CN114496195A - 基于知识图谱的医疗资源调度方法及其相关设备 - Google Patents
基于知识图谱的医疗资源调度方法及其相关设备 Download PDFInfo
- Publication number
- CN114496195A CN114496195A CN202210144945.5A CN202210144945A CN114496195A CN 114496195 A CN114496195 A CN 114496195A CN 202210144945 A CN202210144945 A CN 202210144945A CN 114496195 A CN114496195 A CN 114496195A
- Authority
- CN
- China
- Prior art keywords
- hospital
- target
- medical
- medical material
- candidate
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
Abstract
本申请实施例属于大数据技术领域,应用于智慧医疗领域中,涉及一种基于知识图谱的医疗资源调度方法及其相关设备,包括获取多个医院的医院信息数据,医院信息数据包括医院信息实体和医院信息数值,根据医院信息实体构建医院知识图谱,医院信息实体和医院信息数值具有一一对应的关联关系;将各医院的医院信息数值分别输入至线性回归模型中,获得对应医疗物资名称的需求量;在接收到目标医院发送的物资短缺信号时,基于医院知识图谱、目标医院的医疗物资名称和医疗物资名称对应的需求量确定目标物资机构,并向目标物资机构的服务器发送医疗物资调取信号。其中,线性回归模型可存储于区块链中。本申请实现对医疗物资的高效管理和准确的调度。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及基于知识图谱的医疗资源调度方法及其相关设备。
背景技术
新冠疫情发展初期,口罩、呼吸机等防疫设备存在短缺的情况,针对这种问题,如何进行物资储备量的预估,在保障物资充足的情况下,减少储备浪费,成为各级政府及企业面临的挑战。
目前,由于疫情多变,各医院对于医院的患者的人数以及医疗物资的储备数量等需要不断的统计,不能及时上报医疗物资的短缺情况,导致计算机难以准确预估医院所需的医疗物资的数量,进而难以实现对医疗物资的准确调度。
发明内容
本申请实施例的目的在于提出一种基于知识图谱的医疗资源调度方法及其相关设备,实现对医疗物资的高效管理和准确的调度。
为了解决上述技术问题,本申请实施例提供一种基于知识图谱的医疗资源调度方法,采用了如下所述的技术方案:
一种基于知识图谱的医疗资源调度方法,包括下述步骤:
获取多个医院的医院信息数据,其中,所述医院信息数据包括医院信息实体和医院信息数值,并根据所述医院信息实体构建医院知识图谱,其中,所述医院信息实体和所述医院信息数值具有一一对应的关联关系;
将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量;
在接收到目标医院发送的物资短缺信号时,基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构,并向所述目标物资机构的服务器发送医疗物资调取信号。
进一步的,所述医院信息实体包括医疗物资调拨机构,所述基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构的步骤包括:
通过所述目标医院的医疗物资名称对应的需求量对所述目标医院的医疗物资名称进行筛选,获得短缺物资名称;
基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构;
确定所述第一候选机构的物资是否充足;
若充足,则将所述第一候选机构作为所述目标物资机构;
若不充足,则基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构。
进一步的,所述基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构的步骤包括:
基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为初始候选机构;
计算所述初始候选机构与所述目标医院的直线距离,作为目标距离,并将所述目标距离小于第二距离阈值的初始候选机构作为所述第一候选机构。
进一步的,所述确定所述第一候选机构的物资是否充足的步骤包括:
请求第一候选机构的物资接口,在请求通过时,通过所述物资接口检索所述第一候选机构的数据库中存储的对应所述短缺物资名称的物资数量;
确定所述物资数量是否大于对应的需求量,若是,则确定所述第一候选机构的物资充足,若否,则确定所述第一候选机构的物资不充足。
进一步的,所述基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构的步骤包括:
通过所述短缺物资名称对应的需求量对所述短缺物资名称进行筛选,获得紧急物资名称;
基于所述医院知识图谱确定与所述紧急物资名称具有连接关系,且与所述目标医院的距离小于第一距离阈值的医疗物资调拨机构,作为第二候选机构;
接收当前交通信息,基于所述目标医院的空间地理位置、第二候选机构的空间地理位置和当前交通信息建立交通信息图谱,在所述交通信息图谱中运行预存的单源最短路径算法,获得每种短缺物资名称对应的最短行程时间的第二候选机构,作为所述目标物资机构。
进一步的,将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量的步骤包括:
基于预设的医疗物资名称对所述医院信息实体进行筛选操作,获得目标信息实体;
根据所述医疗物资名称从模型库中获取对应的线性回归模型,作为目标预测模型;
将所述目标信息实体对应的医院信息数值输入至所述目标预测模型中,获得对应所述医疗物资名称的需求量。
进一步的,所述根据所述医院信息实体构建目标医院知识图谱的步骤包括:
将同一医院的任意两个所述医院信息实体分别转换为第一实体向量和第二实体向量;
将所述第一实体向量和所述第二实体向量输入至预训练的实体关系识别模型中,获得输出的医院实体关系;
基于所述医院信息实体和所述医院实体关系生成所述目标医院知识图谱。
为了解决上述技术问题,本申请实施例还提供一种基于知识图谱的医疗资源调度装置,采用了如下所述的技术方案:
一种基于知识图谱的医疗资源调度装置,包括:
获取模块,用于获取多个医院的医院信息数据,其中,所述医院信息数据包括医院信息实体和医院信息数值,并根据所述医院信息实体构建医院知识图谱,其中,所述医院信息实体和所述医院信息数值具有一一对应的关联关系;
输入模块,用于将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量;
确定模块,用于在接收到目标医院发送的物资短缺信号时,基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构,并向所述目标物资机构的服务器发送医疗物资调取信号。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述的基于知识图谱的医疗资源调度方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述的基于知识图谱的医疗资源调度方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请通过多个医院的医院信息数据构建完备的医院知识图谱。通过医院信息数值和线性回归模型,实现快捷准确的预测医院的医疗物资的需求量,通过预测出的需求量进行目标物资机构的确定从而调配物资,有效防止了医院上报需求量信息的滞后性。实现对医疗物资的高效管理和准确的调度,规划医疗物资的调拨与运输。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的基于知识图谱的医疗资源调度方法的一个实施例的流程图;
图3是根据本申请的基于知识图谱的医疗资源调度装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
附图标记:200、计算机设备;201、存储器;202、处理器;203、网络接口;300、基于知识图谱的医疗资源调度装置;301、获取模块;302、输入模块;303、确定模块。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的基于知识图谱的医疗资源调度方法一般由服务器/终端设备执行,相应地,基于知识图谱的医疗资源调度装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的基于知识图谱的医疗资源调度方法的一个实施例的流程图。所述的基于知识图谱的医疗资源调度方法,包括以下步骤:
S1:获取多个医院的医院信息数据,其中,所述医院信息数据包括医院信息实体和医院信息数值,并根据所述医院信息实体构建医院知识图谱,其中,所述医院信息实体和所述医院信息数值具有一一对应的关联关系。
在本实施例中,从多个医院的医院物资管理系统的数据库中调取医院信息数据。所述医院信息实体包括医院名称、医生、医护人员、医疗物资名称(如防护服、口罩等)、患者以及对口的不同物资对应的医疗物资调拨机构名称(如XX救助协会、厂商本地库存等)。医院名称和医疗物资调拨机构名称对应的医院信息数值为具体的地理位置数值,即经纬度。其他医院信息实体:医生、医护人员、医疗物资名称(如防护服、口罩等)以及患者对应的医院信息数值为具体的数量值,例如医生:30名;防护服:60件等。
具体的,在步骤S1中,即所述根据所述医院信息实体构建目标医院知识图谱的步骤包括:
将同一医院的任意两个所述医院信息实体分别转换为第一实体向量和第二实体向量;
将所述第一实体向量和所述第二实体向量输入至预训练的实体关系识别模型中,获得输出的医院实体关系;
基于所述医院信息实体和所述医院实体关系生成所述目标医院知识图谱。
在本实施例中,根据医院信息实体构建目标医院知识图谱。该目标医院知识图谱中的节点代表不同的概念,也就是医院信息实体;图谱中的边,代表概念之间的医院实体关系如:医院-包含-医生。医院实体关系为通过预训练的实体关系识别模型获得。例如,将医院和医生转换为对应的医院向量和医生向量,并输入至该实体关系识别模型,获得输出的医院实体关系。通过该医院实体关系和对应的医院信息实体生成医院信息三元组,通过所述医院信息三元组生成医院知识图谱。
所述预训练的实体关系识别模型的训练过程为:接收初始实体关系识别模型和训练数据,其中,所述训练数据包括向量样本对,以及作为所述向量样本对的标签的样本关系,初始实体关系识别模型为自然语言模型(NLP),通过将样本关系作为向量样本对的标签,对初始实体关系识别模型进行训练,直至所述初始实体关系识别模型收敛,获得所述预训练的实体关系识别模型。
S2:将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量。
在本实施例中,医疗物资名称包括防护服、口罩和呼吸机等。每个医疗物资名称相当于医疗物资的每一种维度,每个医疗物资名称对应一种预先构建的线性回归模型。其中,线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。其表达形式为y=w'x+e,e为误差服从均值为0的正态分布。回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量和自变量之间是线性关系,则称为多元线性回归分析。本申请具有多个自变量,如患者人数和医生人数等,因变量为口罩需求数量或防护服需求数量等。通过将医院信息数值作为自变量x,输入至医疗物资名称对应的线性回归模型中,获得输出的因变量y,即为对应的所述医疗物资名称的需求量。
需要说明的是,本申请的线性回归模型为Y与X的线性回归模型,由通过获取的对应维度的历史样本数据构建而成。
具体的,在步骤S2中,即将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量的步骤包括:
基于预设的医疗物资名称对所述医院信息实体进行筛选操作,获得目标信息实体;
根据所述医疗物资名称从模型库中获取对应的线性回归模型,作为目标预测模型;
将所述目标信息实体对应的医院信息数值输入至所述目标预测模型中,获得对应所述医疗物资名称的需求量。
在本实施例中,通过医院物资管理系统中的数据,如接待患者数、确诊患者数、在岗医护人员数、天气情况等与口罩历史需求的相关性,采用线性回归算法进行建模,构建口罩需求量预测模型。重复此方法,依次预测出,不同物资的需求量,如根据模型预测,某医院A需要紧急调度防护服3000套、口罩20000个、呼吸机200台。
S3:在接收到目标医院发送的物资短缺信号时,基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构,并向所述目标物资机构的服务器发送医疗物资调取信号。
在本实施例中,通过医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量,快速确定能够向目标医院提供资源支持的目标物资机构,从而向目标物资机构的服务器发送医疗物资调取信号,实现对资源的精准调度,提高资源调度效率。
需要说明的是,如果是多个不同的医院发出不同的物资短缺信息,则需要进行多点建模,通过上述同样的方法,可以规划多点并发状态下模型的最优解。
在本实施例中,基于知识图谱的医疗资源调度方法运行于其上的电子设备(例如图1所示的服务器/终端设备)可以通过有线连接方式或者无线连接方式接收到目标医院发送的物资短缺信号。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
具体的,所述医院信息实体包括医疗物资调拨机构,在步骤S3中,即所述基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构的步骤包括:
通过所述目标医院的医疗物资名称对应的需求量对所述目标医院的医疗物资名称进行筛选,获得短缺物资名称;
基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构;
确定所述第一候选机构的物资是否充足;
若充足,则将所述第一候选机构作为所述目标物资机构;
若不充足,则基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构。
在本实施例中,接到物资短缺信号后,在医院知识图谱中输入目标医院(医院A)的名称,并进行搜索,确定与目标医院和所述目标医院的医疗物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构,例如,调拨机构B,第一候选机构即为目标医院的周边且对口的医疗物资调拨机构。确定所述第一候选机构的物资是否充足,若充足,则将所述第一候选机构作为所述目标物资机构。具体的对医疗物资名称的筛选过程为通过第一数量阈值进行筛选,若对应的需求量大于第一数量阈值,则将对应的医疗物资名称作为短缺物资名称。
其中,所述基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构的步骤包括:
基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为初始候选机构;
计算所述初始候选机构与所述目标医院的直线距离,作为目标距离,并将所述目标距离小于第二距离阈值的初始候选机构作为所述第一候选机构。
在本实施例中,确定与目标医院和所述目标医院的医疗物资名称具有连接关系,且与所述目标医院的距离小于距离阈值(依托高德地图提供的地理信息及地图数据接口)的医疗物资调拨机构,作为第一候选机构。第二距离阈值可以大于、等于或小于第一距离阈值。
此外,所述确定所述第一候选机构的物资是否充足的步骤包括:
请求第一候选机构的物资接口,在请求通过时,通过所述物资接口检索所述第一候选机构的数据库中存储的对应所述短缺物资名称的物资数量;
确定所述物资数量是否大于对应的需求量,若是,则确定所述第一候选机构的物资充足,若否,则确定所述第一候选机构的物资不充足。
在本实施例中,请求第一候选机构的物资接口,通过物资接口检索所述第一候选机构存储的对应所述短缺物资名称的物资数量,实现对数量的快速确定。
此外,所述基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构的步骤包括:
通过所述短缺物资名称对应的需求量对所述短缺物资名称进行筛选,获得紧急物资名称;
基于所述医院知识图谱确定与所述紧急物资名称具有连接关系,且与所述目标医院的距离小于第一距离阈值的医疗物资调拨机构,作为第二候选机构;
接收当前交通信息,基于所述目标医院的空间地理位置、第二候选机构的空间地理位置和当前交通信息建立交通信息图谱,在所述交通信息图谱中运行预存的单源最短路径算法,获得每种短缺物资名称对应的最短行程时间的第二候选机构,作为所述目标物资机构。
在本实施例中,若不充足,则确定需要紧急调度的资源数量和对应的紧急物资名称,例如,医院A的需求原对口调拨机构B资源库存不足,需要紧急调度补充资源:防护服1000套、口罩10000个、呼吸机200台。具体的对短缺物资名称的筛选过程为通过第二数量阈值进行筛选,若对应的需求量大于第二数量阈值,则将对应的短缺物资名称作为紧急物资名称,其中,所述第二数量阈值大于所述第一数量阈值。基于所述医院知识图谱确定与所述紧急物资名称具有连接关系,且与所述目标医院的距离小于阈值的医疗物资调拨机构,作为第二候选机构,例如,第二候选机构C、D、E、F、G、H。对所述目标医院进行地理位置标注,基于所述目标医院的空间地理位置与所述第二候选机构对应的空间地理位置进行图谱向量化表示,基于当前交通信息,通过单源最短路径算法(本申请采用Dijkstra图算法)找到提供补充物资(例如:口罩)时间最短的第二候选机构(例如:C),作为目标物资机构。Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。具体的:计算每个调拨单位距离医院A的可能的多条路径,每条路径上包含多个节点(具体的街道、交通灯等),结合交通状况,计算每个节点的预估时间,然后计算得到多条路径的补充物资运输时间,找到所有调拨单位里的最短路径时间,得到提供补充物资时间最短的调拨单位与运输时间。重复该步骤,直至获取所有补充资源:防护服1000套、口罩10000个、呼吸机200台的最短时间调度方案。生成最终的调拨方案并输出。
本申请通过多个医院的医院信息数据构建完备的医院知识图谱。通过医院信息数值和线性回归模型,实现快捷准确的预测医院的医疗物资的需求量,通过预测出的需求量进行目标物资机构的确定从而调配物资,有效防止了医院上报需求量信息的滞后性。实现对医疗物资的高效管理和准确的调度,规划医疗物资的调拨与运输。
需要强调的是,为进一步保证上述线性回归模型的私密和安全性,上述线性回归模型还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请可应用于智慧大数据技术领域中,从而推动智慧城市的建设。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种基于知识图谱的医疗资源调度装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的基于知识图谱的医疗资源调度装置300包括:获取模块301、输入模块302以及确定模块303。其中:获取模块301,用于获取多个医院的医院信息数据,其中,所述医院信息数据包括医院信息实体和医院信息数值,并根据所述医院信息实体构建医院知识图谱,其中,所述医院信息实体和所述医院信息数值具有一一对应的关联关系;输入模块302,用于将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量;确定模块303,用于在接收到目标医院发送的物资短缺信号时,基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构,并向所述目标物资机构的服务器发送医疗物资调取信号。
在本实施例中,本申请通过多个医院的医院信息数据构建完备的医院知识图谱。通过医院信息数值和线性回归模型,实现快捷准确的预测医院的医疗物资的需求量,通过预测出的需求量进行目标物资机构的确定从而调配物资,有效防止了医院上报需求量信息的滞后性。实现对医疗物资的高效管理和准确的调度,规划医疗物资的调拨与运输。
获取模块301包括转换子模块、输入子模块和生成子模块,其中,所述转换子模块用于将同一医院的任意两个所述医院信息实体分别转换为第一实体向量和第二实体向量;输入子模块用于将所述第一实体向量和所述第二实体向量输入至预训练的实体关系识别模型中,获得输出的医院实体关系;生成子模块用于基于所述医院信息实体和所述医院实体关系生成所述目标医院知识图谱。
输入模块302包括筛选子模块、获取子模块和需求量确定子模块,其中,所述筛选子模块用于基于预设的医疗物资名称对所述医院信息实体进行筛选操作,获得目标信息实体;获取子模块用于根据所述医疗物资名称从模型库中获取对应的线性回归模型,作为目标预测模型;需求量确定子模块用于将所述目标信息实体对应的医院信息数值输入至所述目标预测模型中,获得对应所述医疗物资名称的需求量。
所述医院信息实体包括医疗物资调拨机构,确定模块303包括筛选名称子模块、第一确定子模块、判断子模块、第二确定子模块以及第三确定子模块,其中,所述筛选名称子模块用于通过所述目标医院的医疗物资名称对应的需求量对所述目标医院的医疗物资名称进行筛选,获得短缺物资名称;第一确定子模块用于基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构;判断子模块用于确定所述第一候选机构的物资是否充足;第二确定子模块用于在充足时,则将所述第一候选机构作为所述目标物资机构;第三确定子模块用于在不充足时,基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构。
所述第一确定子模块包括确定单元和计算单元,其中,所述确定单元用于基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为初始候选机构;所述计算单元用于计算所述初始候选机构与所述目标医院的直线距离,作为目标距离,并将所述目标距离小于第二距离阈值的初始候选机构作为所述第一候选机构。
所述判断子模块包括请求单元和判断单元,其中,所述请求单元用于请求第一候选机构的物资接口,在请求通过时,通过所述物资接口检索所述第一候选机构的数据库中存储的对应所述短缺物资名称的物资数量;所述判断单元用于确定所述物资数量是否大于对应的需求量,若是,则确定所述第一候选机构的物资充足,若否,则确定所述第一候选机构的物资不充足。
所述第三确定子模块包括筛选单元、第二候选机构确定单元以及运行单元,其中,所述筛选单元用于通过所述短缺物资名称对应的需求量对所述短缺物资名称进行筛选,获得紧急物资名称;所述第二候选机构确定单元用于基于所述医院知识图谱确定与所述紧急物资名称具有连接关系,且与所述目标医院的距离小于第一距离阈值的医疗物资调拨机构,作为第二候选机构;所述运行单元用于接收当前交通信息,基于所述目标医院的空间地理位置、第二候选机构的空间地理位置和当前交通信息建立交通信息图谱,在所述交通信息图谱中运行预存的单源最短路径算法,获得每种短缺物资名称对应的最短行程时间的第二候选机构,作为所述目标物资机构。
本申请通过多个医院的医院信息数据构建完备的医院知识图谱。通过医院信息数值和线性回归模型,实现快捷准确的预测医院的医疗物资的需求量,通过预测出的需求量进行目标物资机构的确定从而调配物资,有效防止了医院上报需求量信息的滞后性。实现对医疗物资的高效管理和准确的调度,规划医疗物资的调拨与运输。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备200包括通过系统总线相互通信连接存储器201、处理器202、网络接口203。需要指出的是,图中仅示出了具有组件201-203的计算机设备200,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器201至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器201可以是所述计算机设备200的内部存储单元,例如该计算机设备200的硬盘或内存。在另一些实施例中,所述存储器201也可以是所述计算机设备200的外部存储设备,例如该计算机设备200上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器201还可以既包括所述计算机设备200的内部存储单元也包括其外部存储设备。本实施例中,所述存储器201通常用于存储安装于所述计算机设备200的操作系统和各类应用软件,例如基于知识图谱的医疗资源调度方法的计算机可读指令等。此外,所述存储器201还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器202在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器202通常用于控制所述计算机设备200的总体操作。本实施例中,所述处理器202用于运行所述存储器201中存储的计算机可读指令或者处理数据,例如运行所述基于知识图谱的医疗资源调度方法的计算机可读指令。
所述网络接口203可包括无线网络接口或有线网络接口,该网络接口203通常用于在所述计算机设备200与其他电子设备之间建立通信连接。
在本实施例中,通过医院信息数值和线性回归模型,实现快捷准确的预测医院的医疗物资的需求量,通过预测出的需求量进行目标物资机构的确定从而调配物资,有效防止了医院上报需求量信息的滞后性。实现对医疗物资的高效管理和准确的调度
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于知识图谱的医疗资源调度方法的步骤。
在本实施例中,通过医院信息数值和线性回归模型,实现快捷准确的预测医院的医疗物资的需求量,通过预测出的需求量进行目标物资机构的确定从而调配物资,有效防止了医院上报需求量信息的滞后性。实现对医疗物资的高效管理和准确的调度
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于知识图谱的医疗资源调度方法,其特征在于,包括下述步骤:
获取多个医院的医院信息数据,其中,所述医院信息数据包括医院信息实体和医院信息数值,并根据所述医院信息实体构建医院知识图谱,其中,所述医院信息实体和所述医院信息数值具有一一对应的关联关系;
将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量;
在接收到目标医院发送的物资短缺信号时,基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构,并向所述目标物资机构的服务器发送医疗物资调取信号。
2.根据权利要求1所述的基于知识图谱的医疗资源调度方法,其特征在于,所述医院信息实体包括医疗物资调拨机构,所述基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构的步骤包括:
通过所述目标医院的医疗物资名称对应的需求量对所述目标医院的医疗物资名称进行筛选,获得短缺物资名称;
基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构;
确定所述第一候选机构的物资是否充足;
若充足,则将所述第一候选机构作为所述目标物资机构;
若不充足,则基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构。
3.根据权利要求2所述的基于知识图谱的医疗资源调度方法,其特征在于,所述基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为第一候选机构的步骤包括:
基于所述医院知识图谱,确定与所述目标医院和所述短缺物资名称具有连接关系的医疗物资调拨机构,作为初始候选机构;
计算所述初始候选机构与所述目标医院的直线距离,作为目标距离,并将所述目标距离小于第二距离阈值的初始候选机构作为所述第一候选机构。
4.根据权利要求2所述的基于知识图谱的医疗资源调度方法,其特征在于,所述确定所述第一候选机构的物资是否充足的步骤包括:
请求第一候选机构的物资接口,在请求通过时,通过所述物资接口检索所述第一候选机构的数据库中存储的对应所述短缺物资名称的物资数量;
确定所述物资数量是否大于对应的需求量,若是,则确定所述第一候选机构的物资充足,若否,则确定所述第一候选机构的物资不充足。
5.根据权利要求2所述的基于知识图谱的医疗资源调度方法,其特征在于,所述基于所述医院知识图谱确定第二候选机构,并对所述第二候选机构进行筛选操作,获得所述目标物资机构的步骤包括:
通过所述短缺物资名称对应的需求量对所述短缺物资名称进行筛选,获得紧急物资名称;
基于所述医院知识图谱确定与所述紧急物资名称具有连接关系,且与所述目标医院的距离小于第一距离阈值的医疗物资调拨机构,作为第二候选机构;
接收当前交通信息,基于所述目标医院的空间地理位置、第二候选机构的空间地理位置和当前交通信息建立交通信息图谱,在所述交通信息图谱中运行预存的单源最短路径算法,获得每种短缺物资名称对应的最短行程时间的第二候选机构,作为所述目标物资机构。
6.根据权利要求1所述的基于知识图谱的医疗资源调度方法,其特征在于,将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量的步骤包括:
基于预设的医疗物资名称对所述医院信息实体进行筛选操作,获得目标信息实体;
根据所述医疗物资名称从模型库中获取对应的线性回归模型,作为目标预测模型;
将所述目标信息实体对应的医院信息数值输入至所述目标预测模型中,获得对应所述医疗物资名称的需求量。
7.根据权利要求1所述的基于知识图谱的医疗资源调度方法,其特征在于,所述根据所述医院信息实体构建目标医院知识图谱的步骤包括:
将同一医院的任意两个所述医院信息实体分别转换为第一实体向量和第二实体向量;
将所述第一实体向量和所述第二实体向量输入至预训练的实体关系识别模型中,获得输出的医院实体关系;
基于所述医院信息实体和所述医院实体关系生成所述目标医院知识图谱。
8.一种基于知识图谱的医疗资源调度装置,其特征在于,包括:
获取模块,用于获取多个医院的医院信息数据,其中,所述医院信息数据包括医院信息实体和医院信息数值,并根据所述医院信息实体构建医院知识图谱,其中,所述医院信息实体和所述医院信息数值具有一一对应的关联关系;
输入模块,用于将各医院的所述医院信息数值分别输入至预先构建的线性回归模型中,获得对应医疗物资名称的需求量;
确定模块,用于在接收到目标医院发送的物资短缺信号时,基于所述医院知识图谱、所述目标医院的医疗物资名称和所述医疗物资名称对应的需求量确定目标物资机构,并向所述目标物资机构的服务器发送医疗物资调取信号。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的基于知识图谱的医疗资源调度方法的步骤。
10.一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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于知识图谱的医疗资源调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210144945.5A CN114496195A (zh) | 2022-02-17 | 2022-02-17 | 基于知识图谱的医疗资源调度方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210144945.5A CN114496195A (zh) | 2022-02-17 | 2022-02-17 | 基于知识图谱的医疗资源调度方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114496195A true CN114496195A (zh) | 2022-05-13 |
Family
ID=81482192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210144945.5A Pending CN114496195A (zh) | 2022-02-17 | 2022-02-17 | 基于知识图谱的医疗资源调度方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114496195A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115064253A (zh) * | 2022-08-16 | 2022-09-16 | 南京天溯自动化控制系统有限公司 | 一种医疗设备调度方法、装置、设备和存储介质 |
CN116597971A (zh) * | 2023-07-18 | 2023-08-15 | 山东新睿信息科技有限公司 | 基于数字孪生的医院空间优化模拟方法及系统 |
-
2022
- 2022-02-17 CN CN202210144945.5A patent/CN114496195A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115064253A (zh) * | 2022-08-16 | 2022-09-16 | 南京天溯自动化控制系统有限公司 | 一种医疗设备调度方法、装置、设备和存储介质 |
CN115064253B (zh) * | 2022-08-16 | 2022-11-18 | 南京天溯自动化控制系统有限公司 | 一种医疗设备调度方法、装置、设备和存储介质 |
CN116597971A (zh) * | 2023-07-18 | 2023-08-15 | 山东新睿信息科技有限公司 | 基于数字孪生的医院空间优化模拟方法及系统 |
CN116597971B (zh) * | 2023-07-18 | 2023-09-19 | 山东新睿信息科技有限公司 | 基于数字孪生的医院空间优化模拟方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116155B (zh) | 基于智能决策的人口流动预测方法、装置及计算机设备 | |
CN114496195A (zh) | 基于知识图谱的医疗资源调度方法及其相关设备 | |
CN112395390B (zh) | 意图识别模型的训练语料生成方法及其相关设备 | |
CN113704665B (zh) | 动态服务发布方法、装置、电子设备及存储介质 | |
CN112256886B (zh) | 图谱中的概率计算方法、装置、计算机设备及存储介质 | |
CN112085378A (zh) | 资源分配方法、装置、计算机设备及存储介质 | |
CN113627797A (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
Reece et al. | Determining future capacity for an ambulatory surgical center with discrete event simulation | |
CN114780701A (zh) | 自动问答匹配方法、装置、计算机设备及存储介质 | |
CN112860662A (zh) | 数据血缘关系建立方法、装置、计算机设备及存储介质 | |
CN112232052A (zh) | 文本拼接方法、装置、计算机设备及存储介质 | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
CN115982454A (zh) | 基于用户画像的问卷推送方法、装置、设备及存储介质 | |
CN114374737A (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
CN114822741A (zh) | 患者分类模型的处理装置、计算机设备及存储介质 | |
CN114664458A (zh) | 患者分类装置、计算机设备及存储介质 | |
CN114090407A (zh) | 基于线性回归模型的接口性能预警方法及其相关设备 | |
CN113780855A (zh) | 医疗机构监管方法、装置、计算机设备及存储介质 | |
Olajubu et al. | LWAs computational platform for e-consultation using mobile devices: cases from developing nations | |
CN117135046B (zh) | 基于节点关联度的目标资源配置方法、装置、设备和介质 | |
Marzook et al. | A Mobile Application That Employs Artificial Intelligence to Forecast the Required Number of Beds for Intensive Care Units in Sri Lanka | |
CN113032168B (zh) | 数据传输速率动态调整方法、装置、电子设备及存储介质 | |
CN112529325B (zh) | 网点业务分配方法、装置、计算机设备及存储介质 | |
CN109272192B (zh) | 服务区域调整方法、电子装置及存储介质 |
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 |