CN114267439A - 一种精准就医方法及系统 - Google Patents
一种精准就医方法及系统 Download PDFInfo
- Publication number
- CN114267439A CN114267439A CN202111592165.9A CN202111592165A CN114267439A CN 114267439 A CN114267439 A CN 114267439A CN 202111592165 A CN202111592165 A CN 202111592165A CN 114267439 A CN114267439 A CN 114267439A
- Authority
- CN
- China
- Prior art keywords
- patient
- doctor
- information
- doctors
- disease
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000010801 machine learning Methods 0.000 claims abstract description 21
- 201000010099 disease Diseases 0.000 claims description 41
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 41
- 230000003993 interaction Effects 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 10
- 208000035965 Postoperative Complications Diseases 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种精准就医方法及系统，应用于移动终端，通过获取患者信息，将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生，推荐给患者，解决了现有技术中由于患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题。
Description
技术领域
本发明涉及医用软件系统技术领域，具体涉及一种精准就医方法及系统。
背景技术
一家专业门类齐全的大型综合性医院，各科室规模较大且分布于医院的各个部位，对于偶尔进入医院的患者来讲，如何准确地挂对科室和医生完成就医过程，是有效提高就医体验至关重要的一环。
现有技术中，因为医疗专业性强，病理复杂，没有权威指导，导致患者经常挂错科室、看错病，造成误诊和资源浪费。
发明内容
有鉴于此，本发明的目的在于提供一种精准就医方法及系统，以解决现有技术中，因为患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题。
根据本发明实施例的第一方面，提供一种精准就医方法，包括：
获取患者信息；
将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室；
根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，推荐给患者。
优选地，所述获取患者信息，包括：
在患者扫码登录后，输出人机交互界面；
通过所述人机界面，与患者互动，获取患者信息。
优选地，所述通过所述人机界面，与患者互动，获取患者信息，包括：
若所述患者为确诊患者，通过患者在所述人机交互界面上填写在先就诊信息，获取患者信息；
和/或，
若所述患者为非确诊患者，通过在所述人机交互界面上对患者进行多轮智能问询，获取患者信息。
优选地，所述通过所述人机界面，与患者互动，获取患者信息，还包括：
若所述患者为确诊患者，在用户填写完在先就诊信息后，直接为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者；所述在先就诊信息至少包括：姓名、年龄、确诊疾病名称、确诊类型；
和/或，
若所述患者为非确诊患者，在获取患者信息后，根据所述患者信息出具病种诊断结果，仅在确定患者需要精准匹配医生时，为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者。
优选地，若所述患者为非确诊患者，为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者之前，还包括：
获取患者的位置信息，包括：
通过移动终端的导航定位模块自动获取患者的位置信息；或者，
输出位置参数选择项，供患者勾选自己所在的位置信息；
所述位置信息至少包括：所在省份、城市。
优选地，所述为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者后，还包括：
输出医生服务包供用户选择；
所述医生服务包至少包括：远程轻问诊，预约现场问诊。
优选地，所述医生评价体系通过以下方法构建，包括：
获取医生评价指标数据，所述医生评价指标数据包括不同区域的医生的评价指标，所述评价指标至少包括：学历、从事临床时长、擅长疾病类型、擅长手术类型、手术费用、手术平均时长、术后并发症、医德口碑；
对任一医生，为该医生的每个评价指标打分，并为每个评价指标赋予权重值，所述权重值根据实际情况定期调整；
根据每个医生的评价指标及权重值，计算每个医生在各自病症领域的综合水平排名。
优选地，所述在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，推荐给患者，具体为：
将患者所属病症领域的综合水平排名前10的医生及每个医生的医生信息，推荐给患者。
根据本发明实施例的第二方面，提供一种精准就医软件系统，用于执行上述的精准就医方法，包括：
所述系统加载在移动终端的微信小程序、用户APP、网页小程序中运行。
本发明的实施例提供的技术方案可以包括以下有益效果：
通过获取患者信息，将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生，推荐给患者，解决了现有技术中由于患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题，用户体验度好、满意度高。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种精准就医方法的流程图；
图2是根据另一示例性实施例示出的一种精准就医方法的流程图；
图3是根据另一示例性实施例示出的一种精准就医方法的流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的一种精准就医方法的流程图，如图1所示，该方法包括：
步骤S11、获取患者信息；
步骤S12、将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室；
步骤S13、根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，推荐给患者。
在具体实践中，所述获取患者信息，包括：
在患者扫码登录后，输出人机交互界面；
通过所述人机界面，与患者互动，获取患者信息。
在具体实践中，所述通过所述人机界面，与患者互动，获取患者信息，包括：
若所述患者为确诊患者，通过患者在所述人机交互界面上填写在先就诊信息，获取患者信息；
和/或，
若所述患者为非确诊患者，通过在所述人机交互界面上对患者进行多轮智能问询，获取患者信息。
在具体实践中，所述通过所述人机界面，与患者互动，获取患者信息，还包括：
若所述患者为确诊患者，在用户填写完在先就诊信息后，直接为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者；所述在先就诊信息至少包括：姓名、年龄、确诊疾病名称、确诊类型；
和/或，
若所述患者为非确诊患者，在获取患者信息后，根据所述患者信息出具病种诊断结果，仅在确定患者需要精准匹配医生时，为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者。
在具体实践中，若所述患者为非确诊患者，为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者之前，还包括：
获取患者的位置信息，包括：
通过移动终端的导航定位模块自动获取患者的位置信息；或者，
输出位置参数选择项，供患者勾选自己所在的位置信息；
所述位置信息至少包括：所在省份、城市。
在具体实践中，所述为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者后，还包括：
输出医生服务包供用户选择；
所述医生服务包至少包括：远程轻问诊，预约现场问诊。
在具体实践中，所述将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，还包括：
通过杰卡德相似系数函数计算得出患者所患疾病的范围；
通过相似度矩阵模拟出最有可能的三种疾病种类，并计算出对应的百分比；
通过机器学习算法公式计算出患者可能患有疾病的病因构成以及相对应的疾病介绍、治疗知识、护理知识、预防知识参考信息供患者参考。
在具体实践中，所述医生评价体系通过以下方法构建，包括：
获取医生评价指标数据，所述医生评价指标数据包括不同区域的医生的评价指标，所述评价指标至少包括：学历、从事临床时长、擅长疾病类型、擅长手术类型、手术费用、手术平均时长、术后并发症、医德口碑；
对任一医生，为该医生的每个评价指标打分，并为每个评价指标赋予权重值，所述权重值根据实际情况定期调整；
根据每个医生的评价指标及权重值，计算每个医生在各自病症领域的综合水平排名。
在具体实践中，所述在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，推荐给患者，具体为：
将患者所属病症领域的综合水平排名前10的医生及每个医生的医生信息，推荐给患者。
在具体实践中，所述在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，包括：
把医生评价体系的各项指标分别赋予权重值，然后在大数据搜索引擎中设置搜索优先级，并建立搜索索引，进而匹配出预设数量的医生及每个医生的医生信息。
所述搜索引擎为Elasticsearch，存放在阿里云服务器上。
可以理解的是，本实施例提供的技术方案，通过获取患者信息，将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生，推荐给患者，解决了现有技术中由于患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题，用户体验度好、满意度高。
实施例二
根据一示例性实施例示出的一种精准就医软件系统，用于执行实施例一所述的精准就医方法，包括：
所述系统加载在移动终端的微信小程序、用户APP、网页小程序中运行。
可以理解的是，本实施例提供的技术方案，通过获取患者信息，将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生，推荐给患者，解决了现有技术中由于患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题，用户体验度好、满意度高。
实施例三
图2是根据另一示例性实施例示出的一种精准就医方法的流程图，如图2所示，该方法包括：
步骤S21、未确诊患者移动端扫描特征码；
步骤S22、扫码登录进入人机交互界面；
步骤S23、通过在人机交互界面上对患者进行多轮智能问询，获取患者信息，根据所述患者信息出具病种诊断结果；
步骤S24、确定患者是否需要精准匹配医生；
步骤S25、如果需要，通过移动终端的导航定位模块自动获取患者的位置信息；或者，输出位置参数选择项，供患者勾选自己所在的省份、城市；
步骤S26、人工智能为患者匹配出10名医生及每个医生的医生信息；
步骤S27、推荐给患者后，输出医生服务包供用户选择，医生服务包至少包括：远程轻问诊，预约现场问诊。
可以理解的是，本实施例提供的技术方案，通过获取患者信息，将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生，推荐给患者，解决了现有技术中由于患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题，用户体验度好、满意度高。
实施例四
图3是根据另一示例性实施例示出的一种精准就医方法的流程图，如图3所示，该方法包括：
步骤S31、确诊患者移动端扫描特征码；
步骤S32、扫码登录进入人机交互界面，患者在所述人机交互界面上填写姓名、年龄、确诊疾病名称、确诊类型；
步骤S33、人工智能为患者匹配出10名医生及每个医生的医生信息。
可以理解的是，本实施例提供的技术方案，通过获取患者信息，将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室，根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生，推荐给患者，解决了现有技术中由于患者缺乏专业指引，导致患者经常挂错科室、看错病，造成误诊和资源浪费的问题，用户体验度好、满意度高。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种精准就医方法，应用于移动终端，其特征在于，包括：
获取患者信息；
将所述患者信息输入到预先训练好的机器学习模型，通过所述机器学习模型计算得到患者所患疾病的种类、名称及所属科室；
根据所患疾病的种类、名称及所属科室，在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，推荐给患者。
2.根据权利要求1所述的方法，其特征在于，所述获取患者信息，包括：
在患者扫码登录后，输出人机交互界面；
通过所述人机界面，与患者互动，获取患者信息。
3.根据权利要求2所述的方法，其特征在于，所述通过所述人机界面，与患者互动，获取患者信息，包括：
若所述患者为确诊患者，通过患者在所述人机交互界面上填写在先就诊信息，获取患者信息；
和/或，
若所述患者为非确诊患者，通过在所述人机交互界面上对患者进行多轮智能问询，获取患者信息。
4.根据权利要求3所述的方法，其特征在于，还包括：
若所述患者为确诊患者，在用户填写完在先就诊信息后，直接为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者；所述在先就诊信息至少包括：姓名、年龄、确诊疾病名称、确诊类型；
和/或，
若所述患者为非确诊患者，在获取患者信息后，根据所述患者信息出具病种诊断结果，仅在确定患者需要精准匹配医生时，为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者。
5.根据权利要求4所述的方法，其特征在于，若所述患者为非确诊患者，为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者之前，还包括：
获取患者的位置信息，包括：
通过移动终端的导航定位模块自动获取患者的位置信息；或者，
输出位置参数选择项，供患者勾选自己所在的位置信息；
所述位置信息至少包括：所在省份、城市。
6.根据权利要求4所述的方法，其特征在于，所述为患者匹配出预设数量的医生及每个医生的医生信息，推荐给患者后，还包括：
输出医生服务包供用户选择；
所述医生服务包至少包括：远程轻问诊，预约现场问诊。
7.根据权利要求1所述的方法，其特征在于，所述医生评价体系通过以下方法构建，包括：
获取医生评价指标数据，所述医生评价指标数据包括不同区域的医生的评价指标，所述评价指标至少包括：学历、从事临床时长、擅长疾病类型、擅长手术类型、手术费用、手术平均时长、术后并发症、医德口碑；
对任一医生，为该医生的每个评价指标打分，并为每个评价指标赋予权重值，所述权重值根据实际情况定期调整；
根据每个医生的评价指标及权重值，计算每个医生在各自病症领域的综合水平排名。
8.根据权利要求7所述的方法，其特征在于，所述在预先构建的医生评价体系中匹配出预设数量的医生及每个医生的医生信息，推荐给患者，具体为：
将患者所属病症领域的综合水平排名前10的医生及每个医生的医生信息，推荐给患者。
9.一种精准就医软件系统，应用于移动终端，其特征在于，用于执行权利要求1～8任一项所述的精准就医方法。
10.根据权利要求9所述的系统，其特征在于，
所述系统加载在移动终端的微信小程序、用户APP、网页小程序中运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111592165.9A CN114267439A (zh) | 2021-12-23 | 2021-12-23 | 一种精准就医方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111592165.9A CN114267439A (zh) | 2021-12-23 | 2021-12-23 | 一种精准就医方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114267439A true CN114267439A (zh) | 2022-04-01 |
Family
ID=80829323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111592165.9A Pending CN114267439A (zh) | 2021-12-23 | 2021-12-23 | 一种精准就医方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114267439A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759692A (zh) * | 2022-12-01 | 2023-03-07 | 徐玉峰 | 一种基于二维码的调解员分配方法、系统、介质及设备 |
| CN117035368A (zh) * | 2023-10-07 | 2023-11-10 | 四川桃子健康科技股份有限公司 | 一种基于互联网的医生派单方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106557653A (zh) * | 2016-11-15 | 2017-04-05 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
| CN107633876A (zh) * | 2017-10-31 | 2018-01-26 | 郑宇� | 一种基于移动平台的互联网医学信息处理系统及方法 |
| KR20190079795A (ko) * | 2017-12-28 | 2019-07-08 | 한밭대학교 산학협력단 | 무선통신 기반의 환자중증도 분류시스템 |
| CN110442732A (zh) * | 2019-07-24 | 2019-11-12 | 万达信息股份有限公司 | 一种智能导医方法、系统及存储介质 |
| CN110993081A (zh) * | 2019-12-03 | 2020-04-10 | 济南大学 | 一种医生在线推荐方法及系统 |
| CN111524584A (zh) * | 2020-04-23 | 2020-08-11 | 湖北亲缘互联传承网络有限公司 | 一种医生经线上甄选自己专长病患并预约的就医系统 |
| CN113707304A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 分诊数据处理方法、装置、设备及存储介质 |
| CN113724848A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的医疗资源推荐方法、装置、服务器及介质 |
-
2021
- 2021-12-23 CN CN202111592165.9A patent/CN114267439A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106557653A (zh) * | 2016-11-15 | 2017-04-05 | 合肥工业大学 | 一种移动医疗智能导医系统及其方法 |
| CN107633876A (zh) * | 2017-10-31 | 2018-01-26 | 郑宇� | 一种基于移动平台的互联网医学信息处理系统及方法 |
| KR20190079795A (ko) * | 2017-12-28 | 2019-07-08 | 한밭대학교 산학협력단 | 무선통신 기반의 환자중증도 분류시스템 |
| CN110442732A (zh) * | 2019-07-24 | 2019-11-12 | 万达信息股份有限公司 | 一种智能导医方法、系统及存储介质 |
| CN110993081A (zh) * | 2019-12-03 | 2020-04-10 | 济南大学 | 一种医生在线推荐方法及系统 |
| CN111524584A (zh) * | 2020-04-23 | 2020-08-11 | 湖北亲缘互联传承网络有限公司 | 一种医生经线上甄选自己专长病患并预约的就医系统 |
| CN113707304A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 分诊数据处理方法、装置、设备及存储介质 |
| CN113724848A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的医疗资源推荐方法、装置、服务器及介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115759692A (zh) * | 2022-12-01 | 2023-03-07 | 徐玉峰 | 一种基于二维码的调解员分配方法、系统、介质及设备 |
| CN117035368A (zh) * | 2023-10-07 | 2023-11-10 | 四川桃子健康科技股份有限公司 | 一种基于互联网的医生派单方法 |
| CN117035368B (zh) * | 2023-10-07 | 2024-01-26 | 四川桃子健康科技股份有限公司 | 一种基于互联网的医生派单方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220101967A1 (en) | Methods for automatic cohort selection in epidemiologic studies and clinical trials | |
| CN114267439A (zh) | 一种精准就医方法及系统 | |
| Gharehchopogh et al. | Neural network application in diagnosis of patient: a case study | |
| CN105096225A (zh) | 辅助疾病诊疗的分析系统、装置及方法 | |
| WO2006125097A2 (en) | Patient data mining improvements | |
| WO2012176104A1 (en) | Discharge readiness index | |
| US20200058408A1 (en) | Systems, methods, and apparatus for linking family electronic medical records and prediction of medical conditions and health management | |
| US11276496B2 (en) | Method and systems for a healthcare provider assistance system | |
| US20130297340A1 (en) | Learning and optimizing care protocols | |
| CN115116612A (zh) | 一种儿童患者病情智能风险评估系统及方法 | |
| JPWO2019220833A1 (ja) | 診断支援システム、診断支援装置および診断支援方法 | |
| CN111916202A (zh) | 基于强化学习的临床决策支持设备及方法 | |
| CN116844720A (zh) | 老年衰弱健康智能监控管理系统 | |
| WO2020086465A1 (en) | Relating data to identifiers for variant testing | |
| Broberg et al. | Electronic medical record integration with a database for adult congenital heart disease: early experience and progress in automating multicenter data collection | |
| CN116936071A (zh) | 预诊系统 | |
| CN113724883B (zh) | 医疗费用预测方法、装置、存储介质及计算机设备 | |
| Bichindaritz | Solving safety implications in a case based decision-support system in medicine | |
| CN114783587A (zh) | 严重急性肾损伤智能预测系统 | |
| CN114898859A (zh) | 急性主动脉夹层院内预后预测系统 | |
| US10600505B2 (en) | Intelligent prompting of protocols | |
| KR20220069327A (ko) | 유전자 검사 정보를 반영한 건강 관리 서비스 제공 장치의 동작 방법 | |
| KR20220071331A (ko) | 건강 관리 인공지능 주치의 서비스 제공 방법 | |
| KR20220072049A (ko) | 인공지능 주치의 서비스 프로그램 | |
| RU2770122C1 (ru) | Система единого интегрированного информационного пространства проектирования радиотехнических средств |
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 |