CN114121217A - 一种手术室调度方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种手术室调度方法、装置、设备及存储介质。该方法包括：获取与待调度手术室相关的各信息维度下的目标信息，其中，各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组；将各第一资源描述框架多元组输入到已训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。本发明实施例的技术方案，可以有效保证手术室调度中的精准性和时效性。

Description

一种手术室调度方法、装置、设备及存储介质

技术领域

本发明实施例涉及信息处理领域，尤其涉及一种手术室调度方法、装置、设备及存储介质。

背景技术

手术室在医学治疗中非常重要和稀缺，因此手术室的合理调度至关重要。目前主要采用人工方式进行手术室调度，但这难以保证调度的精准性和时效性。

发明内容

本发明实施例提供了一种手术室调度方法、装置、设备及存储介质，解决了手术室调度中存在的精准性和时效性难以保证的问题。

第一方面，本发明实施例提供了一种手术室调度方法，可以包括：

获取与待调度手术室相关的各信息维度下的目标信息，其中，各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；

针对每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组；

将各第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

第二方面，本发明实施例还提供了一种手术室调度装置，可以包括：

目标信息获取模块，用于获取与待调度手术室相关的各信息维度下的目标信息，其中，各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；

第一资源描述框架多元组得到模块，用于针对每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，将第一信息抽取结果打包为第一资源描述框架多元组；

手术室调度信息得到模块，用于将各第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

第三方面，本发明实施例还提供了一种手术室调度设备，可以包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明任意实施例所提供的手术室调度方法。

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，该计算机程序被处理器执行时实现本发明任意实施例所提供的手术室调度方法。

本发明实施例的技术方案，通过获取与待调度手术室相关的各信息维度下的目标信息，该各信息维度下的目标信息可以包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；进而，针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，然后将由此得到的第一信息抽取结果打包为第一RDF多元组；由此，将各第一RDF多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果得到待调度手术室的手术室调度信息。上述技术方案，基于知识图谱模型自动对各信息维度下的目标信息进行充分分析，由此解决了在手术室调度中存在的精准性和时效性难以保证的问题，满足了在复杂多变的各种情况下进行有效的手术室调度的需求。

附图说明

图1是本发明实施例一中的一种手术室调度方法的流程图；

图2是本发明实施例一中的一种手术室调度方法中第一可选示例的示意图；

图3是本发明实施例一中的一种手术室调度方法中第二可选示例的示意图；

图4是本发明实施例二中的一种手术室调度方法的流程图；

图5是本发明实施例三中的一种手术室调度方法的流程图；

图6是本发明实施例四中的一种手术室调度装置的结构框图；

图7是本发明实施例五中的一种手术室调度设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一中提供的一种手术室调度方法的流程图。本实施例可适用于预测手术室调度信息的情况，尤其适用于基于多维度信息预测手术室调度信息的情况。该方法可以由本发明实施例提供的手术室调度装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在手术室调度设备上，该设备可以是各种用户终端或服务器。

参见图1，本发明实施例的方法具体包括如下步骤：

S110、获取与待调度手术室相关的各信息维度下的目标信息，其中各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个。

其中，待调度手术室可以是待预测其的手术室调度信息的手术室，其数量可以是一个、两个或是多个，在此未做具体限定；手术室调度信息可以是能够反映出该待调度手术室会在何时被占用的信息，具体来说可以是会在何时因为什么手术而被占用的信息；目标信息可以是与待调度手术室相关的某信息维度下的信息，如医生信息、护士信息、患者信息、手术设备信息、手术室信息和手术信息等，即医生信息是一个信息维度下的目标信息，而护士信息是另一个信息维度下的目标信息，类似的，患者信息、手术设备信息、手术信息和手术室信息的情况类似，在此不再赘述。

为了更好地理解上述各信息维度下的目标信息，下面结合本发明实施例有可能涉及到的应用场景进行示例性的说明。示例性的，医生信息可以是与医生有关的信息，如某个或是某些医生的基本信息、手术记录信息、排班信息等；患者信息可以是与患者有关的信息，如某个或某些患者的基本信息、手术信息、术后信息(即患者术后信息)等；护士信息可以是与护士有关的信息，如某个或是某些护士的基本信息、手术记录信息等；手术设备信息可以是与手术设备有关的信息，如某个或某些手术设备在术前、术中和/或术后的检查信息、使用记录和时长等；手术信息可以是与手术有关的信息，如某场或某些手术的基本信息、突发情况记录信息、医患信息等，其多为关系表示，可以作为手术人员(如医生、护士、患者等)和手术设备的连接点；手术室信息可以是与待调度手术室有关的信息，如某个或、是某些待调度手术室的基本信息、使用记录和时长、突发情况记录信息等。将各信息维度下的目标信息进行综合考虑，这有助于提高后续的手术室调度信息的确定精度。

S120、针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组。

其中，对每个信息维度下的目标信息均先后执行信息抽取操作和打包操作。具体的，针对某信息维度下的目标信息，对其进行信息抽取，如信息清洗(如清洗掉残缺和/或冗余的目标信息)、语义分割等，得到第一信息抽取结果。在实际应用中，可选的，上述语义分割操作可通过如下步骤实现：获取语义分割字典，其中，语义分割字典是根据对知识图谱模型进行训练时的标注结果预先构建得到的字典；基于语义分割字典，对每个信息维度下的目标信息进行语义分割，并根据语义分割结果对每个信息维度下的目标信息进行更新。其中，在对知识图谱模型进行训练时涉及到标注人员给出的标注结果，该标注结果可以是各信息维度下的样本信息间的关系，基于这样的标注结果可以预先构建得到用于进行语义分割的语义分割词典。进一步，针对某信息维度下的目标信息，基于该语义分割字典对该信息维度下的目标信息进行语义分割，由此可以得到该信息维度下的目标信息中能够对预测手术室调度信息起到作用的有效信息。

将第一信息抽取结果打包为第一资源描述框架(Resource DescriptionFramework，RDF)多元组，由此达到了将碎片化、离散化的第一信息抽取结果打包为有机化的RDF多元组的效果，其可以表示出实体和实体(即节点和节点)间的关系，该多元组可以是三元组、四元组、五元组等，在此未做具体限定。在实际应用中，可选的，在得到第一RDF多元组后，可以对其进行图编码，即根据知识图谱模型的需求对其进行封装，由此达到了将自然语言转换为计算机能够理解的数据语言的效果，根据图编码结果更新第一RDF多元组。再可选的，为了让计算机能够更好地处理第一RDF多元组，可以通过Struc2Vec对第一RDF多元组进行图嵌入(graph embedding)来得到向量化的第一RDF多元组。

S130、将各第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

其中，由于每个信息维度下的目标信息均对应有各自的第一RDF多元组，因此可以将各第一RDF多元组输入到预先训练完成的知识图谱模型中，以使该知识图谱模型对各第一RDF多元组进行综合分析，由此根据综合分析结果得到手术室调度信息。实际应用中，可选的，上述手术室调度信息的预测过程可以理解为将各第一RDF多元组转换为目标RDF多元组，然后对目标RDF多元组进行解析后得到手术室调度信息的过程，上述转换过程可以是由知识图谱模型执行的；上述解析过程可以是由知识图谱模型执行的(即知识图谱模型的输出结果即为手术室调度信息)，也可以是由其余模块/单元执行的(即该输出结果是目标RDF多元组)，等等，在此未做具体限定。

再可选的，上述知识图谱模型可以是图神经网络(Graph Neural Networks，GNN)模型、图卷积神经网络(Graph Convolutional Networks，GCN)模型、图注意力网络(GraphAttention Networks，GAT)模型、GraphSAGE模型、MPNN模型等，在此未做具体限定。结合到本发明实施例可能涉及到应用场景，由于手术人员信息(如医生信息、护士信息、患者信息等)、手术室信息和/或手术设备信息等都有可能发生变化，因此可以基于GAT模型构建得到上述知识图谱模型。示例性的，参见图2，假设通过

表示第一RDF多元组的特征向量，其中N是GAT模型中节点的个数，F是节点特征的维度，在图2中节点u的F为5，在其经过图注意力层(Graph Attention Layer)后输出的目标RDF多元组的特征向量可以通过进行

进行表示，其中F’可以为任意值，在图2中是围绕在节点v周边的5个维度。

本发明实施例的技术方案，通过获取与待调度手术室相关的各信息维度下的目标信息，该各信息维度下的目标信息可以包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；进而，针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，然后将由此得到的第一信息抽取结果打包为第一RDF多元组；由此，将各第一RDF多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果得到待调度手术室的手术室调度信息。上述技术方案，基于知识图谱模型自动对各信息维度下的目标信息进行充分分析，由此解决了在手术室调度中存在的精准性和时效性难以保证的问题，满足了在复杂多变的各种情况下进行有效的手术室调度的需求。

一种可选的技术方案，上述手术室调度方法，还可以包括：根据输出结果得到与手术室调度信息相关的医疗信息，该可以医疗信息包括手术时序信息、医生排班信息、护士排班信息、术后患者信息和风险预警信息中的至少一个。其中，手术时序信息可以是与手术时序有关的信息，如手术时长信息、在遇到突发情况时提前预警的时长信息、手术延长的时长信息等；医生排班信息可以是与医生排班有关的信息，如某个或是某些医生在何时进行什么手术的信息；护士排班信息的情况类似，在此不在赘述；术后患者信息可以是手术后患者的相关信息、医护人员的工作要点等；风险预警信息可以是用于预警与手术相关的风险项信息、推送风险处理预案的信息等。需要说明的，知识图谱模型能够预测什么样的医疗信息，这与模型训练阶段的标注结果有关，即在标注结果中标注了哪些医疗信息，那么在模型应用阶段则可预测这些医疗信息。示例性的，如图3所示，分别对左侧的每个信息维度下的目标信息进行信息抽取，然后将由此得到的第一信息抽取结果打包为第一RDF多元组，将各第一RDF多元组输入到知识图谱模型中，根据知识图谱模型的输出结果得到右侧的医疗信息和手术室调度信息。在实际应用中，可选的，知识图谱模型在进行预测时，可以先预测手术时序信息，然后在该手术时序信息的基础上预测其余信息，以保证患者手术的顺利进行。上述技术方案，实现了与待调度手术室相关的人力物力的合理调度的效果。

在此基础上，可选的，在获取与待调度手术室相关的各信息维度下的目标信息之后，上述手术室调度方法，还可以包括：从医生信息中提取标签信息，并根据标签信息更新医生信息；相应，医疗信息包括医生排班信息，根据输出结果得到与手术室调度信息相关的医疗信息，可包括：根据输出结果得到标签排班信息，并根据标签排班信息和各候选医生的属性信息确定医生排班信息。其中，以手术人员信息中的医生信息为例阐述上述可选方案，需要说明的是，护士信息和/或患者信息也可以采用上述可选方案进行处理，在此未做具体限定。由于能够进行手术的医生可能发生变动(如某医生被调动到其余科室、离职、入职等)，即医生信息有可能发生变动，为了保证知识图谱模型预测出的医生排班信息符合当前情况，可以对医生信息进行模糊化处理，使用模糊映射关系，即将具象信息转换为模糊信息，然后在模糊预测后再转换为具象信息。具体的，从医生信息中提取标签信息，该标签信息可以是能够反映出某个或是某些医生的个人属性的信息，由此达到了将属于某个或是某些医生的具象信息转换为不再属于某个或是某些医生而是能够反映出个人属性的模糊信息的效果。根据标签信息更新医生信息，即此时的医生信息即为标签信息。由于输入到知识图谱模型中的第一RDF多元组是与标签信息有关，因此根据输出结果得到的与医生排班有关的信息是标签排班信息，该标签排班信息可以是通过标签信息表示的医生的排班信息，如安排肛肠科并且主任医师在XX时进行XX手术。确定在当前时刻下各候选医生的属性信息，其中候选医生可以是目前能够进行手术的医生，那么可以根据标签排班信息和各候选医生的属性信息确定医生排班信息，如将所在科室是肛肠科并且职称是主任医师的医生安排在XX时进行XX手术，由此达到了在医生信息发生变动时依然能够预测出有效的医生排班信息的效果。

实施例二

图4是本发明实施例二中提供的一种手术室调度方法的流程图。本实施例以上述各技术方案为基础进行优化。本实施例中，可选的，在得到待调度手术室的手术室调度信息之后，上述手术室调度方法，还可以包括：在检测到手术突发事件时，获取与手术突发事件对应的包括手术突发信息的各信息维度下的目标信息，并根据信息获取结果对各信息维度下的目标信息进行更新；针对每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，并将第二信息抽取结果打包为第二资源描述框架多元组；将第二资源描述框架多元组与知识图谱模型中的各节点进行比对匹配，得到第三资源描述框架多元组；将第三资源描述框架多元组输入到知识图谱模型中，根据知识图谱模型的输出结果更新手术室调度信息。其中，与上述各实施例相同或是相应的术语的解释在此不再赘述。

参见图4，本实施例的方法具体可以包括如下步骤：

S210、获取与待调度手术室相关的各信息维度下的目标信息，其中各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个。

S220、针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组。

S230、将各第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

S240、在检测到手术突发事件时，获取手术突发事件对应的包括手术突发信息的各信息维度下的目标信息，并根据信息获取结果对各信息维度下的目标信息进行更新。

其中，手术突发事件可以是因为在术前、术中和/或术后发生了计划之外的情况(即突发情况)而触发的事件，其中突发情况可以是患者突发疾病、医生请假、医疗设备损坏等，在此未做具体限定。在检测到手术突发事件时，可以获取相应的包括手术突发信息的各信息维度下的目标信息，换言之，此时的各信息维度下的目标信息包括手术突发信息，其可以是与手术相关的突发情况的信息，如突发情况的具体信息、处理方案信息等。

S250、针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，并将第二信息抽取结果打包为第二资源描述框架多元组。

其中，为了尽可能降低对已预测出的手术室调度信息的影响程度，在基于包括手术突发信息的各信息维度下的目标信息对各信息维度下的目标信息进行更新后，可以再次对各信息维度下的目标信息均先后执行信息抽取和打包操作，得到第二RDF多元组。

S260、将该第二资源描述框架多元组与知识图谱模型中的各节点进行比对匹配，得到第三资源描述框架多元组。

其中，将第二RDF多元组与知识图谱模型中的各节点进行比对匹配，得到第三RDF多元组，其可以是以各节点为标准对第二RDF多元组进行调整后的RDF多元组，由此先在数据层面进行数据整合，然后再将第三RDF多元组输入到知识图谱模型中进行手术室调度信息的预测，由此达到了尽可能的降低对已预测出的手术室调度信息的影响程度的效果。

S270、将第三资源描述框架多元组输入到知识图谱模型中，根据知识图谱模型的输出结果更新手术室调度信息。

本发明实施例的技术方案，在遇到手术突发事件时，可以获取与手术突发事件对应的包括手术突发信息的各信息维度下的目标信息，并且进行信息更新；针对每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，并将第二信息抽取结果打包为第二RDF多元组；进而，将第二RDF多元组与知识图谱模型中的各节点进行比对匹配，得到第三RDF多元组，由此实现了在数据层面进行数据整合以降低对已预测出的手术室调度信息的影响程度的效果；最后，将第三RDF多元组输入到知识图谱模型重新进行手术室调度信息的预测，由此达到了在遇到手术突发事件时实时调整手术室调度信息的效果。

实施例三

图5是本发明实施例三中提供的一种手术室调度方法的流程图。本实施例以上述各技术方案为基础进行优化。在本实施例中，可选的，知识图谱模型是通过如下步骤预先训练得到：获取与待调度手术室相关的各信息维度下的样本信息、及与各信息维度下的样本信息对应的标注结果，其中，标注结果包括各信息维度下的样本信息间的关系；针对每个信息维度下的样本信息，对该每个信息维度下的样本信息进行信息抽取，并将样本信息抽取结果打包为样本资源描述框架多元组；根据标注结果确定期望资源描述框架多元组，并将期望资源描述框架多元组以及各样本资源描述框架多元组作为一组训练样本；基于多组训练样本对待进行训练的知识图谱模型进行训练，得到知识图谱模型。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

参见图5，本实施例的方法具体可以包括如下步骤：

S310、获取与待调度手术室相关的各信息维度下的样本信息、及与各信息维度下的样本信息对应的标注结果，其中，各信息维度下的样本信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个，标注结果包括各信息维度下的样本信息间的关系。

其中，样本信息和目标信息的本质相同，均是某个信息维度下的与待调度手术室相关的信息，这里只是为了区分模型训练阶段和模型应用阶段而进行的不同的命名，并非是对实质内容的具体限定。标注结果可以是由标注人员根据各信息维度下的样本信息给出的用于表示各信息维度下的样本信息间的关系的结果，该关系可以理解为节点与节点(其又可称为实体与实体)间的关系。在实际应用中，可选的，如果只是需要知识图谱模型预测手术室调度信息，那么标注结果可以包括与手术室调度信息有关的关系；如果还需知识图谱模型预测某些医疗信息，那么标注结果还可以包括与这些医疗信息有关的关系。再可选的，如果需要知识图谱模型能够处理手术突发事件，那么各信息维度下的样本信息还可以包括手术突发信息。

S320、针对每个信息维度下的样本信息，对该每个信息维度下的样本信息进行信息抽取，并将样本信息抽取结果打包为样本资源描述框架多元组。

其中，类似于样本信息和目标信息之间的关系，样本信息抽取结果和第一信息抽取结果、及样本RDF多元组和第一RDF多元组的情况类似，在此不再赘述。

S330、根据标注结果确定期望资源描述框架多元组，并将该期望资源描述框架多元组和各样本资源描述框架多元组作为一组训练样本。

其中，期望RDF多元组可以是根据标注结果确定的RDF多元组，其可以作为模型训练过程中的期望输出进行应用。

S340、基于多组训练样本对待进行训练的知识图谱模型进行训练，得到已训练完成的用于预测手术室调度信息的知识图谱模型。

S350、获取与待调度手术室相关的各信息维度下的目标信息。

S360、针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组。

S370、将各第一资源描述框架多元组输入到知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

本发明实施例的技术方案，通过对各信息维度下的样本信息进行信息抽取和打包，然后将由此得到的样本RDF多元组和根据标注结果确定的期望RDF多元组作为一组训练样本进行模型训练，学习归纳影响手术室调度信息的多个因素(即各维度信息)，由此得到了用于预测手术室调度信息的知识图谱模型。

实施例四

图6为本发明实施例四提供的手术室调度装置的结构框图，该装置用于执行上述任意实施例所提供的手术室调度方法。该装置与上述各实施例的手术室调度方法属于同一个发明构思，在手术室调度装置的实施例中未详尽描述的细节内容，可以参考上述手术室调度方法的实施例。参见图6，该装置具体可以包括：目标信息获取模块410、第一资源描述框架多元组得到模块420和手术室调度信息得到模块430。其中，

目标信息获取模块410，用于获取与待调度手术室相关的各信息维度下的目标信息，其中各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；

第一资源描述框架多元组得到模块420，用于针对每个信息维度下的目标信息，对该每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组；

手术室调度信息得到模块430，用于将各第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

可选的，上述手术室调度装置，还可以包括：

目标信息更新模块，用于在得到待调度手术室的手术室调度信息之后，在检测到手术突发事件时，获取手术突发事件对应的包括手术突发信息的各信息维度下的目标信息，根据信息获取结果对各信息维度下的目标信息进行更新；

第二资源描述框架多元组得到模块，用于针对每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，将第二信息抽取结果打包为第二资源描述框架多元组；

第三资源描述框架多元组得到模块，用于将该第二资源描述框架多元组与知识图谱模型中的各节点进行比对匹配，得到第三资源描述框架多元组；

手术室调度信息更新模块，用于将该第三资源描述框架多元组输入到知识图谱模型中，并根据知识图谱模型的输出结果更新手术室调度信息。

可选的，第一资源描述框架多元组得到模块420，可以包括：

语义分割字典获取单元，用于获取语义分割字典，其中，语义分割字典是根据对知识图谱模型进行训练时的标注结果预先构建得到的字典；

语义分割单元，用于基于语义分割字典对每个信息维度下的目标信息进行语义分割，并根据语义分割结果对每个信息维度下的目标信息进行更新；

和/或，

上述手术室调度装置，还可以包括：

图编码模块，用于在将第一信息抽取结果打包为第一资源描述框架多元组后，对第一资源描述框架多元组进行图编码，并根据图编码结果更新第一资源描述框架多元组。

可选的，上述手术室调度装置，还可以包括：

医疗信息得到模块，用于根据输出结果得到与手术室调度信息相关的医疗信息，其中医疗信息包括手术时序信息、医生排班信息、护士排班信息、术后患者信息和风险预警信息中的至少一个。

可选的，在上述装置的基础上，该装置还可以包括：

标签信息提取模块，用于获取与待调度手术室相关的各信息维度下的目标信息之后，从医生信息中提取标签信息，并根据标签信息更新医生信息；

医疗信息包括医生排班信息，医疗信息得到模块，可以包括：

医生排班信息确定单元，用于根据输出结果得到标签排班信息，根据标签排班信息和各候选医生的属性信息确定医生排班信息。

可选的，知识图谱模型通过如下模块预先训练得到：

标注结果获取模块，用于获取与待调度手术室相关的各信息维度下的样本信息、及与各信息维度下的样本信息对应的标注结果，其中，标注结果包括各信息维度下的样本信息间的关系；

样本资源描述框架多元组得到模块，用于针对每个信息维度下的样本信息，对该每个信息维度下的样本信息进行信息抽取，并将样本信息抽取结果打包为样本资源描述框架多元组；

训练样本得到模块，用于根据标注结果确定期望资源描述框架多元组，并将期望资源描述框架多元组和各样本资源描述框架多元组作为一组训练样本；

知识图谱模型得到模块，用于基于多组训练样本对待进行训练的知识图谱模型进行训练，得到知识图谱模型。

可选的，知识图谱模型可以包括图注意力模型。

本发明实施例四提供的手术室调度装置，通过目标信息获取模块获取与待调度手术室相关的各信息维度下的目标信息，该各信息维度下的目标信息可以包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；进而，通过第一资源描述框架多元组得到模块针对于每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，然后将由此得到的第一信息抽取结果打包为第一RDF多元组；由此，通过手术室调度信息得到模块将各第一RDF多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，根据知识图谱模型的输出结果得到待调度手术室的手术室调度信息。上述装置，基于知识图谱模型自动对各信息维度下的目标信息进行充分分析，由此解决了在手术室调度中存在的精准性和时效性难以保证的问题，满足了在复杂多变的各种情况下进行有效的手术室调度的需求。

本发明实施例所提供的手术室调度装置可执行本发明任意实施例所提供的手术室调度方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述手术室调度装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

实施例五

图7为本发明实施例五提供的一种手术室调度设备的结构示意图，如图7所示，该设备包括存储器510、处理器520、输入装置530以及输出装置540。设备中的处理器520的数量可以是一个或多个，图7中以一个处理器520为例；设备中的存储器510、处理器520、输入装置530和输出装置540可以通过总线或其它方式连接，图7中以通过总线550连接为例。

存储器510作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的手术室调度方法对应的程序指令/模块(例如，手术室调度装置中的目标信息获取模块410、第一资源描述框架多元组得到模块420和手术室调度信息得到模块430)。处理器520通过运行存储在存储器510中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的手术室调度方法。

存储器510可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器510可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器510可进一步包括相对于处理器520远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置530可用于接收输入的数字或字符信息，以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。

实施例六

本发明实施例六提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种手术室调度方法，该方法可包括：

获取与待调度手术室相关的各信息维度下的目标信息，其中，各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；

针对每个信息维度下的目标信息，对每个信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组；

将各第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据知识图谱模型的输出结果，得到待调度手术室的手术室调度信息。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的手术室调度方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。依据这样的理解，本发明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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种手术室调度方法，其特征在于，包括：

获取与待调度手术室相关的各信息维度下的目标信息，其中，所述各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；

针对每个所述信息维度下的目标信息，对所述每个所述信息维度下的目标信息进行信息抽取，并将第一信息抽取结果打包为第一资源描述框架多元组；

将各所述第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据所述知识图谱模型的输出结果，得到所述待调度手术室的所述手术室调度信息。

2.根据权利要求1所述的方法，其特征在于，在所述得到所述待调度手术室的所述手术室调度信息之后，还包括：

在检测到手术突发事件时，获取与所述手术突发事件对应的包括手术突发信息的所述各信息维度下的目标信息，并根据信息获取结果对所述各信息维度下的目标信息进行更新；

针对每个所述信息维度下的目标信息，对所述每个所述信息维度下的目标信息进行信息抽取，并将第二信息抽取结果打包为第二资源描述框架多元组；

将所述第二资源描述框架多元组与所述知识图谱模型中的各节点进行比对匹配，得到第三资源描述框架多元组；

将所述第三资源描述框架多元组输入到所述知识图谱模型中，并根据所述知识图谱模型的输出结果更新所述手术室调度信息。

3.根据权利要求1所述的方法，其特征在于，对所述每个所述信息维度下的目标信息进行信息抽取，包括：

获取语义分割字典，其中，所述语义分割字典是根据对所述知识图谱模型进行训练时的标注结果预先构建得到的字典；

基于所述语义分割字典，对所述每个所述信息维度下的目标信息进行语义分割，并根据语义分割结果对所述每个所述信息维度下的目标信息进行更新；

和/或，

在所述将第一信息抽取结果打包为第一资源描述框架多元组后，所述方法还包括：

对所述第一资源描述框架多元组进行图编码，并根据图编码结果更新所述第一资源描述框架多元组。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据所述输出结果得到与所述手术室调度信息相关的医疗信息，其中所述医疗信息包括手术时序信息、医生排班信息、护士排班信息、术后患者信息和风险预警信息中的至少一个。

5.根据权利要求4所述的方法，其特征在于，在所述获取与待调度手术室相关的各信息维度下的目标信息之后，还包括：

从所述医生信息中提取标签信息，并根据所述标签信息更新所述医生信息；

所述医疗信息包括所述医生排班信息，所述根据所述输出结果得到与所述手术室调度信息相关的医疗信息，包括：

根据所述输出结果得到标签排班信息，并根据所述标签排班信息和各候选医生的属性信息确定所述医生排班信息。

6.根据权利要求1所述的方法，其特征在于，所述知识图谱模型通过如下步骤预先训练得到：

获取与所述待调度手术室相关的所述各信息维度下的样本信息、及与所述各信息维度下的样本信息对应的标注结果，其中所述标注结果包括所述各信息维度下的样本信息间的关系；

针对每个所述信息维度下的样本信息，对所述每个所述信息维度下的样本信息进行信息抽取，并将样本信息抽取结果打包为样本资源描述框架多元组；

根据所述标注结果确定期望资源描述框架多元组，并将所述期望资源描述框架多元组和各所述样本资源描述框架多元组作为一组训练样本；

基于多组所述训练样本对待进行训练的所述知识图谱模型进行训练，得到所述知识图谱模型。

7.根据权利要求1所述的方法，其特征在于，所述知识图谱模型包括图注意力模型。

8.一种手术室调度装置，其特征在于，包括：

目标信息获取模块，用于获取与待调度手术室相关的各信息维度下的目标信息，其中所述各信息维度下的目标信息包括医生信息、护士信息、患者信息、手术设备信息、手术信息和手术室信息中的至少一个；

第一资源描述框架多元组得到模块，用于针对每个所述信息维度下的目标信息，对所述每个所述信息维度下的目标信息进行信息抽取，将第一信息抽取结果打包为第一资源描述框架多元组；

手术室调度信息得到模块，用于将各所述第一资源描述框架多元组输入到预先训练完成的用于预测手术室调度信息的知识图谱模型中，并根据所述知识图谱模型的输出结果，得到所述待调度手术室的所述手术室调度信息。

9.一种手术室调度设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的手术室调度方法。

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任一所述的手术室调度方法。

Images