-28 | 2024-03-01 | 湖南创星科技股份有限公司 | 一种应急抢险救援远程医疗支援服务系统 |
CN115966292A (zh) * | 2023-01-05 | 2023-04-14 | 江苏拜仁控股集团有限公司 | 一种基于智慧医院的数据自动化管理系统及方法 |
CN115966292B (zh) * | 2023-01-05 | 2023-09-15 | 江苏拜仁控股集团有限公司 | 一种基于智慧医院的数据自动化管理系统及方法 |
CN117316438A (zh) * | 2023-11-29 | 2023-12-29 | 北京中薪科技有限公司 | 基于ai的中医专家远程医疗辅助系统 |
CN117316438B (zh) * | 2023-11-29 | 2024-02-06 | 北京中薪科技有限公司 | 基于ai的中医专家远程医疗辅助系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roberts et al. | Assessment of disparities in digital access among Medicare beneficiaries and implications for telemedicine | |
Chen | Spiral of silence on social media and the moderating role of disagreement and publicness in the network: Analyzing expressive and withdrawal behaviors | |
Cunningham et al. | Ability to obtain medical care for the uninsured: how much does it vary across communities? | |
Daaleman et al. | Placing religion and spirituality in end-of-life care | |
US20140122113A1 (en) | Providing indications of clinical-trial criteria modifications | |
Suneja et al. | Waiting times to see a dermatologist are perceived as too long by dermatologists: implications for the dermatology workforce | |
US20130332191A1 (en) | Identifying patient eligibility for clinical trials | |
CN109346192A (zh) | 基于互联网提供线上全流程就医和服务的系统及方法 | |
WO2008042988A1 (en) | Identifying one or more healthcare providers | |
CN109961841A (zh) | 一种面向移动诊疗的最优医生匹配系统及方法 | |
Haik et al. | The online support group as a community: a thematic content analysis of an online support group for idiopathic subglottic stenosis | |
US10665348B1 (en) | Risk assessment and event detection | |
US10255277B2 (en) | Crowd matching translators | |
CN111949890A (zh) | 基于医学领域的数据推荐方法、设备、服务器及存储介质 | |
Zhang et al. | Content-bootstrapped collaborative filtering for medical article recommendations | |
Wang et al. | The mobile Internet underclass: reality or hyperbole? | |
Zella et al. | The impact of life course employment and domestic duties on the well-being of retired women and the social protection systems that frame this | |
Larson et al. | Lessons learned: infrastructure development and financial management for large, publicly funded, international trials | |
Chen et al. | Performance on patient experience measures of former chief medical residents as physician exemplars chosen by the profession | |
KR102345215B1 (ko) | 진단을 통한 건강 관리 정보 제공 장치, 시스템 및 방법 | |
Spooner | Survey response rates and overall patient satisfaction scores: what do they mean? | |
Cserni et al. | Twenty Years of Men and Masculinities by the Numbers: An Analysis of Publications and Article Keywords | |
Gajra et al. | Augmented intelligence to predict 30-day mortality in patients with cancer | |
Tchamo et al. | Economic costs of violence against women in Mozambique | |
Capon et al. | Characterising variability in youth mental health service populations: A detailed and scalable approach using digital technology |
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 |