CN112420176A - 基于结构化信息库的分级导诊系统 - Google Patents
基于结构化信息库的分级导诊系统 Download PDFInfo
- Publication number
- CN112420176A CN112420176A CN201910776971.8A CN201910776971A CN112420176A CN 112420176 A CN112420176 A CN 112420176A CN 201910776971 A CN201910776971 A CN 201910776971A CN 112420176 A CN112420176 A CN 112420176A
- Authority
- CN
- China
- Prior art keywords
- disease
- patient
- department
- hierarchical
- symptom
- 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
Images
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (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)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于结构化信息库的分级导诊系统，包括数据采集模块，用于采集患者对自身病症信息的描述；知识库模块，用于存储医疗条件数据；计算中心，用于分析计算，并匹配患者病症信息与医疗条件数据，得出最终推荐结果，反馈给患者；控制台，用于管理员对系统进行管理，管理员可通过控制台对整个系统的相关设置进行调整，包括权限设置，数据采集器的界面设计等等；本发明创造性地提出了一种分级推荐的导诊系统，减少数据的存储和维护成本，同时降低计算复杂度，提高的罕见病症的导诊准确率；本发明区别于其他将患者病症直接与某一种疾病计算相似度，进而推荐科室，分级推荐系统具有模糊化的思想，使算法具有更强的鲁棒性。
Description
技术领域
本发明属于医疗导诊技术领域，具体为一种基于结构化信息库的分级导诊系统。
背景技术
近年随着人民保健意识的增强，就诊病号明显增多，但是由于患者自身医疗知识有限，很难准确地判断自己要挂号的科室，因此在预约挂号中经常会出现科室选择错误等问题。虽然很多医院会设有人工导诊台，但这需要大量的导诊护士轮流值班，并且导诊护士的专业水平参差不齐，难免会出现分析失误等问题，另外对导诊护士的培训也需要耗费大量的人力财力。以上的这些问题都使得看病费时费力，效率较低，严重影响医疗质量和患者的满意度。一套科学高效的导诊系统可以很好地帮助患者提高挂号的准确性，同时也有助于提高医院的服务水平与核心竞争力。
现有的一些智能导诊系统的后台算法大都建立在基于患者或者基于科室的协同过滤推荐系统之上，通过从历史数据中寻找相似用户，从而实现科室的推荐。这类导诊算法较为依赖历史数据，故而模型数据的存储和维护成本都比较高，模型的计算复杂度也大。对于一些相对罕见的疾病的推荐准确性有限，难以满足所有病人实际的要求，所以需要新型的、更加准确的、普适性更强的导诊系统来支持病患挂号；为此，发明人综合各类因素，提出了一种基于结构化信息库的分级导诊系统。
发明内容
本发明的目的在于：为了解决背景技术涉及的技术问题，提供一种基于结构化信息库的分级导诊系统。
本发明采用的技术方案如下：
一种基于结构化信息库的分级导诊系统，包括数据采集模块，用于采集患者对自身病症信息的描述；
知识库模块，用于存储医疗条件数据；
计算中心，用于分析计算，并匹配患者病症信息与医疗条件数据，得出最终推荐结果，反馈给患者；
控制台，用于管理员对系统进行管理，管理员可通过控制台对整个系统的相关设置进行调整，包括权限设置，数据采集器的界面设计，知识库信息的补充和删减，计算中心的算法实现等等。
作为本发明进一步技术方案，所述数据采集模块导诊触摸屏或移动端，数据采集模块上设置有智能辅助病症采集模块，用于帮助患者更加科学、完整地描述自身病症。
作为本发明再进一步技术方案，智能辅助病症采集模块预先引导患者根据自身情况选择病症部分及症状描述，然后基于分词与症状索引表，统计症状两两之间共同出现的次数，并将与该症状共同出现次数前5的症状存入症状索引表作为联想症状，在用户输入完一个症状之后，将联想症状提供给用户，用户可以从中选择与自身相关的症状，以此来帮助用户提升输入症状的完整性。如此既可加快操作的流畅性，又避免了有些患者无法使用合适的术语描述自身症状，或遗漏一些症状。
作为本发明再进一步技术方案，所述知识库模块包括科室资料库、医生资料库、疾病库、症状库。科室资料库可调取查看各个科室的介绍信息，包括科室等级(一级科室、二级科室)、该科室的主治疾病和医疗团队。医生资料库可调取各个医生的介绍信息(职务、职称)，擅长领域。疾病库存储各种疾病名称。病症库存储各种病症描述。四者之间存在如下关联关系：1)一级科室与二级科室的关系；2)科室与医生的关系；3)医生与疾病的关系；4)疾病与病症的关系。间接地可查询某一级科室或二级科室下的主治疾病。
作为本发明再进一步技术方案，所述计算中心将收集到的患者对自身病症的描述信息结合知识库中的信息，通过匹配推荐算法计算，得出最终的推荐结果，并反馈给患者。
作为本发明再进一步技术方案，所述分级导诊系统系统架构包括前端UI、业务层、数据层、程序实现以及硬件，前端UI包括Html、CSS和图片，业务层包括患者病症采集、辅助提示和推荐反馈；数据层包括数据缓存、数据处理、读写数据库、事务、自定义算法等等，所述程序实现包括MySQL、python和 JavaScript，硬件包括网络、独立服务器、触摸显示屏、主机和存储器等等。
作为本发明再进一步技术方案，所述匹配推荐算法包括如下步骤：第1步、获取患者自身病症描述；
第2步、患者病症描述与知识库中的病症库取交集；
第3步、从疾病库中筛选出包含第2步中病症的疾病，构建为潜患疾病列表，并用该列表中的疾病的病症集构建对应的病症矩阵；
第4步、取患者的自身病症描述与第3步中构建的病症矩阵，计算疾病相似度；
第5步、以一级科室为界，统计潜患疾病列表中属于各一级科室的疾病的相似度的加权和，将统计结果排序，取相似度最高的前两个一级科室。
第6步、参照第5步，再次统计潜患疾病列表中属于第5步得到的两个一级科室下二级科室的疾病的相似度的加权和，将统计结果排序，取相似度最高的二级科室。
第7步、参照第6步，统计潜患疾病列表中属于第6步得到的二级科室下各医生擅长的疾病的相似度的加权和，结合历史患者对该医生的评价，得到最终的推荐指数。
第8步、将各医生的推荐指数排序，反馈给患者匹配度最高的两个医生，同时给出相应的推荐指数，以供患者参考。
作为本发明再进一步技术方案，所述第4步中将患者的病症描述与潜患疾病列表中的每一种疾病的病症做相似度计算，计算方法使用余弦相似度公式：
式中N(u)表示患者所描述的病症集合，N(v)表示潜患疾病列表中的一种疾病的病症集合。
其中，统计两个推荐科室下各医生擅长疾病与潜患疾病列表集合的交集的相似度加权和，公式如下：
Md＝∑i∈Pαi*si
式中P是医生擅长疾病与患者潜患疾病的交集，αi是历史患者对该医生的第i种疾病的医治平均满意率，这是一个随着时间推移可更新的系数，其中
U是该医生诊疗过这种疾病的历史用户对其的治疗效果评分。
作为本发明再进一步技术方案，诊疗结束后患者可对医生的治疗效果和诊治服务态度分别进行打分，分别用α和F表示，其中
最终根据这两者的综合评分对两个推荐科室下的医生排名，并各推荐排名前三的三名医生；
作为本发明再进一步技术方案，综合评分Z＝70％Md+30％F。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明创造性地提出了一种分级推荐的导诊系统，涵盖了数据采集模块，用于采集患者对自身病症信息的描述；知识库模块，用于存储医疗条件数据；计算中心，用于分析计算，并匹配患者病症信息与医疗条件数据，得出最终推荐结果，反馈给患者和控制台；减少数据的存储和维护成本，同时降低计算复杂度，提高的罕见病症的导诊准确率；本发明区别于其他将患者病症直接与某一种疾病计算相似度，进而推荐科室，分级推荐系统具有模糊化的思想，使算法具有更强的鲁棒性；同时，设计的辅助病症采集模块，可以帮助患者更准确地描述自身病症，也有利与系统采集到更完善的信息；本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中。
2、本发明进一步使用先推荐科室再在推荐医生的思想，降低对历史数据的依赖，避免传统推荐系统的冷启动问题，保证罕见疾病的推荐准确率。
3、本发明进一步设置匹配推荐算法，结合科室匹配、医生擅长和历史患者对该医生的评价，得到最终的推荐指数，推荐准确率高。
4、本发明进一步设置控制台，管理员可通过控制台对整个系统的相关设置进行调整，包括权限设置，数据采集器的界面设计，知识库信息的补充和删减，计算中心的算法实现等。
附图说明
图1为本发明的系统架构图；
图2为本发明的系统网络拓扑图；
图3为本发明的系统关系流程图；
图4为本发明中数据库结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参阅图1～4；一种基于结构化信息库的分级导诊系统，包括数据采集模块，用于采集患者对自身病症信息的描述；
知识库模块，用于存储医疗条件数据；
计算中心，用于分析计算，并匹配患者病症信息与医疗条件数据，得出最终推荐结果，反馈给患者；
控制台，用于管理员对系统进行管理。
所述数据采集模块导诊触摸屏或移动端，数据采集模块上设置有智能辅助病症采集模块，用于帮助患者更加科学、完整地描述自身病症；智能辅助病症采集模块预先引导患者根据自身情况选择病症部分及症状描述，然后基于分词与症状索引表，统计症状两两之间共同出现的次数，并将与该症状共同出现次数前5的症状存入症状索引表作为联想症状，在用户输入完一个症状之后，将联想症状提供给用户，用户从中选择与自身相关的症状，帮助用户提升输入症状的完整性。
所述知识库模块包括科室资料库、医生资料库、疾病库、症状库；科室资料库可调取查看各个科室的介绍信息，包括科室等级、该科室的主治疾病和医疗团队；医生资料库可调取各个医生的介绍信息擅长领域；疾病库存储各种疾病名称；病症库存储各种病症描述；四者之间存在如下关联关系：1)一级科室与二级科室的关系；2)科室与医生的关系；3)医生与疾病的关系；4)疾病与病症的关系。间接地可查询某一级科室或二级科室下的主治疾病。
所述计算中心将收集到的患者对自身病症的描述信息结合知识库中的信息，通过匹配推荐算法计算，得出最终的推荐结果，并反馈给患者。
所述分级导诊系统系统架构包括前端UI、业务层、数据层、程序实现以及硬件，前端UI包括Html、CSS和图片，业务层包括患者病症采集、辅助提示和推荐反馈；数据层包括数据缓存、数据处理、读写数据库、事务、自定义算法，所述程序实现包括MySQL、python和JavaScript，硬件包括网络、独立服务器、触摸显示屏、主机和存储器。
所述匹配推荐算法包括如下步骤：第1步、获取患者自身病症描述；
第2步、患者病症描述与知识库中的病症库取交集；
第3步、从疾病库中筛选出包含第2步中病症的疾病，构建为潜患疾病列表，并用该列表中的疾病的病症集构建对应的病症矩阵；
第4步、取患者的自身病症描述与第3步中构建的病症矩阵，计算疾病相似度；
第5步、以一级科室为界，统计潜患疾病列表中属于各一级科室的疾病的相似度的加权和，将统计结果排序，取相似度最高的前两个一级科室。
第6步、参照第5步，再次统计潜患疾病列表中属于第5步得到的两个一级科室下二级科室的疾病的相似度的加权和，将统计结果排序，取相似度最高的二级科室。
第7步、参照第6步，统计潜患疾病列表中属于第6步得到的二级科室下各医生擅长的疾病的相似度的加权和，结合历史患者对该医生的评价，得到最终的推荐指数。
第8步、将各医生的推荐指数排序，反馈给患者匹配度最高的两个医生，同时给出相应的推荐指数，以供患者参考。
8.如权利要求7所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述第4步中将患者的病症描述与潜患疾病列表中的每一种疾病的病症做相似度计算，计算方法使用余弦相似度公式：
式中N(u)表示患者所描述的病症集合，N(v)表示潜患疾病列表中的一种疾病的病症集合。
其中，统计两个推荐科室下各医生擅长疾病与潜患疾病列表集合的交集的相似度加权和，公式如下：
Md＝∑i∈Pαi*si
式中P是医生擅长疾病与患者潜患疾病的交集，αi是历史患者对该医生的第i种疾病的医治平均满意率，这是一个随着时间推移可更新的系数，其中
U是该医生诊疗过这种疾病的历史用户对其的治疗效果评分。
诊疗结束后患者可对医生的治疗效果和诊治服务态度分别进行打分，分别用α和F表示，其中
最终根据这两者的综合评分对两个推荐科室下的医生排名，并各推荐排名前三的三名医生；综合评分Z＝70％Md+30％F。
工作原理：本发明提出了一种分级推荐的导诊系统，减少数据的存储和维护成本，同时降低计算复杂度，提高的罕见病症的导诊准确率。区别于其他将患者病症直接与某一种疾病计算相似度，进而推荐科室，分级推荐系统具有模糊化的思想，使算法具有更强的鲁棒性。同时，设计的辅助病症采集模块，可以帮助患者更准确地描述自身病症，也有利与系统采集到更完善的信息。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于结构化信息库的分级导诊系统，其特征在于：包括数据采集模块，用于采集患者对自身病症信息的描述；
知识库模块，用于存储医疗条件数据；
计算中心，用于分析计算，并匹配患者病症信息与医疗条件数据，得出最终推荐结果，反馈给患者；
控制台，用于管理员对系统进行管理。
2.如权利要求1所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述数据采集模块导诊触摸屏或移动端，数据采集模块上设置有智能辅助病症采集模块，用于帮助患者更加科学、完整地描述自身病症。
3.如权利要求2所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述智能辅助病症采集模块预先引导患者根据自身情况选择病症部分及症状描述，然后基于分词与症状索引表，统计症状两两之间共同出现的次数，并将与该症状共同出现次数前5的症状存入症状索引表作为联想症状，在用户输入完一个症状之后，将联想症状提供给用户，用户从中选择与自身相关的症状，帮助用户提升输入症状的完整性。
4.如权利要求1所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述知识库模块包括科室资料库、医生资料库、疾病库、症状库；科室资料库可调取查看各个科室的介绍信息，包括科室等级、该科室的主治疾病和医疗团队；医生资料库可调取各个医生的介绍信息擅长领域；疾病库存储各种疾病名称；病症库存储各种病症描述；四者之间存在如下关联关系：1)一级科室与二级科室的关系；2)科室与医生的关系；3)医生与疾病的关系；4)疾病与病症的关系；间接地查询相应一级科室或二级科室下的主治疾病。
5.如权利要求1所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述计算中心将收集到的患者对自身病症的描述信息结合知识库中的信息，通过匹配推荐算法计算，得出最终的推荐结果，并反馈给患者。
6.如权利要求1-5任一所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述分级导诊系统系统架构包括前端UI、业务层、数据层、程序实现以及硬件，前端UI包括Html、CSS和图片，业务层包括患者病症采集、辅助提示和推荐反馈；数据层包括数据缓存、数据处理、读写数据库、事务、自定义算法，所述程序实现包括MySQL、python和JavaScript，硬件包括网络、独立服务器、触摸显示屏、主机和存储器。
7.如权利要求1-5任一所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述匹配推荐算法包括如下步骤：第1步、获取患者自身病症描述；
第2步、患者病症描述与知识库中的病症库取交集；
第3步、从疾病库中筛选出包含第2步中病症的疾病，构建为潜患疾病列表，并用该列表中的疾病的病症集构建对应的病症矩阵；
第4步、取患者的自身病症描述与第3步中构建的病症矩阵，计算疾病相似度；
第5步、以一级科室为界，统计潜患疾病列表中属于各一级科室的疾病的相似度的加权和，将统计结果排序，取相似度最高的前两个一级科室。
第6步、参照第5步，再次统计潜患疾病列表中属于第5步得到的两个一级科室下二级科室的疾病的相似度的加权和，将统计结果排序，取相似度最高的二级科室。
第7步、参照第6步，统计潜患疾病列表中属于第6步得到的二级科室下各医生擅长的疾病的相似度的加权和，结合历史患者对该医生的评价，得到最终的推荐指数。
第8步、将各医生的推荐指数排序，反馈给患者匹配度最高的两个医生，同时给出相应的推荐指数，以供患者参考。
8.如权利要求7所述的一种基于结构化信息库的分级导诊系统，其特征在于：所述第4步中将患者的病症描述与潜患疾病列表中的每一种疾病的病症做相似度计算，计算方法使用余弦相似度公式：
式中N(u)表示患者所描述的病症集合，N(v)表示潜患疾病列表中的一种疾病的病症集合。
其中，统计两个推荐科室下各医生擅长疾病与潜患疾病列表集合的交集的相似度加权和，公式如下：
Md＝∑i∈Pαi*si
式中P是医生擅长疾病与患者潜患疾病的交集，αi是历史患者对该医生的第i种疾病的医治平均满意率，这是一个随着时间推移可更新的系数，其中
U是该医生诊疗过这种疾病的历史用户对其的治疗效果评分。
9.如权利要求7所述的一种基于结构化信息库的分级导诊系统，其特征在于：诊疗结束后患者可对医生的治疗效果和诊治服务态度分别进行打分，分别用α和F表示，其中
最终根据这两者的综合评分对两个推荐科室下的医生排名，并各推荐排名前三的三名医生。
10.如权利要求9所述的一种基于结构化信息库的分级导诊系统，其特征在于：综合评分Z＝70％Md+30％F。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910776971.8A CN112420176A (zh) | 2019-08-22 | 2019-08-22 | 基于结构化信息库的分级导诊系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910776971.8A CN112420176A (zh) | 2019-08-22 | 2019-08-22 | 基于结构化信息库的分级导诊系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112420176A true CN112420176A (zh) | 2021-02-26 |
Family
ID=74779271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910776971.8A Pending CN112420176A (zh) | 2019-08-22 | 2019-08-22 | 基于结构化信息库的分级导诊系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112420176A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113241196A (zh) * | 2021-05-17 | 2021-08-10 | 中国科学院自动化研究所 | 基于云-终端协同的远程医疗与分级监控系统 |
| CN114983352A (zh) * | 2021-03-01 | 2022-09-02 | 浙江远图互联科技股份有限公司 | 一种基于注意力机制的新冠肺炎识别方法及设备 |
| CN115527661A (zh) * | 2022-10-13 | 2022-12-27 | 四川互慧软件有限公司 | 一种患者预检分级的方法和系统 |
| CN116364267A (zh) * | 2023-02-16 | 2023-06-30 | 江苏省计算机技术服务有限公司 | 一种基于智慧医疗云服务的单点登录管理系统 |
| CN116759062A (zh) * | 2023-08-17 | 2023-09-15 | 江苏盖睿健康科技有限公司 | 一种优化轮询就诊数据的方法和系统 |
| CN118317047A (zh) * | 2024-06-07 | 2024-07-09 | 江苏盖睿健康科技有限公司 | 基于远程会诊场景的医患视频通讯智能调配方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN106934239A (zh) * | 2017-03-11 | 2017-07-07 | 广东省中医院 | 一种基于诊疗数据的病情引导系统 |
| CN107563120A (zh) * | 2017-09-13 | 2018-01-09 | 青岛海信医疗设备股份有限公司 | 针对患者的医生推荐方法及装置 |
| CN107705842A (zh) * | 2017-10-13 | 2018-02-16 | 合肥工业大学 | 智能分诊系统及其工作方法 |
| 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
- 2019-08-22 CN CN201910776971.8A patent/CN112420176A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN106934239A (zh) * | 2017-03-11 | 2017-07-07 | 广东省中医院 | 一种基于诊疗数据的病情引导系统 |
| CN107563120A (zh) * | 2017-09-13 | 2018-01-09 | 青岛海信医疗设备股份有限公司 | 针对患者的医生推荐方法及装置 |
| CN107705842A (zh) * | 2017-10-13 | 2018-02-16 | 合肥工业大学 | 智能分诊系统及其工作方法 |
| 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 (1)
| Title |
|---|
| 马钰等: ""面对智能导诊的个性化推荐算法"", 《智能系统学报》, vol. 13, no. 3, 30 June 2018 (2018-06-30), pages 353 - 355 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114983352A (zh) * | 2021-03-01 | 2022-09-02 | 浙江远图互联科技股份有限公司 | 一种基于注意力机制的新冠肺炎识别方法及设备 |
| CN113241196A (zh) * | 2021-05-17 | 2021-08-10 | 中国科学院自动化研究所 | 基于云-终端协同的远程医疗与分级监控系统 |
| CN115527661A (zh) * | 2022-10-13 | 2022-12-27 | 四川互慧软件有限公司 | 一种患者预检分级的方法和系统 |
| CN116364267A (zh) * | 2023-02-16 | 2023-06-30 | 江苏省计算机技术服务有限公司 | 一种基于智慧医疗云服务的单点登录管理系统 |
| CN116364267B (zh) * | 2023-02-16 | 2023-10-31 | 江苏省计算机技术服务有限公司 | 一种基于智慧医疗云服务的单点登录管理系统 |
| CN116759062A (zh) * | 2023-08-17 | 2023-09-15 | 江苏盖睿健康科技有限公司 | 一种优化轮询就诊数据的方法和系统 |
| CN116759062B (zh) * | 2023-08-17 | 2023-10-31 | 江苏盖睿健康科技有限公司 | 一种优化轮询就诊数据的方法和系统 |
| CN118317047A (zh) * | 2024-06-07 | 2024-07-09 | 江苏盖睿健康科技有限公司 | 基于远程会诊场景的医患视频通讯智能调配方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112420176A (zh) | 基于结构化信息库的分级导诊系统 | |
| US11664114B2 (en) | Medical scan assisted review system | |
| Pedersen et al. | Missing data and multiple imputation in clinical epidemiological research | |
| US8527293B2 (en) | Method and system for supporting clinical decision-making | |
| US11232856B2 (en) | Methods for automatic cohort selection in epidemiologic studies and clinical trials | |
| US9317580B2 (en) | Imaging protocol update and/or recommender | |
| CN111192682B (zh) | 一种影像操练数据处理方法、系统及存储介质 | |
| RU2616985C2 (ru) | Система и способ для поддержки принятия клинических решений для планирования терапии с помощью логического рассуждения на основе прецедентов | |
| US20070192143A1 (en) | Quality Metric Extraction and Editing for Medical Data | |
| KR20240008838A (ko) | 인공 지능-보조 이미지 분석을 위한 시스템 및 방법 | |
| CN111667894A (zh) | 基于rete算法规则引擎的医院电子病历质量监控和管理系统 | |
| JP2003331055A (ja) | クリニカルパス運用支援情報システム | |
| US20190348161A1 (en) | Personal health record system with process decision support function | |
| Sochalski et al. | Accounting For Variation In Hospital Outcomes: A Cross-National Study: Researchers from four nations are attempting to shed light on some troubling trends in their hospital sectors. | |
| US20150227714A1 (en) | Medical information analysis apparatus and medical information analysis method | |
| Langlotz | Automatic structuring of radiology reports: harbinger of a second information revolution in radiology | |
| CN117271804B (zh) | 一种共病特征知识库生成方法、装置、设备及介质 | |
| CN112700873A (zh) | 一种智能护理信息交互系统 | |
| WO2022081731A9 (en) | Automatically pre-constructing a clinical consultation note during a patient intake/admission process | |
| CN117292783A (zh) | 医学影像报告生成系统 | |
| CN114300075A (zh) | 一种基于大数据的运动医疗健康数据管理系统 | |
| CN116825311B (zh) | 一种基于drg/dip的医院管控运营方法及系统 | |
| CN116627988A (zh) | 一种基于规则配置的患者主索引系统 | |
| US20120284051A1 (en) | Method and system for personalizing and transforming patient interaction records | |
| CN116779092A (zh) | 一种医学报告生成方法与系统 |
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: 20210226 |