CN114783627A - 基于ai的健康医疗服务推荐系统 - Google Patents
基于ai的健康医疗服务推荐系统 Download PDFInfo
- Publication number
- CN114783627A CN114783627A CN202210388555.2A CN202210388555A CN114783627A CN 114783627 A CN114783627 A CN 114783627A CN 202210388555 A CN202210388555 A CN 202210388555A CN 114783627 A CN114783627 A CN 114783627A
- Authority
- CN
- China
- Prior art keywords
- hospital
- hospitals
- treatment
- user
- recommended
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于AI的健康医疗服务推荐系统,涉及互联网技术领域。本发明包括请求单元,所述请求单元用于用户选择就诊科室并输入症状关键词;初步生成单元,其根据请求单元传输的信息,生成初步就诊单;指向划分单元,其根据初步就诊单通过客户端向用户推荐就诊医院;匹配单元:其结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院。本发明通过用户输入的就诊信息、就医大数据的分析,为用户推荐就诊医院,节约医生轻问诊的时间,且线上直接推荐符合的就诊医院,为用户节约时间的同时,将不同需求的用户推荐至不同的医院,实现就诊的分流。
Description
技术领域
本发明属于互联网技术领域,特别是涉及基于AI的健康医疗服务推荐系统。
背景技术
随着电子信息技术的发展,医疗信息技术也得到了相应的发展。不同的医院也有不同的侧重点,从而导致专科医院以及特色科室的出现。由于医疗信息的数量较多且较为繁杂,如果用户自行搜索、了解各个医院的相关信息,然后人工筛选适合用户自身偏好和需求的医院,工作量极大。
如中国专利CN109065185A公开了一种面向患者快捷精准就医服务方法及系统,方法包括建立医疗数据库、接收请求、唤醒就医人员服务、预约确定、初步诊断、诊断结果反馈等步骤;能够解决现有就医程序繁琐、挂号困难的问题,能够有效提升医疗服务的效率和便携性,减少就医人员等待时间;还如中国专利CN112711639A公开一种基于区块链的AI医生就医方法和系统,确定得到AI医生所给出的治疗方案,在治疗方案完成后,将患者的就医选择、就医过程和就医结果形成病历。
此外,还有大量的关于就医的智能服务系统,如中国专利CN109584093A、CN110428890A等等诸如此类,为用户筛选就医机构;但是,却缺乏一种技术手段为用户提供集合自身情况及医院情况的服务系统,以解决信息孤岛的问题。
发明内容
本发明的目的在于提供基于AI的健康医疗服务推荐系统,通过结合用户的请求、就医大数据等的分析,为用户提供就医,解决了现有就医信息孤岛及就医流程繁琐、选择难度大的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为基于AI的健康医疗服务推荐系统,包括:请求单元,所述请求单元用于用户选择就诊科室并输入症状关键词;初步生成单元,其根据请求单元传输的信息,生成初步就诊单;指向划分单元,其根据初步就诊单通过客户端向用户推荐就诊医院;匹配单元:其结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院。
作为本发明提供的一个实施例,优选地,所述就诊科室为所有医院的科室的集合,每一就诊科室对应若干个症状关键词。
作为本发明提供的一个实施例,优选地,所述初步生成单元根据请求单元传输的信息,生成初步就诊单时,先结合数据库对请求单元传输的信息进行预筛分;预筛分时执行以下算法:
获取用户选择的就诊科室;
调取用户输入的所有症状关键词,并标记为标的关键词集合B,B={b1、b2、b3、L、bn};
从数据库中调取与用户选择的就诊科室对应的所有症状关键词,标记为参考关键词集合C,C={c1、c2、c3、L、cm};
将标的关键词集合、参考关键词集合中的症状关键词相比对:
若B∩C=B,则将用户输入的症状关键词作为拟诊关键词;
当差分数F≥F1时,从标的关键词集合B中筛除F个症状关键词,使B∩C=B,并通过处理器向请求单元传输重新输入症状关键词信号,直至对应的差分数F<F1后将对应的标的关键词集合中的症状关键词作为拟诊关键词;
其中,m、n为正整数,F1为预设值。
作为本发明提供的一个实施例,优选地,所述初步生成单元结合数据库对请求单元传输的信息进行预筛分后,生成初步就诊单,初步就诊单包括“拟诊关键词+就诊科室”。
作为本发明提供的一个实施例,优选地,所述指向划分单元根据初步就诊单推荐就诊医院时执行以下算法:
从数据库中,获取初步就诊单对应的就诊科室的紧急权值D;
若D1<紧急权值D≤D2,则分别获取具备该就诊科室的所有医院与用户之间的距离H、治愈率Y,并结合距离H、治愈率Y计算医院推荐值TP,将医院推荐值TP最大的M个医院划分为指向医院;
若紧急权值D>D2,则分别获取具备该就诊科室的所有医院与用户之间的距离H、最快就诊时间、治愈率Y,并结合距离H、最快就诊时间、治愈率Y计算医院推荐值TP1,将医院推荐值TP1最大的M个医院划分为指向医院;
若紧急权值D≤D1,则分别获取具备该就诊科室的所有医院与用户之间的距离H、最快就诊时间,并结合距离H、最快就诊时间计算医院推荐值TP2,将医院推荐值TP2最大的M个医院划分为指向医院;
其中,M为预设值。
作为本发明提供的一个实施例,优选地,所述指向划分单元结合距离H、治愈率Y计算医院推荐值TP的方法为:
获取一年内就诊科室所有的就诊用户,并从数据库中调取就诊用户的取药状态;
剔除未取药的就诊用户,将剩余就诊用户的总数标记为实诊总数;
获取已取药的就诊用户中治愈的用户个数,标记为治愈总数,可以通过用户就诊后的选择得知,用户可以通过客户端选择“治愈”或者“未治愈”;
治愈率Y=(治愈总数/实诊总数)*β,其中,β为预设值,且0<β<1;
推荐值TP=α*H+λ*Y,其中α+λ=1且α≥λ,α、λ均为预设值。
作为本发明提供的一个实施例,优选地,结合距离H、最快就诊时间、治愈率Y计算医院推荐值TP1的方法为:
根据结合距离H、治愈率Y计算医院推荐值TP;
将医院推荐值TP按照降序排列,将排序在前5的医院标记为拟推医院;
医院推荐值TP1=TP+E。
作为本发明提供的一个实施例,优选地,结合距离H、最快就诊时间E计算医院推荐值TP2的方法为:
医院推荐值TP2=α*H+λ*E,其中α+λ=1且α≥λ,α、λ均为预设值。
作为本发明提供的一个实施例,优选地,所述匹配单元结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院的方法为:
获取用户的附加请求,所述附加请求为用户输入的拟检查项目;
若推荐就诊医院中包含拟检查项目,则将推荐就诊医院直接匹配给用户;
否则,从非推荐就诊医院中选择医院推荐值最高、且具备拟检查项目的医院匹配给用户。
本发明具有以下有益效果:
本发明通过请求单元选择就诊科室并输入症状关键词;初步生成单元根据请求单元传输的信息,生成初步就诊单;指向划分单元根据初步就诊单通过客户端向用户推荐就诊医院;匹配单元结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院,节约医生轻问诊的时间,且线上直接推荐符合的就诊医院,为用户节约时间的同时,将不同需求的用户推荐至不同的医院,实现就诊的分流。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明基于互联网的健康医疗服务管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为基于AI的健康医疗服务推荐系统,包括:请求单元,所述请求单元用于用户选择就诊科室并输入症状关键词,症状关键词如:发烧、头痛、头晕、恶心、流鼻涕、胸闷等,优选的,症状关键词通过系统预设供用户选择;初步生成单元,其根据请求单元传输的信息,生成初步就诊单;指向划分单元,其根据初步就诊单通过客户端向用户推荐就诊医院;匹配单元:其结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院,通过匹配的方式,让线上阶段在医疗机构中发挥着作用。
作为本发明提供的一个实施例,优选地,所述就诊科室为所有医院的科室的集合,每一就诊科室对应若干个症状关键词。
作为本发明提供的一个实施例,优选地,所述初步生成单元根据请求单元传输的信息,生成初步就诊单时,先结合数据库对请求单元传输的信息进行预筛分;预筛分时执行以下算法:
获取用户选择的就诊科室;
调取用户输入的所有症状关键词,并标记为标的关键词集合B,B={b1、b2、b3、L、bn};
从数据库中调取与用户选择的就诊科室对应的所有症状关键词,标记为参考关键词集合C,C={c1、c2、c3、L、cm};
将标的关键词集合、参考关键词集合中的症状关键词相比对:
若B∩C=B,则将用户输入的症状关键词作为拟诊关键词;
当差分数F≥F1时,从标的关键词集合B中筛除F个症状关键词,使B∩C=B,并通过处理器向请求单元传输重新输入症状关键词信号,直至对应的差分数F<F1后将对应的标的关键词集合中的症状关键词作为拟诊关键词;
其中,m、n为正整数,F1为预设值。
作为本发明提供的一个实施例,优选地,所述初步生成单元结合数据库对请求单元传输的信息进行预筛分后,生成初步就诊单,初步就诊单包括“拟诊关键词+就诊科室”。
作为本发明提供的一个实施例,优选地,所述指向划分单元根据初步就诊单推荐就诊医院时执行以下算法:
从数据库中,获取初步就诊单对应的就诊科室的紧急权值D;
若D1<紧急权值D≤D2,则分别获取具备该就诊科室的所有医院与用户之间的距离H、治愈率Y,并结合距离H、治愈率Y计算医院推荐值TP,将医院推荐值TP最大的M个医院划分为指向医院;
若紧急权值D>D2,则分别获取具备该就诊科室的所有医院与用户之间的距离H、最快就诊时间、治愈率Y,并结合距离H、最快就诊时间、治愈率Y计算医院推荐值TP1,将医院推荐值TP1最大的M个医院划分为指向医院;
若紧急权值D≤D1,则分别获取具备该就诊科室的所有医院与用户之间的距离H、最快就诊时间,并结合距离H、最快就诊时间计算医院推荐值TP2,将医院推荐值TP2最大的M个医院划分为指向医院;
其中,M为预设值。
作为本发明提供的一个实施例,优选地,所述指向划分单元结合距离H、治愈率Y计算医院推荐值TP的方法为:
获取一年内就诊科室所有的就诊用户,并从数据库中调取就诊用户的取药状态;
剔除未取药的就诊用户,将剩余就诊用户的总数标记为实诊总数;
获取已取药的就诊用户中治愈的用户个数,标记为治愈总数,可以通过用户就诊后的选择得知,用户可以通过客户端选择“治愈”或者“未治愈”;
治愈率Y=(治愈总数/实诊总数)*β,其中,β为预设值,且0<β<1;
推荐值TP=α*H+λ*Y,其中α+λ=1且α≥λ,α、λ均为预设值。
作为本发明提供的一个实施例,优选地,结合距离H、最快就诊时间、治愈率Y计算医院推荐值TP1的方法为:
根据结合距离H、治愈率Y计算医院推荐值TP;
将医院推荐值TP按照降序排列,将排序在前5的医院标记为拟推医院;获取拟推医院对应就诊科室的最快就诊时间E:最快就诊时间其中,PR为目前排队人数、ST为每人平均就诊时间、dT预计到达时长,预计到达时长由搭载地图导航根据用户至医院的路径,实时推送;每人平均就诊时间根据半年内的就诊数据计算得出;
医院推荐值TP1=TP+E。
作为本发明提供的一个实施例,优选地,结合距离H、最快就诊时间E计算医院推荐值TP2的方法为:
医院推荐值TP2=α*H+λ*E,其中α+λ=1且α≥λ,α、λ均为预设值。
作为本发明提供的一个实施例,优选地,所述匹配单元结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院的方法为:
获取用户的附加请求,所述附加请求为用户输入的拟检查项目;
若推荐就诊医院中包含拟检查项目,则将推荐就诊医院直接匹配给用户;
否则,从非推荐就诊医院中选择医院推荐值最高、且具备拟检查项目的医院匹配给用户。
基于AI的健康医疗服务推荐系统,通过请求单元选择就诊科室并输入症状关键词;初步生成单元根据请求单元传输的信息,生成初步就诊单;指向划分单元根据初步就诊单通过客户端向用户推荐就诊医院;匹配单元结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院,节约医生轻问诊的时间,且线上直接推荐符合的就诊医院,为用户节约时间的同时,将不同需求的用户推荐至不同的医院,实现就诊的分流。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.基于AI的健康医疗服务推荐系统,其特征在于,包括:
请求单元,所述请求单元用于用户选择就诊科室并输入症状关键词;
初步生成单元,其根据请求单元传输的信息,生成初步就诊单;
指向划分单元,其根据初步就诊单通过客户端向用户推荐就诊医院;
匹配单元:其结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院。
2.根据权利要求1所述的基于AI的健康医疗服务推荐系统,其特征在于,所述就诊科室为所有医院的科室的集合,每一就诊科室对应若干个症状关键词。
3.根据权利要求2所述的基于AI的健康医疗服务推荐系统,其特征在于,所述初步生成单元根据请求单元传输的信息,生成初步就诊单时,先结合数据库对请求单元传输的信息进行预筛分;预筛分时执行以下算法:
获取用户选择的就诊科室;
调取用户输入的所有症状关键词,并标记为标的关键词集合B,B={b1、b2、b3、L、bn};
从数据库中调取与用户选择的就诊科室对应的所有症状关键词,标记为参考关键词集合C,C={c1、c2、c3、L、cm};
将标的关键词集合、参考关键词集合中的症状关键词相比对:
若B∩C=B,则将用户输入的症状关键词作为拟诊关键词;
当差分数F≥F1时,从标的关键词集合B中筛除F个症状关键词,使B∩C=B,并通过处理器向请求单元传输重新输入症状关键词信号,直至对应的差分数F<F1后将对应的标的关键词集合中的症状关键词作为拟诊关键词;
其中,m、n为正整数,F1为预设值。
4.根据权利要求3所述的基于AI的健康医疗服务推荐系统,其特征在于,所述初步生成单元结合数据库对请求单元传输的信息进行预筛分后,生成初步就诊单,初步就诊单包括“拟诊关键词+就诊科室”。
5.根据权利要求1所述的基于AI的健康医疗服务推荐系统,其特征在于,所述指向划分单元根据初步就诊单推荐就诊医院时执行以下算法:
从数据库中,获取初步就诊单对应的就诊科室的紧急权值D;
若D1<紧急权值D≤D2,则分别获取具备该就诊科室的所有医院与用户之间的距离H、治愈率Y,并结合距离H、治愈率Y计算医院推荐值TP,将医院推荐值TP最大的M个医院划分为指向医院;
若紧急权值D>D2,则分别获取具备该就诊科室的所有医院与用户之间的距离H、最快就诊时间、治愈率Y,并结合距离H、最快就诊时间、治愈率Y计算医院推荐值TP1,将医院推荐值TP1最大的M个医院划分为指向医院;
若紧急权值D≤D1,则分别获取具备该就诊科室的所有医院与用户之间的距离H、最快就诊时间,并结合距离H、最快就诊时间计算医院推荐值TP2,将医院推荐值TP2最大的M个医院划分为指向医院;
其中,M为预设值。
6.根据权利要求5所述的基于AI的健康医疗服务推荐系统,其特征在于,所述指向划分单元结合距离H、治愈率Y计算医院推荐值TP的方法为:
获取一年内就诊科室所有的就诊用户,并从数据库中调取就诊用户的取药状态;
剔除未取药的就诊用户,将剩余就诊用户的总数标记为实诊总数;
获取已取药的就诊用户中治愈的用户个数,标记为治愈总数,可以通过用户就诊后的选择得知,用户可以通过客户端选择“治愈”或者“未治愈”;
治愈率Y=(治愈总数/实诊总数)*β,其中,β为预设值,且0<β<1;
推荐值TP=α*H+λ*Y,其中α+λ=1且α≥λ,α、λ均为预设值。
8.根据权利要求7所述的基于AI的健康医疗服务推荐系统,其特征在于,结合距离H、最快就诊时间E计算医院推荐值TP2的方法为:
医院推荐值TP2=α*H+λ*E,其中α+λ=1且α≥λ,α、λ均为预设值。
9.根据权利要求1所述的基于AI的健康医疗服务推荐系统,其特征在于,所述匹配单元结合用户上传的附加请求,为用户从推荐就诊医院中匹配意向就诊医院的方法为:
获取用户的附加请求,所述附加请求为用户输入的拟检查项目;
若推荐就诊医院中包含拟检查项目,则将推荐就诊医院直接匹配给用户;
否则,从非推荐就诊医院中选择医院推荐值最高、且具备拟检查项目的医院匹配给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210388555.2A CN114783627A (zh) | 2022-04-12 | 2022-04-12 | 基于ai的健康医疗服务推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210388555.2A CN114783627A (zh) | 2022-04-12 | 2022-04-12 | 基于ai的健康医疗服务推荐系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114783627A true CN114783627A (zh) | 2022-07-22 |
Family
ID=82428252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210388555.2A Pending CN114783627A (zh) | 2022-04-12 | 2022-04-12 | 基于ai的健康医疗服务推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114783627A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115547471A (zh) * | 2022-10-13 | 2022-12-30 | 上海清赟医药科技有限公司 | 基于scrm的医疗信息推荐方法 |
CN116798656A (zh) * | 2023-05-04 | 2023-09-22 | 华中科技大学同济医学院附属协和医院 | 基于云-终端协同的远程医疗与分级监控平台 |
-
2022
- 2022-04-12 CN CN202210388555.2A patent/CN114783627A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115547471A (zh) * | 2022-10-13 | 2022-12-30 | 上海清赟医药科技有限公司 | 基于scrm的医疗信息推荐方法 |
CN116798656A (zh) * | 2023-05-04 | 2023-09-22 | 华中科技大学同济医学院附属协和医院 | 基于云-终端协同的远程医疗与分级监控平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112700838B (zh) | 基于大数据的用药方案推荐方法、装置及相关设备 | |
WO2023109250A1 (zh) | 一种基于互联网的医院分诊数据处理方法及系统 | |
Wang et al. | Assessment of utilization and cost-effectiveness of telemedicine program in western regions of China: a 12-year study of 249 hospitals across 112 cities | |
CN103559637B (zh) | 一种为就诊患者推荐医生的方法及其系统 | |
CN107239665B (zh) | 医疗信息查询系统及方法 | |
CN114783627A (zh) | 基于ai的健康医疗服务推荐系统 | |
US20180294046A1 (en) | Labor management system, labor management method, and labor management method | |
US20130246097A1 (en) | Medical Information Systems and Medical Data Processing Methods | |
US20140278558A1 (en) | Medical or health information search support apparatus and medical or health information search support system | |
EP1440385A2 (en) | Patient data mining for clinical trials | |
CA2567291A1 (en) | Method and system for providing medical decision support | |
Alepis et al. | M-health: supporting automated diagnosis and electonic health records | |
Chandak et al. | Self-management of hypertension using technology enabled interventions in primary care settings | |
CN114416967A (zh) | 智能推荐医生的方法、装置、设备及存储介质 | |
JP2014203416A (ja) | 待ち時間予測システム | |
WO2022141925A1 (zh) | 一种智能医学服务系统、方法及存储介质 | |
CN113409936A (zh) | 用于辅助疾病推理的系统及存储介质 | |
Camacho et al. | Collective intelligence and databases in eHealth: A survey | |
Razali et al. | Generating treatment plan in medicine: A data mining approach | |
Jiang et al. | Assessing the impact of healthcare service risks on healthcare demand under evolving economic and social structures: An improved GLDS decision making method considering risk attitudes | |
Matsumura et al. | Template-based data entry for general description in medical records and data transfer to data warehouse for analysis | |
Day et al. | Automated linking of free-text complaints to reason-for-visit categories and International Classification of Diseases diagnoses in emergency department patient record databases | |
CN113948179A (zh) | 一种远程异步mdt多学科会诊平台 | |
CN113113127A (zh) | 基于5g和nb-iot的无线急诊预检分诊系统及方法 | |
Ashwinkumar et al. | A web-based patient support system using artificial intelligence to improve health monitoring and quality of life |
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 |