CN111292823B - 用于零售药店购药引导的采纳方法及系统 - Google Patents
用于零售药店购药引导的采纳方法及系统 Download PDFInfo
- Publication number
- CN111292823B CN111292823B CN202010070808.2A CN202010070808A CN111292823B CN 111292823 B CN111292823 B CN 111292823B CN 202010070808 A CN202010070808 A CN 202010070808A CN 111292823 B CN111292823 B CN 111292823B
- Authority
- CN
- China
- Prior art keywords
- information
- medicine
- purchasing
- database
- combination
- 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.)
- Active
Links
- 239000003814 drug Substances 0.000 title claims abstract description 559
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000006798 recombination Effects 0.000 claims abstract description 19
- 238000005215 recombination Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 13
- 229940079593 drug Drugs 0.000 claims description 54
- 238000012937 correction Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000012377 drug delivery Methods 0.000 claims 2
- 208000024891 symptom Diseases 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- LSQZJLSUYDQPKJ-NJBDSQKTSA-N amoxicillin Chemical compound C1([C@@H](N)C(=O)N[C@H]2[C@H]3SC([C@@H](N3C2=O)C(O)=O)(C)C)=CC=C(O)C=C1 LSQZJLSUYDQPKJ-NJBDSQKTSA-N 0.000 description 12
- 229960003022 amoxicillin Drugs 0.000 description 12
- LSQZJLSUYDQPKJ-UHFFFAOYSA-N p-Hydroxyampicillin Natural products O=C1N2C(C(O)=O)C(C)(C)SC2C1NC(=O)C(N)C1=CC=C(O)C=C1 LSQZJLSUYDQPKJ-UHFFFAOYSA-N 0.000 description 12
- RXZBMPWDPOLZGW-XMRMVWPWSA-N (E)-roxithromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=N/OCOCCOC)/[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 RXZBMPWDPOLZGW-XMRMVWPWSA-N 0.000 description 8
- 229960005224 roxithromycin Drugs 0.000 description 8
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 6
- 239000002775 capsule Substances 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 6
- 229960005489 paracetamol Drugs 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 230000000172 allergic effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 208000010668 atopic eczema Diseases 0.000 description 4
- 239000009383 gan-kang Substances 0.000 description 4
- 239000000890 drug combination Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000820 nonprescription drug Substances 0.000 description 1
- 229940126532 prescription medicine Drugs 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- -1 through these modes Substances 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Medicinal Chemistry (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Toxicology (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Pharmacology & Pharmacy (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种用于零售药店购药引导的采纳方法及系统，包括：通过引导信息获取购药人员购药意向信息；根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息。
Description
技术领域
本发明涉及一种用于零售药店购药引导的采纳方法，尤其涉及一种用于零售药店购药引导的采纳方法及系统。
背景技术
现有的药品销售多采用通过药店或者医院售药的模式，药店售药存在夜间售药难以保证，夜间售药销售人员不专业，不能保证24小时售药等问题，夜间患者购药不便捷、不及时导致延误治疗时间危害生命健康，在医改的大方向下，医药售药存在住院患者购药难，老龄患者居多，自行购药艰难，且无人指导用药等一系列问题，医院科室取消常备药之后，患者的一些急需药难获得，治疗不及时会危及生命。
为了能够对购药引导实现精准的控制，需要开发一款与其相匹配的系统进行控制，通过该系统对购药人员进行精准引导，在代买药时，通过语音，扫码等多种模式进行获取购药意向信息，但是在进行控制过程中，如如何根据购药记录信息进行药品信息的重新组合，得到新的药品组合信息，以及如何实现数据传输的快速性都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供一种用于零售药店购药引导的采纳方法及系统。
为达到上述目的，本发明采用的技术方案为：一种用于零售药店购药引导的采纳方法，包括：
通过引导信息获取购药人员购药意向信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；
对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；
若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；
根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息。
优选的，引导信息具体包括：通过图像采集信息或通过语音识别语音信息或通过二维码扫码识别，或通过病例信息扫描或通过文字输入中的一种或多种组合。
优选的，根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息，具体包括：
将药品信息分为N个不同的子区域；
计算每个子区域的药品信息特征值，得到特征相似度信息；
比较每个不同子区域内的特征相似度信息，得到特征相似度差别率；
将小于特征相似度信息差别率阈值的子区域归于同类别区域；
获取不同类别区域内的药品的组合信息；
根据药品交易记录信息获取新的药品组合信息，并更新数据库；
根据新的药品组合信息，计算修正参数，根据修正参数进行屏显类药品信息再组合。
优选的，还包括：通过图像采集获取图像信息，并提取购药人员特征，具体为：
采集人脸特征，获取人脸图像，生成人脸图像集合S，具体为：
S＝{Γ1,Γ2,Γ3,……,ΓM}，其中Γn表示每一次采集的人脸图像信息，且1≤n≤M；
比对人脸图像集合，计算平均图像ψ，具体为：
将采集的人脸图像与平均图像进行比对，计算图像差值具体为：
Φi＝Γi-ψ；
比较平均图像差值与预设图像差值；
若小于预设图像差值，则根据平均图像信息与购药记录信息推荐屏显类药品组合信息；
若大于预设图像差值，则根据采集的人脸图像与购药人员特征，进行推荐屏显类药品组合信息，并将药品交易记录信息记录数据库，同时反向修正药品组合信息。
优选的，所述药品信息的重新组合包括根据药品功能、药品产地、药品生产商、药品种类或药品特性中的一种或两种以上的组合进行屏显类药品重新搭配。
优选的，根据购药信息建立数据库，数据库内存储信息随着购药信息增加而不断叠加，并筛选与更新数据库信息，具体包括：
根据购药信息，生成购药交易信息，并与数据库内的原始数据进行对比，得到购药信息偏差率；
若购药信息偏差率大于预设偏差率阈值时，进行原始数据的替换；
当购药次数达到预定数值时，进行数据库信息的覆盖与更新，得到新的数据库信息。
本发明第二方面还提供了一种购药引导的采纳系统，该系统包括：学习反馈模块，存储器、处理器，所述学习反馈模块根据购药交易信息提取不同的购药人员购买的药品组合信息，同时根据购药交易信息反向修正该买次数排序前N位对应的药品信息组合形成一个药品组合的推荐屏显类药品组合信息，并将该药品组合进行数据库信息的更新，所述存储器中包括购药引导采纳方法程序，所购药引导采纳方法程序被所述处理器执行时实现如下步骤：
通过引导信息获取购药人员购药意向信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；
对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；
若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；
根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息。
优选的，根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息，具体包括：
将药品信息分为N个不同的子区域；
计算每个子区域的药品信息特征值，得到特征相似度信息；
比较每个不同子区域内的特征相似度信息，得到特征相似度差别率；
将小于特征相似度信息差别率阈值的子区域归于同类别区域；
获取不同类别区域内的药品的组合信息；
根据药品交易记录信息获取新的药品组合信息，并更新数据库；
根据新的药品组合信息，计算修正参数，根据修正参数进行屏显类药品信息再组合。
优选的，还包括：通过图像采集获取图像信息，并提取购药人员特征，具体为：
采集人脸特征，获取人脸图像，生成人脸图像集合S，具体为：
S＝{Γ1,Γ2,Γ3,……,ΓM}，其中Γn表示每一次采集的人脸图像信息，且1≤n≤M；
比对人脸图像集合，计算平均图像ψ，具体为：
将采集的人脸图像与平均图像进行比对，计算图像差值具体为：
Φi＝Γi-ψ；
比较平均图像差值与预设图像差值；
若小于预设图像差值，则根据平均图像信息与购药记录信息推荐屏显类药品组合信息；
若大于预设图像差值，则根据采集的人脸图像与购药人员特征，进行推荐屏显类药品组合信息，并将药品交易记录信息记录数据库，同时反向修正药品组合信息。
本发明第三方面提供了一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括购药引导采纳方法程序，所述购药引导采纳方法程序被处理器执行时，实现上述任一项所述的购药引导采纳方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)在自买药时，通过图像采集人脸信息，与数据库信息进行匹配，从而精准的获取推荐屏显药品信息类别，在对购药人员进行引导时，快速精准的进行购药引导，但是在代买药时，则需要通过语音识别、扫码或病例扫描等一些辅助手段才能更加精准的获取购药意向信息进行购药引导，通过购药意向信息进行推荐药品组合，减少每一种药品单独选择的总时间，实现高效精准的购药引导。
(2)在进行推荐屏显类药品时，可以根据购药人员的最终交易信息进行并进行数据库信息的更新替换，并根据购药记录信息，进行药品信息的重新组合，获得新的药品组合，药品组合过程中，根据药品的特性，药品种类，或药品功能进行组合，在进行下一次购药时，保证购药人员最终选择的药品组合位于推荐屏显类药品信息内，同时位于推荐屏显的排名靠前的药品组合种类内，实现购药人员的精准定位，若购药人员选择了两种药品组合内的两种或多种单独药品，则将此次交易信息记录成一个新的药品组合，存储至数据库，便于下次推荐屏显。
(3)通过药品交易信息反向修正药品组合信息，即实时分析得到最优的推荐屏显类药品组合信息，系统根据修正信息进行更新，提高系统的自主学习能力，且在进行药品交易预定次数后，对数据库信息进行更新覆盖，以便于为购药人员提供更好的针对性引导，极大的提高购药人员选药的精准度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种用于零售药店购药引导采纳方法的流程图；
图2示出了获取屏显组合信息的方法流程图；
图3示出了反向修正药品组合信息的方法流程图；
图4示出了更新数据库信息的方法流程图；
图5示出了本发明一种用于零售药店购药引导采纳系统的框图；
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种用于零售药店购药引导采纳方法的流程图。
如图1所示，本发明第一方面提供了一种用于零售药店购药引导采纳方法，包括：
S102，通过引导信息获取购药人员购药意向信息；
S104，根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；
S106，对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；
S108，若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；
S110，根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息。
需要说明的是，药品为非处方药，购药分为自买药，即给自己买药，或代买药，及帮别人买药，两种买药方式，均可以通过引导信息进行引导，包括图像采集，语音识别，或扫描病例，从病例中分析病因，并精准的推荐药品，通过这几种方式能够得到购药意向，通过购药意向信息，从数据库中查找有关药品组合信息，或从购买交易信息中提取交易次数最多或前几名的药品组合进行推荐，在推荐的过程中，也可以通过购药人自述或人体特征扫描得知过敏药品或不宜使用药品，在进行推荐屏显药品组合信息时，自动过滤过敏药品，进行重新组合，提高用户体验感。
此外在进行多次购药引导后，根据购药交易信息，对比推荐屏显类药品组合信息，两个或许存在一定的偏差，如推荐两种药品组合，例阿莫西林与复方氨酚胶囊，罗红霉素与感康，两种组合均是治疗感冒，但在购药交易记录中显示，购药人员没有选择组合，而是单独购买阿莫西林与感康，则通过偏差信息进行药品信息重新组合，将阿莫西林与感康形成一种新的屏显类药品组合，同时进行数据库的更新，此处两种组合仅仅是举例，不限制药品名称及组合种类或药品种类，可以在实际使用中进行多种药品组合。
按月为周期，在进行多次引导交易后，将购买次数排名前5-10位的药品组合进行排列，并筛选数据库信息，将上个月购买次数排名前5-10位的药品组合进行刷新或替换，以达到药品推荐实时更新。
根据本发明实施例，引导信息具体包括：通过图像采集信息或通过语音识别语音信息或通过二维码扫码识别，或通过病例信息扫描或通过文字输入中的一种或多种组合。
需要说明的是，在购药人员明确知悉需要购买的药品名称时，可以通过语音识别，直接说出药品名称，系统进行推荐屏显药品信息时，直接推荐屏显，减少中间识别过程，提高购药引导效率，增加用户体验感，当购药人员不清楚需要购买药品名称时，可以根据语音说出生病症状及表现，必要时，可以提供病例进行扫描，以便于系统更加精准的进行药品推荐引导。
具体的，购药人员在为别人买药时，根据语音说出生病症状及表现，必要时，可以提供病例进行扫描，购药人员在为自己买药时，可以选择图像采集与语音识别两种方式相配合，通过图像采集能够采集人体特征，及人脸图像，简单分析病情特征，并结合语音说的症状及表现，多方便的描述，诊断确定病症，对症进行药品购买引导。
此外，在仅知道药品盒颜色，药品产地或生产商的情况下，购药人员可以理解为带有半目的性的购药，也可以根据购药人员需要，通过购药人员说明的限制条件，进行数据库信息筛选，然后进行药品组合，使购药引导更加人性化。
图2示出了获取屏显组合信息的方法流程图；
根据本发明实施例，根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息，具体包括：
S202，将药品信息分为N个不同的子区域，计算每个子区域的药品信息特征值，得到特征相似度信息；
S204，比较每个不同子区域内的特征相似度信息，得到特征相似度差别率；
S206，将小于特征相似度信息差别率阈值的子区域归于同类别区域；
S208，获取不同类别区域内的药品的组合信息；
S210，根据药品交易记录信息获取新的药品组合信息，并更新数据库；
S212，根据新的药品组合信息，计算修正参数，根据修正参数进行屏显类药品信息再组合。
需要说明的是，将药品信息分为N个子区域，且根据每个子区域内药品信息的特征值进行药品区分，能够将相似度高的两种或多种药品进行归类到同类别区域，这样在进行药品重新组合时，只需要将不同类别区域内的药品进行组合，同类别内的药品由于具有较高的相似度，因此无法进行组合；在进行药品交易过程中，通过药品交易记录信息获取新的药品组合信息，同时将该组合信息存储至数据库，并进行数据库的更新，由于进行药品重新组合的操作，说明购药人员没有选择屏显类药品组合信息内的药品组合，因此需要对推荐屏显类药品组合信息进行修正，通过新的药品组合信息，确定修正参数，通过该参数，将屏显类药品信息再组合后，形成新的药品组合，并通过购药需求进行推荐屏显。
图3示出了反向修正药品组合信息的方法流程图；
根据本发明实施例，还包括：通过图像采集获取图像信息，并提取购药人员特征，具体为：
S302，采集人脸特征，获取人脸图像，生成人脸图像集合S，具体为：
S＝{Γ1,Γ2,Γ3,……,ΓM}，其中Γn表示每一次采集的人脸图像信息，且1≤n≤M；
S304，比对人脸图像集合，计算平均图像ψ，具体为：
S306，将采集的人脸图像与平均图像进行比对，计算图像差值具体为：
Φi＝Γi-ψ；
S308，比较平均图像差值与预设图像差值；
S310，若小于预设图像差值，则根据平均图像信息与购药记录信息推荐屏显类药品组合信息；
S312，若大于预设图像差值，则根据采集的人脸图像与购药人员特征，进行推荐屏显类药品组合信息，并将药品交易记录信息记录数据库，同时反向修正药品组合信息。
需要说明的是，在进行图像采集时，通过分析人脸图像，从人脸集合内对采集人脸图像，分析相似度信息，通过相似度信息得到与采集人脸图像最接近的人脸信息，通过最接近的人脸信息进行推荐屏显类药品组合信息，更有依据性。
此外还可以，将比对人脸图像集合，计算平均图像，将采集的所有图像均与平均图像进行比对，计算图像差值，设定一个预定的图像差值，只要是小于预定图像差值，则说明，相似度较高，则通过平均图像信息与购药记录信息进行分析推荐屏显类药品组合信息，这样进行推荐的药品组合信息更加快速，精准，不需要将采集的图像信息与人脸图像集合内的所有图像一一对比，只需要与平均图像进行比对即可。
此种方式存在一种情况，即相似度较低时，则表示人脸集合内没有相似度较高的人脸图像，说明此购药人员属于第一次通过此系统购药药品，则需要通过采集的人脸图像与购药人员特征，结合症状描述，进行推荐屏显类药品组合，当此购药人员产生购药记录后，则进行购药分析及选择的药品组合分析，是否产生新的药品组合，或新的药品信息，并将此购药信息记录数据库，同时反向修正药品组合信息，或刷新数据库内的信息。
根据本发明实施例，所述药品信息的重新组合包括根据药品功能、药品产地、药品生产商、药品种类或药品特性中的一种或两种以上的组合进行屏显类药品重新搭配。
需要说明的是，在进行屏显类药品组合时，同一种药不能进行组合，具有同一种功能，即功能完全相同，且相互之间具有排斥性的药品不能进行屏显类组合，可以理解为，同一屏显组合类药品信息之间能够相互配合使用，且配合使用过程中，不会产生排斥性，且对人体不会产生危害。
例如，一种组合内包含阿莫西林与感康，另一种组合内包括罗红霉素与复方氨酚胶囊，两种组合中，阿莫西林与罗红霉素在使用过程中，只能用其中一种，且两种药物具有排斥性，同时，两种药物具有相同或相近的功效，不能同时服用，因此在进行推荐屏显类药品组合时，不能将阿莫西林与罗红霉素进行组合，同理感康与复方氨酚胶囊也不能进行组合，此例仅为了更好的理解本发明，并不能限制本发明的保护范围，组合的方式多种多样，且不能进行组合的药品信息也变化万千，可以根据购药人员的实际需求，进行多种方式的组合，且该组合在安全条件下，可以理解为，该组合符合医师药品搭配理解，及药品排斥性。
图4示出了更新数据库信息的方法流程图；
根据本发明实施例，根据购药信息建立数据库，数据库内存储信息随着购药信息增加而不断叠加，并筛选与更新数据库信息，具体包括：
S402，根据购药信息，生成购药交易信息，并与数据库内的原始数据进行对比，得到购药信息偏差率；
S404，若购药信息偏差率大于预设偏差率阈值时，进行原始数据的替换；
S406，当购药次数达到预定数值时，进行数据库信息的覆盖与更新，得到新的数据库信息。
需要说明的是，只要在本系统购买过药品，则所有的购药信息均会存储至数据库，并进行数据分析归类，筛选，将购药相似度较高的信息可以存储在同一区域内，在进行药品组合，屏显类药品推荐时，减少数据库运算时间，系统初次运行时，数据库内有原始信息，原始信息可以理解为，根据常见症状进行的药品常规组合或常见组合使用方式进行屏显类药品组合，当产生购药交易信息时，则将购药信息与原始数据库内的信息进行比对，得到推荐药品信息偏差率，当推荐的药品信息偏差率大于预先设定的偏差率时，则通过购药交易信息进行更新数据库信息，并产生新的药品组合，或进行原始数据库信息的更新覆盖或替换；当推荐的药品信息偏差率小于预定的偏差率时，则进行原始数据看的筛选，选择最优推荐组合药品信息。
图5示出了一种用于零售药店购药引导采纳系统框图；
本发明第二方面提供了一种购药引导的采纳系统5，该系统5包括：存储器51、处理器52，学习反馈模块53，学习反馈模块根据购药交易信息提取不同的购药人员购买的药品组合信息，同时根据购药交易信息反向修正该买次数排序前N位对应的药品信息组合形成一个药品组合的推荐屏显类药品组合信息，并将该药品组合进行数据库信息的更新，存储器中包括购药引导采纳方法程序，购药引导采纳方法程序被所述处理器执行时实现如下步骤：
通过引导信息获取购药人员购药意向信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；
对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；
若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；
根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息。
需要说明的是，本系统中的学习反馈模块能够不断的更新系统，使系统能够针对不同的购药人群进行精准的药品组合推荐，并通过修正信息对修正后的数据库信息进行更新学习，数据库每增加若干条购药交易信息时，系统便根据购药交易信息反向修正购买次数排序前N位对应的药物形成一个推荐屏显类药品信息，同时也反向修正推荐屏显类信息与购药人员特征匹配度，本发明中的购药引导采纳系统采用AT89C51单片机数据采集单元、用于数据处理、存储和控制的中央处理器，数据采集单元与传感器之间通过IIC协议通信，采集单元之间采用RS485接口通信，数据采集单元将数据暂时存储与内部RAM，各模块采集单元同时采集上传数据，保证数据的无延时精准，其中单片机的型号本领域技术人员可以根据实际需要进行选择，如选择ATMEGA48或AT89C52等等均可。
另外，AT89C51提供以下标准功能:4k字节Flash闪速存储器，256字节片内数据存储器(00H-7FH为片内RAM，80H-FFH为特殊功能寄存器SFR)，32个I/O口线，两个16位定时/计数器，一个5向量两级中断结构，一个全双工串行通信口，片内振荡器及时钟电路，同时，AT89C51可降至0Hz的静态逻辑操作，并支持两种软件可选的节电工作模式。空闲方式停止CPU的工作，但允许RAM，定时/计数器，串行通信口及中断系统继续工作。掉电方式保存RAM中的内容，但振荡器停止工作并禁止其它所有部件工作直到下一个硬件复位。
另外，药品为非处方药，购药分为自买药，即给自己买药，或代买药，及帮别人买药，两种买药方式，均可以通过引导信息进行引导，包括图像采集，语音识别，或扫描病例，从病例中分析病因，并精准的推荐药品，通过这几种方式能够得到购药意向，通过购药意向信息，从数据库中查找有关药品组合信息，或从购买交易信息中提取交易次数最多或前几名的药品组合进行推荐，在推荐的过程中，也可以通过购药人自述或人体特征扫描得知过敏药品或不宜使用药品，在进行推荐屏显药品组合信息时，自动过滤过敏药品，进行重新组合，提高用户体验感。
此外在进行多次购药引导后，根据购药交易信息，对比推荐屏显类药品组合信息，两个或许存在一定的偏差，如推荐两种药品组合，例阿莫西林与复方氨酚胶囊，罗红霉素与感康，两种组合均是治疗感冒，但在购药交易记录中显示，购药人员没有选择组合，而是单独购买阿莫西林与感康，则通过偏差信息进行药品信息重新组合，将阿莫西林与感康形成一种新的屏显类药品组合，同时进行数据库的更新，此处两种组合仅仅是举例，不限制药品名称及组合种类或药品种类，可以在实际使用中进行多种药品组合。
按月为周期，在进行多次引导交易后，将购买次数排名前5-10位的药品组合进行排列，并筛选数据库信息，将上个月购买次数排名前5-10位的药品组合进行刷新或替换，以达到药品推荐实时更新。
根据购药信息建立数据库，数据库内存储信息随着购药信息增加而不断叠加，并筛选与更新数据库信息，具体包括：
根据购药信息，生成购药交易信息，并与数据库内的原始数据进行对比，得到购药信息偏差率；
若购药信息偏差率大于预设偏差率阈值时，进行原始数据的替换；
当购药次数达到预定数值时，进行数据库信息的覆盖与更新，得到新的数据库信息。
需要说明的是，只要在本系统购买过药品，则所有的购药信息均会存储至数据库，并进行数据分析归类，筛选，将购药相似度较高的信息可以存储在同一区域内，在进行药品组合，屏显类药品推荐时，减少数据库运算时间，系统初次运行时，数据库内有原始信息，原始信息可以理解为，根据常见症状进行的药品常规组合或常见组合使用方式进行屏显类药品组合，当产生购药交易信息时，则将购药信息与原始数据库内的信息进行比对，得到推荐药品信息偏差率，当推荐的药品信息偏差率大于预先设定的偏差率时，则通过购药交易信息进行更新数据库信息，并产生新的药品组合，或进行原始数据库信息的更新覆盖或替换；当推荐的药品信息偏差率小于预定的偏差率时，则进行原始数据看的筛选，选择最优推荐组合药品信息。
引导信息具体包括：通过图像采集信息或通过语音识别语音信息或通过二维码扫码识别，或通过病例信息扫描或通过文字输入中的一种或多种组合，可以理解的是，在购药人员明确知悉需要购买的药品名称时，可以通过语音识别，直接说出药品名称，系统进行推荐屏显药品信息时，直接推荐屏显，减少中间识别过程，提高购药引导效率，增加用户体验感，当购药人员不清楚需要购买药品名称时，可以根据语音说出生病症状及表现，必要时，可以提供病例进行扫描，以便于系统更加精准的进行药品推荐引导。
具体的，购药人员在为别人买药时，根据语音说出生病症状及表现，必要时，可以提供病例进行扫描，购药人员在为自己买药时，可以选择图像采集与语音识别两种方式相配合，通过图像采集能够采集人体特征，及人脸图像，简单分析病情特征，并结合语音说的症状及表现，多方便的描述，诊断确定病症，对症进行药品购买引导。
此外，在仅知道药品盒颜色，药品产地或生产商的情况下，购药人员可以理解为带有半目的性的购药，也可以根据购药人员需要，通过购药人员说明的限制条件，进行数据库信息筛选，然后进行药品组合，使购药引导更加人性化。
根据本发明实施例，根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息，具体包括：
将药品信息分为N个不同的子区域；
计算每个子区域的药品信息特征值，得到特征相似度信息；
比较每个不同子区域内的特征相似度信息，得到特征相似度差别率；
将小于特征相似度信息差别率阈值的子区域归于同类别区域；
获取不同类别区域内的药品的组合信息；
根据药品交易记录信息获取新的药品组合信息，并更新数据库；
根据新的药品组合信息，计算修正参数，根据修正参数进行屏显类药品信息再组合。
需要说明的是，将药品信息分为N个子区域，且根据每个子区域内药品信息的特征值进行药品区分，能够将相似度高的两种或多种药品进行归类到同类别区域，这样在进行药品重新组合时，只需要将不同类别区域内的药品进行组合，同类别内的药品由于具有较高的相似度，因此无法进行组合；在进行药品交易过程中，通过药品交易记录信息获取新的药品组合信息，同时将该组合信息存储至数据库，并进行数据库的更新，由于进行药品重新组合的操作，说明购药人员没有选择屏显类药品组合信息内的药品组合，因此需要对推荐屏显类药品组合信息进行修正，通过新的药品组合信息，确定修正参数，通过该参数，将屏显类药品信息再组合后，形成新的药品组合，并通过购药需求进行推荐屏显。
根据本发明实施例，还包括：通过图像采集获取图像信息，并提取购药人员特征，具体为：
采集人脸特征，获取人脸图像，生成人脸图像集合S，具体为：
S＝{Γ1,Γ2,Γ3,……,ΓM}，其中Γn表示每一次采集的人脸图像信息，且1≤n≤M；
比对人脸图像集合，计算平均图像ψ，具体为：
将采集的人脸图像与平均图像进行比对，计算图像差值具体为：
Φi＝Γi-ψ；
比较平均图像差值与预设图像差值；
若小于预设图像差值，则根据平均图像信息与购药记录信息推荐屏显类药品组合信息；
若大于预设图像差值，则根据采集的人脸图像与购药人员特征，进行推荐屏显类药品组合信息，并将药品交易记录信息记录数据库，同时反向修正药品组合信息。
需要说明的是，在进行图像采集时，通过分析人脸图像，从人脸集合内对采集人脸图像，分析相似度信息，通过相似度信息得到与采集人脸图像最接近的人脸信息，通过最接近的人脸信息进行推荐屏显类药品组合信息，更有依据性。
此外还可以，将比对人脸图像集合，计算平均图像，将采集的所有图像均与平均图像进行比对，计算图像差值，设定一个预定的图像差值，只要是小于预定图像差值，则说明，相似度较高，则通过平均图像信息与购药记录信息进行分析推荐屏显类药品组合信息，这样进行推荐的药品组合信息更加快速，精准，不需要将采集的图像信息与人脸图像集合内的所有图像一一对比，只需要与平均图像进行比对即可。
此种方式存在一种情况，即相似度较低时，则表示人脸集合内没有相似度较高的人脸图像，说明此购药人员属于第一次通过此系统购药药品，则需要通过采集的人脸图像与购药人员特征，结合症状描述，进行推荐屏显类药品组合，当此购药人员产生购药记录后，则进行购药分析及选择的药品组合分析，是否产生新的药品组合，或新的药品信息，并将此购药信息记录数据库，同时反向修正药品组合信息，或刷新数据库内的信息。
所述药品信息的重新组合包括根据药品功能、药品产地、药品生产商、药品种类或药品特性中的一种或两种以上的组合进行屏显类药品重新搭配。
需要说明的是，在进行屏显类药品组合时，同一种药不能进行组合，具有同一种功能，即功能完全相同，且相互之间具有排斥性的药品不能进行屏显类组合，可以理解为，同一屏显组合类药品信息之间能够相互配合使用，且配合使用过程中，不会产生排斥性，且对人体不会产生危害。
例如，一种组合内包含阿莫西林与感康，另一种组合内包括罗红霉素与复方氨酚胶囊，两种组合中，阿莫西林与罗红霉素在使用过程中，只能用其中一种，且两种药物具有排斥性，同时，两种药物具有相同或相近的功效，不能同时服用，因此在进行推荐屏显类药品组合时，不能将阿莫西林与罗红霉素进行组合，同理感康与复方氨酚胶囊也不能进行组合，此例仅为了更好的理解本发明，并不能限制本发明的保护范围，组合的方式多种多样，且不能进行组合的药品信息也变化万千，可以根据购药人员的实际需求，进行多种方式的组合，且该组合在安全条件下，可以理解为，该组合符合医师药品搭配理解，及药品排斥性。
本发明第三方面提供了一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括购药引导采纳方法程序，所述购药引导采纳方法程序被处理器执行时，实现上述任一项所述的购药引导采纳方法的步骤。
在自买药时，通过图像采集人脸信息，与数据库信息进行匹配，从而精准的获取推荐屏显药品信息类别，在对购药人员进行引导时，快速精准的进行购药引导，但是在代买药时，则需要通过语音识别、扫码或病例扫描等一些辅助手段才能更加精准的获取购药意向信息进行购药引导，通过购药意向信息进行推荐药品组合，减少每一种药品单独选择的总时间，实现高效精准的购药引导。
在进行推荐屏显类药品时，可以根据购药人员的最终交易信息进行并进行数据库信息的更新替换，并根据购药记录信息，进行药品信息的重新组合，获得新的药品组合，药品组合过程中，根据药品的特性，药品种类，或药品功能进行组合，在进行下一次购药时，保证购药人员最终选择的药品组合位于推荐屏显类药品信息内，同时位于推荐屏显的排名靠前的药品组合种类内，实现购药人员的精准定位，若购药人员选择了两种药品组合内的两种或多种单独药品，则将此次交易信息记录成一个新的药品组合，存储至数据库，便于下次推荐屏显。
通过药品交易信息反向修正药品组合信息，即实时分析得到最优的推荐屏显类药品组合信息，系统根据修正信息进行更新，提高系统的自主学习能力，且在进行药品交易预定次数后，对数据库信息进行更新覆盖，以便于为购药人员提供更好的针对性引导，极大的提高购药人员选药的精准度。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种用于零售药店购药引导的采纳方法，其特征在于，包括：
通过引导信息获取购药人员购药意向信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；
对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；
若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；
根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息，具体包括：
将药品信息分为N个不同的子区域；
计算每个子区域的药品信息特征值，得到特征相似度信息；
比较每个不同子区域内的特征相似度信息，得到特征相似度差别率；
将小于特征相似度信息差别率阈值的子区域归于同类别区域；
获取不同类别区域内的药品的组合信息；
根据药品交易记录信息获取新的药品组合信息，并更新数据库；
根据新的药品组合信息，计算修正参数，根据修正参数进行屏显类药品信息再组合；
根据购药信息建立数据库，数据库内存储信息随着购药信息增加而不断叠加，并筛选与更新数据库信息，具体包括：
根据购药信息，生成购药交易信息，并与数据库内的原始数据进行对比，得到购药信息偏差率；
若购药信息偏差率大于预设偏差率阈值时，进行原始数据的替换；
当购药次数达到预定数值时，进行数据库信息的覆盖与更新，得到新的数据库信息。
2.根据权利要求1所述的一种用于零售药店购药引导的采纳方法，其特征在于：引导信息具体包括：通过图像采集信息或通过音频采集语音信息或通过二维码扫码识别，或通过病例信息扫描或通过文字输入中的一种或多种组合。
3.根据权利要求1所述的一种用于零售药店购药引导的采纳方法，其特征在于：
还包括：通过图像采集获取图像信息，并提取购药人员特征，具体为：
采集人脸特征，获取人脸图像，生成人脸图像集合S，具体为：
S＝{Γ1 ,Γ2 ,Γ3 ,…… ,ΓM}，其中Γn表示每一次采集的人脸图像信息，且1≤n≤M；
比对人脸图像集合，计算平均图像ψ，具体为：
；
将采集的人脸图像与平均图像进行比对，计算图像差值具体为：
Φi＝Γi-ψ；
比较平均图像差值与预设图像差值；
若小于预设图像差值，则根据平均图像信息与购药记录信息推荐屏显类药品组合信息；
若大于预设图像差值，则根据采集的人脸图像与购药人员特征，进行推荐屏显类药品组合信息，并将药品交易记录信息记录数据库，同时反向修正药品组合信息。
4.根据权利要求1所述的一种用于零售药店购药引导的采纳方法，其特征在于：所述药品信息的重新组合包括根据药品功能、药品产地、药品生产商、药品种类或药品特性中的一种或两种以上的组合进行屏显类药品重新搭配。
5.一种购药引导的采纳系统，其特征在于，该系统包括：学习反馈模块，存储器、处理器，所述学习反馈模块根据购药交易信息提取不同的购药人员购买的药品组合信息，同时根据购药交易信息反向修正购买次数排序前N位对应的药品信息组合形成一个药品组合的推荐屏显类药品组合信息，并将该药品组合进行数据库信息的更新，所述存储器中包括购药引导采纳方法程序，所述购药引导采纳方法程序被所述处理器执行时实现如下步骤：
通过引导信息获取购药人员购药意向信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息；
对比购药交易信息与推荐屏显类药品组合信息，获取偏差信息，得到偏差率；
若偏差率大于预定偏差率阈值时，根据偏差信息进行药品信息重新组合，得到新的药品组合信息；
根据购药信息建立数据库，数据库内存储信息随着购药组合信息增加而不断叠加，并筛选与更新数据库信息；
根据意向信息，匹配数据库信息，同时推荐屏显类药品组合信息，具体包括：
将药品信息分为N个不同的子区域；
计算每个子区域的药品信息特征值，得到特征相似度信息；
比较每个不同子区域内的特征相似度信息，得到特征相似度差别率；
将小于特征相似度信息差别率阈值的子区域归于同类别区域；
获取不同类别区域内的药品的组合信息；
根据药品交易记录信息获取新的药品组合信息，并更新数据库；
根据新的药品组合信息，计算修正参数，根据修正参数进行屏显类药品信息再组合；
根据购药信息建立数据库，数据库内存储信息随着购药信息增加而不断叠加，并筛选与更新数据库信息，具体包括：
根据购药信息，生成购药交易信息，并与数据库内的原始数据进行对比，得到购药信息偏差率；
若购药信息偏差率大于预设偏差率阈值时，进行原始数据的替换；
当购药次数达到预定数值时，进行数据库信息的覆盖与更新，得到新的数据库信息。
6.根据权利要求5所述的一种购药引导的采纳系统，其特征在于：还包括：通过图像采集获取图像信息，并提取购药人员特征，具体为：
采集人脸特征，获取人脸图像，生成人脸图像集合S，具体为：
S＝{Γ1 ,Γ2 ,Γ3 ,…… ,ΓM}，其中Γn表示每一次采集的人脸图像信息，且1≤n≤M；
比对人脸图像集合，计算平均图像ψ，具体为：
；
将采集的人脸图像与平均图像进行比对，计算图像差值具体为：
Φi＝Γi-ψ；
比较平均图像差值与预设图像差值；
若小于预设图像差值，则根据平均图像信息与购药记录信息推荐屏显类药品组合信息；
若大于预设图像差值，则根据采集的人脸图像与购药人员特征，进行推荐屏显类药品组合信息，并将药品交易记录信息记录数据库，同时反向修正药品组合信息。
7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括购药引导采纳方法程序，所述购药引导采纳方法程序被处理器执行时，实现如权利要求1至4中任一项所述的购药引导采纳方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010070808.2A CN111292823B (zh) | 2020-01-21 | 2020-01-21 | 用于零售药店购药引导的采纳方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010070808.2A CN111292823B (zh) | 2020-01-21 | 2020-01-21 | 用于零售药店购药引导的采纳方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111292823A CN111292823A (zh) | 2020-06-16 |
| CN111292823B true CN111292823B (zh) | 2024-01-23 |
Family
ID=71029165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010070808.2A Active CN111292823B (zh) | 2020-01-21 | 2020-01-21 | 用于零售药店购药引导的采纳方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111292823B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111949889A (zh) * | 2020-09-16 | 2020-11-17 | 苏州众智诺成信息科技有限公司 | 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 |
| CN112084225A (zh) * | 2020-09-16 | 2020-12-15 | 苏州众智诺成信息科技有限公司 | 一种基于大数据的共享平台的智能处理方法、系统及可读存储介质 |
| CN112220325A (zh) * | 2020-09-23 | 2021-01-15 | 苏州众智诺成信息科技有限公司 | 一种基于物联网的食材磨皮装置及磨皮方法 |
| CN113180971B (zh) * | 2021-04-29 | 2023-09-22 | 新乡市中心医院 | 一种中医护理装置和控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107808469A (zh) * | 2017-11-02 | 2018-03-16 | 华北理工大学 | 自助超市系统 |
| CN109545315A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种药品交易处理方法、服务器及存储介质 |
| CN109785975A (zh) * | 2018-12-04 | 2019-05-21 | 平安科技（深圳）有限公司 | 辅助用户自主购药的方法、装置、设备及存储介质 |
-
2020
- 2020-01-21 CN CN202010070808.2A patent/CN111292823B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107808469A (zh) * | 2017-11-02 | 2018-03-16 | 华北理工大学 | 自助超市系统 |
| CN109545315A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种药品交易处理方法、服务器及存储介质 |
| CN109785975A (zh) * | 2018-12-04 | 2019-05-21 | 平安科技（深圳）有限公司 | 辅助用户自主购药的方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 吕苗.基于情境的商品个性化推荐方法研究.东北大学出版社,2018,第71页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111292823A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111292823B (zh) | 用于零售药店购药引导的采纳方法及系统 | |
| US11468975B2 (en) | Medication reconciliation system and method | |
| Halberda et al. | Multiple spatially overlapping sets can be enumerated in parallel | |
| Jeffery et al. | View-specific coding of face shape | |
| Sayim et al. | Gestalt factors modulate basic spatial vision | |
| CN109616173B (zh) | 药品管理方法、装置、计算机设备及存储介质 | |
| CN111145844A (zh) | 综合医疗监管平台 | |
| US9633173B2 (en) | Handwriting recognition tool | |
| EP3447718A1 (en) | Substitute medicine detection device and substitute medicine detection method | |
| Walker et al. | A universal framework for the benefit-risk assessment of medicines: is this the way forward? | |
| Doss et al. | The dark side of context: Context reinstatement can distort memory | |
| Aulet et al. | Spatial–numerical associations from a novel paradigm support the mental number line account | |
| Schulz et al. | A systematic view on data descriptors for the visual analysis of tabular data | |
| CN113724858A (zh) | 基于人工智能的疾病检查项目推荐设备、方法及装置 | |
| US20200279629A1 (en) | System and method for gathering and analyzing human experience reports | |
| CN111312358A (zh) | 一种基于自助药品超市的购药引导方法、系统及可读存储介质 | |
| Alwakid et al. | Deep learning-enhanced diabetic retinopathy image classification | |
| Craswell et al. | Does use of computer technology for perinatal data collection influence data quality? | |
| Zhou et al. | Judging normality and attractiveness in faces: Direct evidence of a more refined representation for own-race, young adult faces | |
| CN111477289A (zh) | 检测报告的存储和读取方法及装置 | |
| Sand et al. | When perception trumps reality: Perceived, not objective, meaning of primes drives Stroop priming | |
| US20230394587A1 (en) | Systems and Methods for Automatic Recording of Insurance Card Information | |
| Pachai et al. | The bandwidth of diagnostic horizontal structure for face identification | |
| Lee | The attentional boost effect overcomes dual-task interference in choice-response tasks | |
| US20220157421A1 (en) | System and method for forming auditable electronic health record |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |