CN113380392A - 一种基于妇科检查安全评估的就诊管理方法及系统 - Google Patents
一种基于妇科检查安全评估的就诊管理方法及系统 Download PDFInfo
- Publication number
- CN113380392A CN113380392A CN202110709879.7A CN202110709879A CN113380392A CN 113380392 A CN113380392 A CN 113380392A CN 202110709879 A CN202110709879 A CN 202110709879A CN 113380392 A CN113380392 A CN 113380392A
- Authority
- CN
- China
- Prior art keywords
- gynecological
- examination
- treatment
- diagnosis
- gynecological examination
- 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.)
- Withdrawn
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于妇科检查安全评估的就诊管理方法及系统,其中,所述方法包括:根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。解决了现有技术妇科检查存在诸多卫生安全问题,导致患者就诊时发生感染的技术问题。
Description
技术领域
本发明涉及医疗管理领域,尤其涉及一种基于妇科检查安全评估的就诊管理方法及系统。
背景技术
妇科检查主要是包括全身检查、腹部检查和盆腔检查,检查外阴、阴道、子宫颈和子宫、输卵管、卵巢及宫旁组织和骨盆腔内壁的情况,主要作用是对一些妇科疾病做出早期诊断、预防以及早期治疗。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术妇科检查存在诸多卫生安全问题,导致患者就诊时发生感染的技术问题。
发明内容
本申请实施例通过提供一种基于妇科检查安全评估的就诊管理方法及系统,解决了现有技术妇科检查存在诸多卫生安全问题,导致患者就诊时发生感染的技术问题,达到对患者临床表现进行实时智能化监控,通过结合患者个人情况进行妇科检查安全评估,根据检查安全风险对患者进行就诊管理,实现安全化就诊,提高患者检查就诊满意度的技术效果。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的。
第一方面,本申请实施例提供了一种基于妇科检查安全评估的就诊管理方法,所述方法包括:获得第一用户生理状态数据信息;根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;构建病情诊疗特征决策树;根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;对所述各诊疗特征信息进行聚类分析,获得第一聚类结果;根据所述第一聚类结果,构建妇科患者诊疗项目数据库;将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;根据妇科卫生安全管理标准对第一妇科进行卫生检测,获得第一妇科卫生安全等级;根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。
另一方面,本申请还提供了一种基于妇科检查安全评估的就诊管理系统,所述系统包括:第一获得单元,所述第一获得单元用于获得第一用户生理状态数据信息;第二获得单元,所述第二获得单元用于根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;第一构建单元,所述第一构建单元用于构建病情诊疗特征决策树;第三获得单元,所述第三获得单元用于根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;第四获得单元,所述第四获得单元用于对所述各诊疗特征信息进行聚类分析,获得第一聚类结果;第二构建单元,所述第二构建单元用于根据所述第一聚类结果,构建妇科患者诊疗项目数据库;第五获得单元,所述第五获得单元用于将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;第六获得单元,所述第六获得单元用于根据妇科卫生安全管理标准对第一妇科进行卫生检测,获得第一妇科卫生安全等级;第七获得单元,所述第七获得单元用于根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;第八获得单元,所述第八获得单元用于根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;第九获得单元,所述第九获得单元用于根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;第一管理单元,所述第一管理单元用于根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;根据所述第一聚类结果,构建妇科患者诊疗项目数据库;将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理,进而达到结合患者个人情况进行妇科检查安全评估,根据检查安全风险对患者进行就诊管理,实现安全化就诊,提高患者检查就诊满意度的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于妇科检查安全评估的就诊管理方法的流程示意图;
图2为本申请实施例一种基于妇科检查安全评估的就诊管理系统的结构示意图;
图3为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一构建单元13,第三获得单元14,第四获得单元15,第二构建单元16,第五获得单元17,第六获得单元18,第七获得单元19,第八获得单元20,第九获得单元21,第一管理单元22,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150和用户接口1160。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了一种基于妇科检查安全评估的就诊管理方法,其中,所述方法包括:
步骤S100:获得第一用户生理状态数据信息;
步骤S200:根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;
具体而言,所述第一用户生理状态数据信息是妇科检查患者在诊疗时的身体生理状态数据,客观地反映疾病病情状态,包括体温、睡眠、血压、内分泌、情绪反应、生殖等生理检查数据。所述妇科病情特征数据库为根据患者的检查生理状态数据构建的相应反映病情的特征数据库,根据患者生理状态数据信息和所述妇科病情特征数据库进行匹配,获得患者所患的相应妇科病情特征。
进一步而言,其中,所述根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征方法,本申请实施例步骤S200还包括:
步骤S210:根据妇科病情特征数据库,构建患者妇科病情特征坐标系,所述患者妇科病情特征坐标系为多维坐标系;
步骤S220:对所述患者妇科病情特征坐标系进行区域标签化分类,获得第一标签分类结果;
步骤S230:将所述第一用户生理状态数据信息输入所述患者临床病情坐标系,获得病情特征向量;
步骤S240:根据所述第一标签分类结果和所述病情特征向量进行映射匹配,获得第一分类结果;
步骤S250:根据所述第一分类结果,确定第一妇科病情特征。
具体而言,构建妇科病情特征坐标系,所述妇科病情特征包括患者年龄、患者血压、患者内分泌情况等生理状态信息,所述患者妇科病情特征坐标系为多维坐标系。对所述患者妇科病情特征坐标系进行区域标签化分类,不同的区域对应不同的标签分类结果,如不同区域对应不同的妇科病情特征。将所述第一用户生理状态数据信息输入所述患者妇科病情特征坐标系,获得妇科患者对应的病情特征向量,根据所述病情特征向量在所述第一标签分类结果进行映射匹配,获得相匹配的病情特征分类结果,并根据所述第一分类结果,确定与患者匹配对应的妇科病情特征。达到通过构建患者妇科病情特征坐标系进行向量映射的方法,使得病情分类结果更加准确,确保患者后续妇科病情的检查诊疗效果。
步骤S300:构建病情诊疗特征决策树;
步骤S400:根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;
具体而言,决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法,这种分类器能够对新出现的对象给出正确的分类,由根节点、内部节点以及叶节点组成。病情类别特征可作为所述病情类别特征决策树的内部节点,通过对其进行信息熵的计算,可对熵值最小的特征进行优先分类,以此方法对所述病情诊疗特征决策树进行递归构建,直至无法对最后的特征叶节点进行再分,说明分类结束,以此构成了病情诊疗特征决策树。根据所述病情诊疗特征决策树,对所述第一妇科病情特征进行分类,按照病情诊疗特征分类得到相应的患者需要诊疗的各类别病情信息,如盆腔炎、子宫肌瘤、妇科炎症、宫颈癌、妇科肿瘤等的诊治。
步骤S500:对所述各诊疗特征信息进行聚类分析,获得第一聚类结果;
步骤S600:根据所述第一聚类结果,构建妇科患者诊疗项目数据库;
具体而言,聚类是一种非监督学习方法,它不需要任何形式的标签,而是基于数据本身的结构推测出簇标签。通过聚类分析、特征工程、建模调参的步骤可获得第一聚类结果,所述第一聚类结果为聚类后按相关特征划分的各个簇的数量,通过聚类分析,得出所述各诊疗特征信息和各妇科诊疗项目之间的关联,并构建相对应的妇科患者诊疗项目数据库,以确定对患者的妇科诊疗项目。
步骤S700:将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;
进一步而言,其中,所述将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果,本申请实施例步骤S700还包括:
步骤S710:将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库作为输入信息,输入至所述第一妇科检查安全评估模型;
步骤S720:所述第一妇科检查安全评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一用户的健康属性信息、所述妇科患者诊疗项目数据库和用来标识第一妇科检查安全评估结果的标识信息;
步骤S730:获得所述第一妇科检查安全评估模型中第一输出结果,所述第一输出结果包括所述第一妇科检查安全评估结果。
具体而言,所述第一用户的健康属性信息为患者的身体健康属性,所患疾病的严重程度,有无其他并发症或感染性疾病。所述第一妇科检查安全评估模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入神经网络模型,则输出所述第一妇科检查安全评估结果。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一用户的健康属性信息、所述妇科患者诊疗项目数据库和用来标识第一妇科检查安全评估结果的标识信息,将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入到神经网络模型中,根据用来标识第一妇科检查安全评估结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的所述第一妇科检查安全评估结果信息更加合理、准确,进而达到结合患者个人情况对患者妇科检查的安全性进行评估,进而实现后续的安全化就诊的技术效果。
步骤S800:根据妇科卫生安全管理标准对第一妇科进行卫生检测,获得第一妇科卫生安全等级;
具体而言,所述妇科卫生安全管理标准为保证患者妇科检查安全,根据卫生标准和医院规定制定的安全管理标准,按照所述妇科卫生安全管理标准对妇科检查环境进行卫生检测,获得第一妇科卫生安全等级,表明患者妇科检查的安全程度。
步骤S900:根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;
具体而言,所述第一妇科的检查区域布局合理度为妇科检查各科室的区域分布情况,检查区域分布越合理,患者感染的安全问题就越少。根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级共同确定妇科检查的环境影响因素。
步骤S1000:根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;
进一步而言,其中,所根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型,本申请实施例步骤S1000还包括:
步骤S1010:将所述第一环境影响因素输入所述第一妇科检查安全评估模型中,获得第一预测检查安全评估结果;
步骤S1020:通过对所述第一预测检查安全评估结果进行数据损失分析,获得第一损失数据;
步骤S1030:将所述第一损失数据输入到所述第一妇科检查安全评估模型中进行训练,获得所述第二妇科检查安全评估模型。
具体而言,所述第一预测检查安全评估结果基于所述第一环境影响因素在所述第一妇科检查安全评估模型中进行检查安全评估获得的对应评估结果,由于所述第一复发风险评估是基于所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库进行数据训练获得的,因此,通过引入损失函数完成数据损失的分析进而获得所述第一损失数据,其中,所述第一损失数据是代表所述第一妇科检查安全评估模型对于所述第一环境影响因素的相关数据知识损失数据,再基于所述第一损失数据完成对所述第一妇科检查安全评估模型的增量学习,由于所述第一妇科检查安全评估模型是多个神经元相互连接组成构成神经网络获得的,因此,通过损失数据的训练使得所述第二妇科检查安全评估模型保留了所述第一妇科检查安全评估模型的基本功能,并维持模型不断更新的性能,从而提高了妇科检查安全评估的更新性能,保证安全评估结果准确性的技术效果。
步骤S1100:根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;
步骤S1200:根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。
具体而言,根据所述第二妇科检查安全评估模型,获得对应的输出信息即所述第一用户的第二妇科检查安全评估结果,其中,所述第二妇科检查安全评估模型为增量学习后的更新后的模型,从而使得获得的安全评估结果更加准确。根据所述第二妇科检查安全评估结果,对患者进行就诊管理,包括就诊流程、就诊项目、就诊指导、就诊叫号等,保证患者就诊检查时的安全管理,提高患者检查就诊满意度。
进一步而言,其中,所述根据所述第一标签分类结果和所述病情特征向量进行映射匹配,获得第一分类结果,本申请实施例步骤S240还包括:
步骤S241:对所述病情特征向量进行距离计算,获得欧氏距离数据集;
步骤S242:根据所述欧氏距离数据集,获得病情特征分类数据集,所述病情特征分类数据集为所述欧氏距离数据集中最短k个距离;
步骤S243:根据所述病情特征分类数据集和所述第一标签分类结果进行映射匹配,获得第一分类结果。
具体而言,所述欧氏距离数据集为欧几里得度量距离数据集合,即坐标系中两点之间的直线距离,对所述病情特征向量进行距离计算,获得所述向量与其他病情特征向量之间的欧氏距离数据集。所述病情特征分类数据集为所述欧氏距离数据集中最短的k个距离,k值为所述欧氏距离数据集的一部分,可自行设定。根据所述病情特征分类数据集和所述标签分类结果进行映射匹配,获得所述向量对应的分类结果。达到通过计算向量距离的分类方法,对病情特征进行分类确定,确保后续患者检查就诊安全性和准确性的技术效果。
进一步而言,本申请实施例还包括:
步骤S1310:获得第一评估指令,所述第一评估指令用于对所述第一用户进行心理评估,获得第一心理评估结果;
步骤S1320:根据所述第一心理评估结果,获得所述第一用户的预定隐私度阈值;
步骤S1330:获得第一妇科检查项目类型;
步骤S1340:对所述第一妇科检查项目类型进行隐私程度判断,获得第一检查隐私度;
步骤S1350:如果所述第一检查隐私度超过所述预定隐私度阈值,对所述第一用户进行隐私就诊管理。
具体而言,根据所述第一评估指令对患者进行心理评估,获得第一心理评估结果,包括患者情绪稳定性、抗压性、可承受能力等,根据所述第一心理评估结果,可以获得患者的预定隐私度阈值,即患者的预定可接受检查隐私度范围。所述第一妇科检查项目类型为患者需要检查的妇科项目,如妇科CT检查、乳腺B超检查等,并对所述第一妇科检查项目类型进行隐私程度判断,获得对应的检查项目隐私度。判断所述第一检查隐私度超过所述预定隐私度阈值,如果所述第一检查隐私度超过所述预定隐私度阈值,表明患者的心理状态不能接受该检查项目,可能会造成项目检查结果不准确,因此对患者进行隐私就诊管理,如心理疏导、单独检查等管理措施。达到通过对患者进行心理评估的方式,个性化的进行就诊管理,从而保证患者检查就诊准确性的技术效果。
进一步而言,本申请实施例还包括:
步骤S1410:获得所述妇科患者诊疗项目数据库中各诊疗项目之间的第一关联度;
步骤S1420:根据所述妇科患者诊疗项目数据库,确定各妇科项目检查科室;
步骤S1430:根据所述第一关联度和所述各妇科项目检查科室的分布区域,确定第一妇科项目检查顺序;
步骤S1440:按照所述第一妇科项目检查顺序,对所述第一用户进行就诊管理。
具体而言,获得所述妇科患者诊疗项目数据库中各诊疗项目之间的第一关联度,即检查诊疗项目之间的关联程度,如患者检查项目中需要做B超的诊疗项目之间的关联度较大。根据所述妇科患者诊疗项目数据库,确定各妇科项目检查科室,如B超室、CT室、检验科室、HPV检查科室等。根据各检查项目之间的关联度和各妇科项目检查科室的分布区域,如检查科室分布区域之间的距离,确定患者的第一妇科项目检查顺序,并按照所述第一妇科项目检查顺序,对所述第一用户进行就诊管理。达到结合检查实际情况对妇科检查项目进行排序,确保检查顺序合理,从而提高患者检查诊疗结果准确性和检查诊疗期间安全性的技术效果。
综上所述,本申请实施例所提供的一种基于妇科检查安全评估的就诊管理方法及系统具有如下技术效果:
由于采用了根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;根据所述第一聚类结果,构建妇科患者诊疗项目数据库;将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理,进而达到结合患者个人情况进行妇科检查安全评估,根据检查安全风险对患者进行就诊管理,实现安全化就诊,提高患者检查就诊满意度的技术效果。
实施例二
基于与前述实施例中一种基于妇科检查安全评估的就诊管理方法同样发明构思,本发明还提供了一种基于妇科检查安全评估的就诊管理系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一用户生理状态数据信息;
第二获得单元12,所述第二获得单元12用于根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;
第一构建单元13,所述第一构建单元13用于构建病情诊疗特征决策树;
第三获得单元14,所述第三获得单元14用于根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;
第四获得单元15,所述第四获得单元15用于对所述各诊疗特征信息进行聚类分析,获得第一聚类结果;
第二构建单元16,所述第二构建单元16用于根据所述第一聚类结果,构建妇科患者诊疗项目数据库;
第五获得单元17,所述第五获得单元17用于将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;
第六获得单元18,所述第六获得单元18用于根据妇科卫生安全管理标准对第一妇科进行卫生检测,获得第一妇科卫生安全等级;
第七获得单元19,所述第七获得单元19用于根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;
第八获得单元20,所述第八获得单元20用于根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;
第九获得单元21,所述第九获得单元21用于根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;
第一管理单元22,所述第一管理单元22用于根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。
进一步的,所述系统还包括:
第三构建单元,所述第三构建单元用于根据妇科病情特征数据库,构建患者妇科病情特征坐标系,所述患者妇科病情特征坐标系为多维坐标系;
第十获得单元,所述第十获得单元用于对所述患者妇科病情特征坐标系进行区域标签化分类,获得第一标签分类结果;
第十一获得单元,所述第十一获得单元用于将所述第一用户生理状态数据信息输入所述患者妇科病情特征坐标系,获得病情特征向量;
第十二获得单元,所述第十二获得单元用于根据所述第一标签分类结果和所述病情特征向量进行映射匹配,获得第一分类结果;
第一确定单元,所述第一确定单元用于根据所述第一分类结果,确定第一妇科病情特征。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于对所述病情特征向量进行距离计算,获得欧氏距离数据集;
第十四获得单元,所述第十四获得单元用于根据所述欧氏距离数据集,获得病情特征分类数据集,所述病情特征分类数据集为所述欧氏距离数据集中最短k个距离;
第十五获得单元,所述第十五获得单元用于根据所述病情特征分类数据集和所述第一标签分类结果进行映射匹配,获得第一分类结果。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于将所述第一环境影响因素输入所述第一妇科检查安全评估模型中,获得第一预测检查安全评估结果;
第十七获得单元,所述第十七获得单元用于通过对所述第一预测检查安全评估结果进行数据损失分析,获得第一损失数据;
第十八获得单元,所述第十八获得单元用于将所述第一损失数据输入到所述第一妇科检查安全评估模型中进行训练,获得所述第二妇科检查安全评估模型。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得第一评估指令,所述第一评估指令用于对所述第一用户进行心理评估,获得第一心理评估结果;
第二十获得单元,所述第二十获得单元用于根据所述第一心理评估结果,获得所述第一用户的预定隐私度阈值;
第二十一获得单元,所述第二十一获得单元用于获得第一妇科检查项目类型;
第二十二获得单元,所述第二十二获得单元用于对所述第一妇科检查项目类型进行隐私程度判断,获得第一检查隐私度;
第二管理单元,所述第二管理单元用于根据如果所述第一检查隐私度超过所述预定隐私度阈值,对所述第一用户进行隐私就诊管理。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于获得所述妇科患者诊疗项目数据库中各诊疗项目之间的第一关联度;
第二确定单元,所述第二确定单元用于根据所述妇科患者诊疗项目数据库,确定各妇科项目检查科室;
第三确定单元,所述第三确定单元用于根据所述第一关联度和所述各妇科项目检查科室的分布区域,确定第一妇科项目检查顺序;
第三管理单元,所述第三管理单元用于按照所述第一妇科项目检查顺序,对所述第一用户进行就诊管理。
进一步的,所述系统还包括:
第一输入单元,所述第一输入单元用于将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库作为输入信息,输入至所述第一妇科检查安全评估模型;
第二十四获得单元,所述第二十四获得单元用于所述第一妇科检查安全评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一用户的健康属性信息、所述妇科患者诊疗项目数据库和用来标识第一妇科检查安全评估结果的标识信息;
第二十五获得单元,所述第二十五获得单元用于获得所述第一妇科检查安全评估模型中第一输出结果,所述第一输出结果包括所述第一妇科检查安全评估结果。
前述图1实施例一中的一种基于妇科检查安全评估的就诊管理方法的各种变化方式和具体实例同样适用于本实施例的一种基于妇科检查安全评估的就诊管理系统,通过前述对一种基于妇科检查安全评估的就诊管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于妇科检查安全评估的就诊管理系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图3所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信系统、码分多址系统、全球微波互联接入系统、通用分组无线业务系统、宽带码分多址系统、长期演进系统、LTE频分双工系统、LTE时分双工系统、先进长期演进系统、通用移动通信系统、增强移动宽带系统、海量机器类通信系统、超可靠低时延通信系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例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实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于妇科检查安全评估的就诊管理方法,其中,所述方法应用于一基于妇科检查安全评估的就诊管理系统,所述方法包括:
获得第一用户生理状态数据信息;
根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;
构建病情诊疗特征决策树;
根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;
对所述各诊疗特征信息进行聚类分析,获得第一聚类结果;
根据所述第一聚类结果,构建妇科患者诊疗项目数据库;
将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;
根据妇科卫生安全管理标准对第一妇科进行卫生检测,获得第一妇科卫生安全等级;
根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;
根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;
根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;
根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。
2.如权利要求1所述的方法,其中,所述根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征方法,包括:
根据妇科病情特征数据库,构建患者妇科病情特征坐标系,所述患者妇科病情特征坐标系为多维坐标系;
对所述患者妇科病情特征坐标系进行区域标签化分类,获得第一标签分类结果;
将所述第一用户生理状态数据信息输入所述患者妇科病情特征坐标系,获得病情特征向量;
根据所述第一标签分类结果和所述病情特征向量进行映射匹配,获得第一分类结果;
根据所述第一分类结果,确定第一妇科病情特征。
3.如权利要求2所述的方法,其中,所述根据所述第一标签分类结果和所述病情特征向量进行映射匹配,获得第一分类结果,包括:
对所述病情特征向量进行距离计算,获得欧氏距离数据集;
根据所述欧氏距离数据集,获得病情特征分类数据集,所述病情特征分类数据集为所述欧氏距离数据集中最短k个距离;
根据所述病情特征分类数据集和所述第一标签分类结果进行映射匹配,获得第一分类结果。
4.如权利要求1所述的方法,其中,根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型,包括:
将所述第一环境影响因素输入所述第一妇科检查安全评估模型中,获得第一预测检查安全评估结果;
通过对所述第一预测检查安全评估结果进行数据损失分析,获得第一损失数据;
将所述第一损失数据输入到所述第一妇科检查安全评估模型中进行训练,获得所述第二妇科检查安全评估模型。
5.如权利要求1所述的方法,其中,所述方法包括:
获得第一评估指令,所述第一评估指令用于对所述第一用户进行心理评估,获得第一心理评估结果;
根据所述第一心理评估结果,获得所述第一用户的预定隐私度阈值;
获得第一妇科检查项目类型;
对所述第一妇科检查项目类型进行隐私程度判断,获得第一检查隐私度;
如果所述第一检查隐私度超过所述预定隐私度阈值,对所述第一用户进行隐私就诊管理。
6.如权利要求1所述的方法,其中,所述方法包括:
获得所述妇科患者诊疗项目数据库中各诊疗项目之间的第一关联度;
根据所述妇科患者诊疗项目数据库,确定各妇科项目检查科室;
根据所述第一关联度和所述各妇科项目检查科室的分布区域,确定第一妇科项目检查顺序;
按照所述第一妇科项目检查顺序,对所述第一用户进行就诊管理。
7.如权利要求1所述的方法,其中,所述将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果,包括:
将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库作为输入信息,输入至所述第一妇科检查安全评估模型;
所述第一妇科检查安全评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一用户的健康属性信息、所述妇科患者诊疗项目数据库和用来标识第一妇科检查安全评估结果的标识信息;
获得所述第一妇科检查安全评估模型中第一输出结果,所述第一输出结果包括所述第一妇科检查安全评估结果。
8.一种基于妇科检查安全评估的就诊管理系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一用户生理状态数据信息;
第二获得单元,所述第二获得单元用于根据第一用户生理状态数据信息和妇科病情特征数据库进行匹配,获得第一妇科病情特征;
第一构建单元,所述第一构建单元用于构建病情诊疗特征决策树;
第三获得单元,所述第三获得单元用于根据所述病情诊疗特征决策树对所述第一妇科病情特征进行分类,获得各诊疗特征信息;
第四获得单元,所述第四获得单元用于对所述各诊疗特征信息进行聚类分析,获得第一聚类结果;
第二构建单元,所述第二构建单元用于根据所述第一聚类结果,构建妇科患者诊疗项目数据库;
第五获得单元,所述第五获得单元用于将所述第一用户的健康属性信息和所述妇科患者诊疗项目数据库输入第一妇科检查安全评估模型,获得第一妇科检查安全评估结果;
第六获得单元,所述第六获得单元用于根据妇科卫生安全管理标准对第一妇科进行卫生检测,获得第一妇科卫生安全等级;
第七获得单元,所述第七获得单元用于根据所述第一妇科的检查区域布局合理度和所述第一妇科卫生安全等级,获得第一环境影响因素;
第八获得单元,所述第八获得单元用于根据所述第一环境影响因素对所述第一妇科检查安全评估模型进行增量学习,获得第二妇科检查安全评估模型;
第九获得单元,所述第九获得单元用于根据所述第二妇科检查安全评估模型,获得所述第一用户的第二妇科检查安全评估结果;
第一管理单元,所述第一管理单元用于根据所述第二妇科检查安全评估结果,对所述第一用户进行就诊管理。
9.一种基于妇科检查安全评估的就诊管理系统,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的控制输出数据的方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的控制输出数据的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110709879.7A CN113380392A (zh) | 2021-06-25 | 2021-06-25 | 一种基于妇科检查安全评估的就诊管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110709879.7A CN113380392A (zh) | 2021-06-25 | 2021-06-25 | 一种基于妇科检查安全评估的就诊管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113380392A true CN113380392A (zh) | 2021-09-10 |
Family
ID=77579197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110709879.7A Withdrawn CN113380392A (zh) | 2021-06-25 | 2021-06-25 | 一种基于妇科检查安全评估的就诊管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380392A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642260A (zh) * | 2021-10-14 | 2021-11-12 | 江苏永佳电子材料有限公司 | 一种热封盖带的性能评估方法及系统 |
CN116189912A (zh) * | 2023-04-25 | 2023-05-30 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种具有学习功能的妇科患者生理信息反馈系统 |
CN116439661A (zh) * | 2023-03-24 | 2023-07-18 | 中国人民解放军总医院第六医学中心 | 一种围产期的产妇生理状态监测评估方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887587A (zh) * | 2019-01-22 | 2019-06-14 | 平安科技(深圳)有限公司 | 智能分诊方法、系统、装置及存储介质 |
CN112037908A (zh) * | 2020-08-05 | 2020-12-04 | 复旦大学附属眼耳鼻喉科医院 | 一种耳源性眩晕诊疗装置、系统及大数据分析平台 |
CN112599230A (zh) * | 2020-12-28 | 2021-04-02 | 乐山市人民医院 | 一种患者就医路径规划系统、方法及电子设备 |
CN112967819A (zh) * | 2021-03-08 | 2021-06-15 | 樊学海 | 一种神经外科手术的术前评估方法及系统 |
CN112992355A (zh) * | 2021-03-25 | 2021-06-18 | 南通大学附属医院 | 一种食管癌患者的术前评估方法及系统 |
-
2021
- 2021-06-25 CN CN202110709879.7A patent/CN113380392A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887587A (zh) * | 2019-01-22 | 2019-06-14 | 平安科技(深圳)有限公司 | 智能分诊方法、系统、装置及存储介质 |
CN112037908A (zh) * | 2020-08-05 | 2020-12-04 | 复旦大学附属眼耳鼻喉科医院 | 一种耳源性眩晕诊疗装置、系统及大数据分析平台 |
CN112599230A (zh) * | 2020-12-28 | 2021-04-02 | 乐山市人民医院 | 一种患者就医路径规划系统、方法及电子设备 |
CN112967819A (zh) * | 2021-03-08 | 2021-06-15 | 樊学海 | 一种神经外科手术的术前评估方法及系统 |
CN112992355A (zh) * | 2021-03-25 | 2021-06-18 | 南通大学附属医院 | 一种食管癌患者的术前评估方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642260A (zh) * | 2021-10-14 | 2021-11-12 | 江苏永佳电子材料有限公司 | 一种热封盖带的性能评估方法及系统 |
CN116439661A (zh) * | 2023-03-24 | 2023-07-18 | 中国人民解放军总医院第六医学中心 | 一种围产期的产妇生理状态监测评估方法及系统 |
CN116439661B (zh) * | 2023-03-24 | 2023-09-29 | 中国人民解放军总医院第六医学中心 | 一种围产期的产妇生理状态监测评估方法及系统 |
CN116189912A (zh) * | 2023-04-25 | 2023-05-30 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种具有学习功能的妇科患者生理信息反馈系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113380392A (zh) | 一种基于妇科检查安全评估的就诊管理方法及系统 | |
CN109805898B (zh) | 基于注意力机制时序卷积网络算法的危重症死亡预测方法 | |
CN108766561B (zh) | 病症信息处理方法、装置、计算机设备和存储介质 | |
Singh et al. | An integrated fog and Artificial Intelligence smart health framework to predict and prevent COVID-19 | |
Bellamy et al. | Analysis of clustered and interval censored data from a community‐based study in asthma | |
CN112420192B (zh) | 融合多维诊疗信息的疾病分型方法及相关设备 | |
Moreira et al. | Smart mobile system for pregnancy care using body sensors | |
CN114141349A (zh) | 一种icu护理人员的智能调配方法及系统 | |
Chadaga et al. | Predicting cervical cancer biopsy results using demographic and epidemiological parameters: A custom stacked ensemble machine learning approach | |
Iraji | Prediction of post-operative survival expectancy in thoracic lung cancer surgery with soft computing | |
CN114512235A (zh) | 一种骨折创伤信息处理方法及系统 | |
Zeng | Length of stay prediction model of indoor patients based on light gradient boosting machine | |
CN112331340B (zh) | 育龄夫妇妊娠概率的智能预测方法及系统 | |
CN114091675A (zh) | 一种溯因推理方法和系统 | |
Aziz et al. | Initialization of adaptive neuro-fuzzy inference system using fuzzy clustering in predicting primary triage category | |
CN113299361A (zh) | 一种基于病人临床表现的档案构建方法及系统 | |
Chen et al. | TractGraphCNN: anatomically informed graph CNN for classification using diffusion MRI tractography | |
CN113053482B (zh) | 一种肾内科患者的体征监测分析系统及方法 | |
Nisa et al. | HIV/AIDS predictive model using random forest based on socio-demographical, biological and behavioral data | |
Jones et al. | On calibrating a microsimulation of patient movement through a healthcare network | |
Lin et al. | A direct semiparametric receiver operating characteristic curve regression with unknown link and baseline functions | |
Asri | IoT and Reality Mining for Real-Time Disease Prediction | |
Ho | Artificial intelligence as a feminist bioethics issue | |
CN113113124A (zh) | 一种神经外科多患者的整合护理方法及系统 | |
Li et al. | Shrink: A breast cancer risk assessment model based on medical social network |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210910 |
|
WW01 | Invention patent application withdrawn after publication |