CN115148344A - 基于蚁群算法的医技管理方法、装置、设备及存储介质 - Google Patents
基于蚁群算法的医技管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115148344A CN115148344A CN202211082022.8A CN202211082022A CN115148344A CN 115148344 A CN115148344 A CN 115148344A CN 202211082022 A CN202211082022 A CN 202211082022A CN 115148344 A CN115148344 A CN 115148344A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- medical
- ant colony
- colony algorithm
- preset
- 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.)
- Granted
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于医疗管理技术领域,公开了一种基于蚁群算法的医技管理方法、装置、设备及存储介质。该方法包括:获取目标医疗技术的医疗手术名称和目标监控点;根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。通过上述方式,基于监控深度和监控路径完成对目标医疗技术的管理,保证了对医疗技术管理的高效性和准确性,能够进行辅助决策帮助医生制定目标医疗技术的解决方案和实现场景。
Description
技术领域
本发明涉及医疗管理技术领域,尤其涉及一种基于蚁群算法的医技管理方法、装置、设备及存储介质。
背景技术
医疗技术创新是提高医疗质量的重要手段在医疗实践中,我们可以看到,每一项诊疗技术的创新和应用,都极大地提高了治疗某一疾病的质量。因此,医院在抓医疗技术质量时,除要下力气抓好基础医疗质量外,还必须注重医疗技术创新,不断引进和开发新的诊疗方法,要把开展技术创新作为提高医院医疗技术质量的一个重要手段。医院在进行技术创新的过程中,一方面要有计划、有步骤地根据疾病谱的变化和医疗市场的需求情况进行技术创新,以满足人们对医疗服务的需求。
目前医疗技术管理主要是通过业务流程进行管理,并且在管理过程中还需要人工判断下一步的操作流程,效率低下且容易出错。
发明内容
本发明的主要目的在于提供一种基于蚁群算法的医技管理方法、装置、设备及存储介质,旨在解决现有技术如何高效且准确的对医疗技术进行管理的技术问题。
为实现上述目的,本发明提供了一种基于蚁群算法的医技管理方法,所述基于蚁群算法的医技管理方法包括:
获取目标医疗技术的医疗手术名称和目标监控点;
根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;
根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;
根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。
可选地,所述根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,包括:
获取预设医疗技术规则和医疗技术核心点;
根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息;
根据所述目标操作信息、所述医疗技术核心点以及预设蚁群算法模型确定所述医疗技术核心点的监控深度。
可选地,所述根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息,包括:
根据所述医疗手术名称和所述预设医疗技术规则进行文本匹配,得到文本匹配结果;
根据所述文本匹配结果对所述预设医疗技术规则进行关键变量提取,得到目标操作信息。
可选地,所述根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径,包括:
根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型进行步骤规划,得到过程节点;
根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点;
根据所述结果节点确定所述目标监控点的监控路径。
可选地,所述根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点,包括:
获取预设规则库;
根据所述预设规则库和所述过程节点进行合适度计算,得到所述监控深度的合适度;
根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点。
可选地,所述根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点,包括:
获取预设阈值;
当所述合适度低于预设阈值时,根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点。
可选地,所述根据所述结果节点确定所述目标监控点的监控路径,包括:
根据所述结果节点确定所述目标监控点的监控等级;
根据所述监控等级确定所述目标监控点的监控路径。
此外,为实现上述目的,本发明还提出一种基于蚁群算法的医技管理装置,所述基于蚁群算法的医技管理装置包括:
获取模块,用于获取目标医疗技术的医疗手术名称和目标监控点;
确定模块,用于根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;
所述确定模块,还用于根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;
管理模块,用于根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。
此外,为实现上述目的,本发明还提出一种基于蚁群算法的医技管理设备,所述基于蚁群算法的医技管理设备包括: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基于蚁群算法的医技管理程序,所述基于蚁群算法的医技管理程序配置为实现如上文所述的基于蚁群算法的医技管理方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有基于蚁群算法的医技管理程序,所述基于蚁群算法的医技管理程序被处理器执行时实现如上文所述的基于蚁群算法的医技管理方法。
本发明通过获取目标医疗技术的医疗手术名称和目标监控点;根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。通过上述方式,基于目标医疗技术的医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,从而得到目标医疗技术实施的关键核心点的注意事项,同时根据监控深度、医疗手术名称以及预设蚁群算法模型确定目标监控点的监控路径,从而得到目标医疗技术的风险内容的细则提示,得到目标监控点在目标医疗技术中的重要程度,最终基于监控深度和监控路径完成对目标医疗技术的管理,保证了对医疗技术管理的高效性和准确性,实现了全流程的对目标医疗技术管理中最优路径的自动选择,能够进行辅助决策帮助医生制定目标医疗技术的解决方案和实现场景。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于蚁群算法的医技管理设备的结构示意图;
图2为本发明基于蚁群算法的医技管理方法第一实施例的流程示意图;
图3为本发明基于蚁群算法的医技管理方法第二实施例的流程示意图;
图4为本发明基于蚁群算法的医技管理方法一实施例的整体流程示意图;
图5为本发明基于蚁群算法的医技管理装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的基于蚁群算法的医技管理设备结构示意图。
如图1所示,该基于蚁群算法的医技管理设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对基于蚁群算法的医技管理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于蚁群算法的医技管理程序。
在图1所示的基于蚁群算法的医技管理设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明基于蚁群算法的医技管理设备中的处理器1001、存储器1005可以设置在基于蚁群算法的医技管理设备中,所述基于蚁群算法的医技管理设备通过处理器1001调用存储器1005中存储的基于蚁群算法的医技管理程序,并执行本发明实施例提供的基于蚁群算法的医技管理方法。
本发明实施例提供了一种基于蚁群算法的医技管理方法,参照图2,图2为本发明一种基于蚁群算法的医技管理方法第一实施例的流程示意图。
基于蚁群算法的医技管理方法包括以下步骤:
步骤S10:获取目标医疗技术的医疗手术名称和目标监控点。
需要说明的是,本实施例的执行主体为终端设备,终端设备可为电脑、平板电脑以及手机等其他智能终端,本实施例对此不加以限制,终端设备获取目标医疗技术的医疗手术名称和目标监控点,根据医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,根据监控深度、医疗手术名称以及预设蚁群算法模型确定目标监控点的监控路径,根据监控路径和监控深度完成对目标医疗技术的管理。
可以理解的是,目标医疗技术指的是医生针对病人病情所制定的包括各类手术的诊疗方案,在医生针对病人病情确定对应的目标医疗技术后,需根据目标医疗技术确定目标医疗技术中所包含的医疗手术和医疗手术对应的医疗手术名称。目标监控点指的是在医疗手术过程中的84个手术监控点,例如主刀医生(或一助)资质是否和手术级别相符、手术室接收病人前是否填写手术知情同意书、手术知情同意书是否有医师签字等。
步骤S20:根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度。
需要说明的是,预设蚁群算法模型是通过自适应蚁群算法构建得到的,本实施例中的自适应蚁群算法中的蚁群包括两个过程:状态转移和信息素更新,状态转移是为了避免残留信息素过多而淹没启发信息,在每一只蚂蚁走完一步或者完成对所有n个城市的遍历(也即一个循环结束)后,要对残留信息进行更新处理。信息素更新模型中包括三个不同的模型:蚁周模型、蚁量模型以及蚁密模型,其中,蚁周模型利用的是全局信息,即蚂蚁完成一个循环后更新所有路径上的信息素,信息素增量为Q/LK,它只与搜索路线有关,与具体的路径(i,j)无关,在第k只蚂蚁完成一次路径搜索后,对路线上所有路径进行信息素的更新,且信息素增量与本次搜索的整体线路有关,因此属于全局信息更新;蚁量模型和蚁密模型利用的是局部信息,即蚂蚁完成一步后更新路径上的信息素,蚁量模型的信息素增量为Q/dij,与路径(i,j)的长度有关,蚁密模型的信息素增量为固定值Q,同时蚁量模型和蚁密模型的信息素更新时刻均为在蚁群前进过程中进行,蚂蚁每完成一步移动后更新该路径上的信息素,且蚁量模型和蚁密模型的信息素更新形式均利用蚂蚁所走的路径(i,j)上的信息进行更新,因此蚁量模型和蚁密模型属于局部信息更新。自适应蚁群算法中的参数包括信息启发式因子α,α值越大,蚂蚁选择之前走过的路径可能性就越大,搜索路径的随机性减弱,α值越小,蚁群搜索范围就会减少,容易陷入局部最优;期望启发式因子β,β值越大,蚁群就约容易选择局部较短路径,这时算法的收敛速度是加快了,但是随机性却不高,容易得到局部的相对最优;蚁群数量m,m树木越多,得到的最优解就越精确,但是会产生不少重复解,随着算法接近最优值的收敛,信息正反馈作用降低,大量的重复工作,消耗了资源,增加了时间复杂度;信息挥发因子ρ,1-ρ表示残留因子,ρ过小时,在各路径上残留的信息素过多,导致无效的路径继续被搜索,影响到算法的收敛速率;ρ过大,无效的路径虽然可以被排除搜索,但是不能保证有效的路径也会被放弃搜索,影响到最优值的搜索。
可以理解的是,医疗技术核心点指的是目标监控点中的核心监控点,在84个目标监控点中会存在18个核心监控点,根据目标医疗技术中的医疗手术名称可确定医疗技术核心点的注意事项,根据注意事项可确定医疗技术核心点在监控时的着重程度,医疗技术核心点在监控时的着重程度即为医疗技术核心点的监控深度。
在具体实现中,为了保证基于医疗手术名称确定准确的监控深度,从而保证在进行医疗管理时的准确性,进一步地,所述根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,包括:获取预设医疗技术规则和医疗技术核心点;根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息;根据所述目标操作信息、所述医疗技术核心点以及预设蚁群算法模型确定所述医疗技术核心点的监控深度。
需要说明的是,预设医疗技术规则指的是相关核心医疗文件内容,包括但不限于医疗技术技能规范通用法则,新医疗技术规范文献流程规则、医疗新技术规范内容核心点以及医疗技术关联规则,医疗技术核心点即目标监控点中的核心监控点。
可以理解的是,由于预设医疗技术规则中包括各类手术相关内容及操作规范,因此需要基于医疗手术名称对预设医疗技术规则进行关键变量提取,得到与医疗手术名称相关的操作规范内容,与医疗手术名称相关的操作规范内容即为目标操作信息。根据目标操作信息、医疗技术核心点以及预设蚁群算法模型进行注意事项规划,从而得到各医疗技术核心点的监控深度。
在具体实现中,为了在预设医疗技术规则能够提取到准确的关键变量,得到对应的目标操作信息,进一步地,所述根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息,包括:根据所述医疗手术名称和所述预设医疗技术规则进行文本匹配,得到文本匹配结果;根据所述文本匹配结果对所述预设医疗技术规则进行关键变量提取,得到目标操作信息。
需要说明的是,基于文本相似度匹配算法对医疗手术名称和预设医疗技术规则进行文本匹配,得到对应的文本匹配结果,当文本匹配结果中的相似度超过预设阈值时,则对文本匹配结果对应的预设医疗技术的相关内容进行关键变量提取,基于提取的多个关键变量最终得到目标操作信息。
步骤S30:根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径。
需要说明的是,监控路径指的是目标监控点的监控等级,由于不同的医疗手术所对应的目标监控点的重要程度不同,因此需要根据医疗技术核心点的监控深度、医疗手术名称以及预设蚁群算法模型确定目标监控点的监控路径。
步骤S40:根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。
需要说明的是,在得到目标监控点的监控路径和医疗技术核心点的监控深度后,可基于监控路径和监控深度完成对目标医疗技术的管理。
本实施例通过获取目标医疗技术的医疗手术名称和目标监控点;根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。通过上述方式,基于目标医疗技术的医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,从而得到目标医疗技术实施的关键核心点的注意事项,同时根据监控深度、医疗手术名称以及预设蚁群算法模型确定目标监控点的监控路径,从而得到目标医疗技术的风险内容的细则提示,得到目标监控点在目标医疗技术中的重要程度,最终基于监控深度和监控路径完成对目标医疗技术的管理,保证了对医疗技术管理的高效性和准确性,实现了全流程的对目标医疗技术管理中最优路径的自动选择,能够进行辅助决策帮助医生制定目标医疗技术的解决方案和实现场景,同时帮助医生大幅度降低目标医疗技术的风险。
参考图3,图3为本发明一种基于蚁群算法的医技管理方法第二实施例的流程示意图。
基于上述第一实施例,本实施例基于蚁群算法的医技管理方法中所述步骤S30,包括:
步骤S31:根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型进行步骤规划,得到过程节点。
需要说明的是,过程节点指的是该医疗手术名称对应的医疗手术的各操作步骤。例如,医疗手术名称为清创术,则过程节点包括皮肤清洗、伤口清洗、皮肤清创、清除失活组织、重要组织清创、再次清洗、修复及伤口闭合。
可以理解的是,根据监控深度、医疗手术名称以及预设蚁群算法模型进行步骤规划,得到对应的过程节点,过程节点需与医疗技术核心点相对应。
步骤S32:根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点。
需要说明的是,结果节点指的是目标监控点的监控等级,当过程节点符合目标医疗技术的操作要求且与医疗技术核心点相对应时,基于过程节点和预设蚁群算法模型进行监控规划,从而确定对应的结果节点。
可以理解的是,为了基于过程节点和预设蚁群算法模型确定准确的结果节点,进一步地,所述根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点,包括:获取预设规则库;根据所述预设规则库和所述过程节点进行合适度计算,得到所述监控深度的合适度;根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点。
在具体实现中,预设规则库包括但不限于流程规则库、重要组合规则库、路径规则库以及关联知识规则库。
需要说明的是,根据预设规则库对过程节点进行合适度计算,从而得到医疗技术核心点的监控深度的合适度,根据合适度、过程节点以及预设蚁群算法模型进行监控规划,从而确定结果节点。
可以理解的是,为了基于合适度和过程节点能够进行准确的监控规划,进一步地,所述根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点,包括:获取预设阈值;当所述合适度低于预设阈值时,根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点。
在具体实现中,预设阈值指的是预先设定的合适度阈值,当监控深度的合适度低于预设阈值时,说明此时的过程节点是合理的,可基于过程结果和预设蚁群算法模型进行监控规划,确定结果节点。当监控深度的合适度不低于预设阈值时,说明此时的过程节点不合理,需要根据监控深度、医疗手术名称以及预设蚁群算法模型重新进行步骤规划,得到更新后的过程节点。
步骤S33:根据所述结果节点确定所述目标监控点的监控路径。
需要说明的是,结果节点即可反映目标监控点的监控路径,在得到结果节点后可确定目标监控点的监控路径。
可以理解的是,为了基于结果节点得到准确的监控路径,进一步地,所述根据所述结果节点确定所述目标监控点的监控路径,包括:根据所述结果节点确定所述目标监控点的监控等级;根据所述监控等级确定所述目标监控点的监控路径。
在具体实现中,目标监控点的监控等级即为目标监控点的监控主次,结果节点即为目标监控点的监控等级,在确定目标监控点的监控等级后,监控等级即可指代各目标监控点的监控路径。
需要说明的是,如图4所示,在进行监控路径确定时需要基于18个医疗技术核心点和84个目标监控点,预设规则库包括但不限于医疗技术技能规范通用法则,新医疗技术规范文献流程规则、医疗新技术规范内容核心点以及医疗技术关联规则,根据预设规则库、医疗技术核心点以及预设蚁群算法模型确定18个医疗技术核心点的监控深度,同时基于监控深度、医疗手术名称以及所述预设蚁群算法模型确定过程节点,过程节点即为医疗手术中的操作步骤,基于过程节点计算监控深度的合适度,当合适度高于阈值时需重新进行规划,当合适度低于阈值时说明过程节点合理,基于过程节点和预设蚁群算法模型对84个目标监控点进行监控规划,从而得到结果节点,对结果节点进行合适度计算,确定84个目标监控点的监控路径的合适度,当合适度高于阈值时需重新进行规划,当合适度低于阈值时,从而确定目标监控点的监控路径。合适度的计算均基于预设规则库,预设规则库包括但不限于流程规则库、重要组合规则库、路径规则库以及关联知识规则库。
本实施例中通过根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型进行步骤规划,得到过程节点;根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点;根据所述结果节点确定所述目标监控点的监控路径。通过监控深度、医疗手术名称以及预设蚁群算法模型确定目标医疗技术中医疗手术的过程节点,基于过程节点进一步进行监控规划,得到的结果节点,从而保证基于结果节点确定的监控路径的准确性和监控路径与目标医疗技术的高度适配性。
此外,参照图5,本发明实施例还提出一种基于蚁群算法的医技管理装置,所述基于蚁群算法的医技管理装置包括:
获取模块10,用于获取目标医疗技术的医疗手术名称和目标监控点。
确定模块20,用于根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度。
所述确定模块20,还用于根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径。
管理模块30,用于根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。
本实施例通过获取目标医疗技术的医疗手术名称和目标监控点;根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。通过上述方式,基于目标医疗技术的医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,从而得到目标医疗技术实施的关键核心点的注意事项,同时根据监控深度、医疗手术名称以及预设蚁群算法模型确定目标监控点的监控路径,从而得到目标医疗技术的风险内容的细则提示,得到目标监控点在目标医疗技术中的重要程度,最终基于监控深度和监控路径完成对目标医疗技术的管理,保证了对医疗技术管理的高效性和准确性,实现了全流程的对目标医疗技术管理中最优路径的自动选择,能够进行辅助决策帮助医生制定目标医疗技术的解决方案和实现场景。
在一实施例中,所述确定模块20,还用于获取预设医疗技术规则和医疗技术核心点;
根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息;
根据所述目标操作信息、所述医疗技术核心点以及预设蚁群算法模型确定所述医疗技术核心点的监控深度。
在一实施例中,所述确定模块20,还用于根据所述医疗手术名称和所述预设医疗技术规则进行文本匹配,得到文本匹配结果;
根据所述文本匹配结果对所述预设医疗技术规则进行关键变量提取,得到目标操作信息。
在一实施例中,所述确定模块20,还用于根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型进行步骤规划,得到过程节点;
根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点;
根据所述结果节点确定所述目标监控点的监控路径。
在一实施例中,所述确定模块20,还用于获取预设规则库;
根据所述预设规则库和所述过程节点进行合适度计算,得到所述监控深度的合适度;
根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点。
在一实施例中,所述确定模块20,还用于获取预设阈值;
当所述合适度低于预设阈值时,根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点。
在一实施例中,所述确定模块20,还用于根据所述结果节点确定所述目标监控点的监控等级;
根据所述监控等级确定所述目标监控点的监控路径。
由于本装置采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于蚁群算法的医技管理程序,所述基于蚁群算法的医技管理程序被处理器执行时实现如上文所述的基于蚁群算法的医技管理方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的基于蚁群算法的医技管理方法,此处不再赘述。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,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,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于蚁群算法的医技管理方法,其特征在于,所述基于蚁群算法的医技管理方法包括:
获取目标医疗技术的医疗手术名称和目标监控点;
根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;
根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;
根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。
2.如权利要求1所述的基于蚁群算法的医技管理方法,其特征在于,所述根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度,包括:
获取预设医疗技术规则和医疗技术核心点;
根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息;
根据所述目标操作信息、所述医疗技术核心点以及预设蚁群算法模型确定所述医疗技术核心点的监控深度。
3.如权利要求2所述的基于蚁群算法的医技管理方法,其特征在于,所述根据所述医疗手术名称对所述预设医疗技术规则进行关键变量提取,得到目标操作信息,包括:
根据所述医疗手术名称和所述预设医疗技术规则进行文本匹配,得到文本匹配结果;
根据所述文本匹配结果对所述预设医疗技术规则进行关键变量提取,得到目标操作信息。
4.如权利要求1所述的基于蚁群算法的医技管理方法,其特征在于,所述根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径,包括:
根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型进行步骤规划,得到过程节点;
根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点;
根据所述结果节点确定所述目标监控点的监控路径。
5.如权利要求4所述的基于蚁群算法的医技管理方法,其特征在于,所述根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点,包括:
获取预设规则库;
根据所述预设规则库和所述过程节点进行合适度计算,得到所述监控深度的合适度;
根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点。
6.如权利要求5所述的基于蚁群算法的医技管理方法,其特征在于,所述根据所述合适度、所述过程节点以及所述预设蚁群算法模型进行监控规划,确定结果节点,包括:
获取预设阈值;
当所述合适度低于预设阈值时,根据所述过程节点和所述预设蚁群算法模型进行监控规划,确定结果节点。
7.如权利要求4所述的基于蚁群算法的医技管理方法,其特征在于,所述根据所述结果节点确定所述目标监控点的监控路径,包括:
根据所述结果节点确定所述目标监控点的监控等级;
根据所述监控等级确定所述目标监控点的监控路径。
8.一种基于蚁群算法的医技管理装置,其特征在于,所述基于蚁群算法的医技管理装置包括:
获取模块,用于获取目标医疗技术的医疗手术名称和目标监控点;
确定模块,用于根据所述医疗手术名称和预设蚁群算法模型确定医疗技术核心点的监控深度;
所述确定模块,还用于根据所述监控深度、所述医疗手术名称以及所述预设蚁群算法模型确定所述目标监控点的监控路径;
管理模块,用于根据所述监控路径和所述监控深度完成对所述目标医疗技术的管理。
9.一种基于蚁群算法的医技管理设备,其特征在于,所述设备包括: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基于蚁群算法的医技管理程序,所述基于蚁群算法的医技管理程序配置为实现如权利要求1至7中任一项所述的基于蚁群算法的医技管理方法。
10.一种存储介质,其特征在于,所述存储介质上存储有基于蚁群算法的医技管理程序,所述基于蚁群算法的医技管理程序被处理器执行时实现如权利要求1至7任一项所述的基于蚁群算法的医技管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211082022.8A CN115148344B (zh) | 2022-09-06 | 2022-09-06 | 基于蚁群算法的医技管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211082022.8A CN115148344B (zh) | 2022-09-06 | 2022-09-06 | 基于蚁群算法的医技管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115148344A true CN115148344A (zh) | 2022-10-04 |
CN115148344B CN115148344B (zh) | 2022-11-29 |
Family
ID=83416217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211082022.8A Active CN115148344B (zh) | 2022-09-06 | 2022-09-06 | 基于蚁群算法的医技管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115148344B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080040151A1 (en) * | 2005-02-01 | 2008-02-14 | Moore James F | Uses of managed health care data |
CN105167849A (zh) * | 2015-05-19 | 2015-12-23 | 上海大学 | 一种基于蚁群算法的血管三维路径规划方法 |
US20180350019A1 (en) * | 2009-05-29 | 2018-12-06 | Medaxion, Inc. | Managing provider roles in medical care |
CN109522552A (zh) * | 2018-11-09 | 2019-03-26 | 天津开心生活科技有限公司 | 一种医疗信息的归一化方法、装置、介质及电子设备 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
CN111028915A (zh) * | 2020-01-02 | 2020-04-17 | 曹庆恒 | 一种手术方案智能审核的方法、系统和设备 |
CN111126831A (zh) * | 2019-12-20 | 2020-05-08 | 卫宁健康科技集团股份有限公司 | 医疗质量管理制度规范化执行方法、装置和计算机终端 |
CN111161886A (zh) * | 2020-01-15 | 2020-05-15 | 曹庆恒 | 一种手术方案智能指导的方法、系统和设备 |
CN111192644A (zh) * | 2019-12-11 | 2020-05-22 | 平安医疗健康管理股份有限公司 | 临床路径的构建方法、装置、计算机设备和存储介质 |
CN111627520A (zh) * | 2020-06-04 | 2020-09-04 | 曹庆恒 | 一种手术相关规则的管理方法、系统和设备 |
CN111653348A (zh) * | 2020-06-08 | 2020-09-11 | 深圳市全息医疗科技有限公司 | 手术数据的处理方法、装置及计算机可读存储介质 |
CN111951955A (zh) * | 2020-08-13 | 2020-11-17 | 神州数码医疗科技股份有限公司 | 一种基于规则推理的临床决策支持系统构建方法及装置 |
CN112735545A (zh) * | 2020-12-31 | 2021-04-30 | 杭州依图医疗技术有限公司 | 自训练方法、模型、处理方法、装置及存储介质 |
WO2021189971A1 (zh) * | 2020-10-26 | 2021-09-30 | 平安科技(深圳)有限公司 | 基于知识图谱表征学习的医疗方案推荐系统及方法 |
CN113593681A (zh) * | 2021-07-14 | 2021-11-02 | 深圳市指南针医疗科技有限公司 | 手术申请方法、装置、终端设备及存储介质 |
CN114155949A (zh) * | 2021-04-29 | 2022-03-08 | 深圳市康比特信息技术有限公司 | 一种病案首页的审核方法、装置及设备 |
CN114547227A (zh) * | 2022-03-11 | 2022-05-27 | 合肥尧威智能科技股份有限公司 | 蚁群和A-Star算法并行的栅格地图路径规划方法 |
US20220223275A1 (en) * | 2021-01-08 | 2022-07-14 | Expanded Existence, Llc | System and method for remote optimization of medical procedures and technologies |
-
2022
- 2022-09-06 CN CN202211082022.8A patent/CN115148344B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080040151A1 (en) * | 2005-02-01 | 2008-02-14 | Moore James F | Uses of managed health care data |
US20180350019A1 (en) * | 2009-05-29 | 2018-12-06 | Medaxion, Inc. | Managing provider roles in medical care |
CN105167849A (zh) * | 2015-05-19 | 2015-12-23 | 上海大学 | 一种基于蚁群算法的血管三维路径规划方法 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗系统及方法 |
CN109522552A (zh) * | 2018-11-09 | 2019-03-26 | 天津开心生活科技有限公司 | 一种医疗信息的归一化方法、装置、介质及电子设备 |
CN111192644A (zh) * | 2019-12-11 | 2020-05-22 | 平安医疗健康管理股份有限公司 | 临床路径的构建方法、装置、计算机设备和存储介质 |
CN111126831A (zh) * | 2019-12-20 | 2020-05-08 | 卫宁健康科技集团股份有限公司 | 医疗质量管理制度规范化执行方法、装置和计算机终端 |
CN111028915A (zh) * | 2020-01-02 | 2020-04-17 | 曹庆恒 | 一种手术方案智能审核的方法、系统和设备 |
CN111161886A (zh) * | 2020-01-15 | 2020-05-15 | 曹庆恒 | 一种手术方案智能指导的方法、系统和设备 |
CN111627520A (zh) * | 2020-06-04 | 2020-09-04 | 曹庆恒 | 一种手术相关规则的管理方法、系统和设备 |
CN111653348A (zh) * | 2020-06-08 | 2020-09-11 | 深圳市全息医疗科技有限公司 | 手术数据的处理方法、装置及计算机可读存储介质 |
CN111951955A (zh) * | 2020-08-13 | 2020-11-17 | 神州数码医疗科技股份有限公司 | 一种基于规则推理的临床决策支持系统构建方法及装置 |
WO2021189971A1 (zh) * | 2020-10-26 | 2021-09-30 | 平安科技(深圳)有限公司 | 基于知识图谱表征学习的医疗方案推荐系统及方法 |
CN112735545A (zh) * | 2020-12-31 | 2021-04-30 | 杭州依图医疗技术有限公司 | 自训练方法、模型、处理方法、装置及存储介质 |
US20220223275A1 (en) * | 2021-01-08 | 2022-07-14 | Expanded Existence, Llc | System and method for remote optimization of medical procedures and technologies |
CN114155949A (zh) * | 2021-04-29 | 2022-03-08 | 深圳市康比特信息技术有限公司 | 一种病案首页的审核方法、装置及设备 |
CN113593681A (zh) * | 2021-07-14 | 2021-11-02 | 深圳市指南针医疗科技有限公司 | 手术申请方法、装置、终端设备及存储介质 |
CN114547227A (zh) * | 2022-03-11 | 2022-05-27 | 合肥尧威智能科技股份有限公司 | 蚁群和A-Star算法并行的栅格地图路径规划方法 |
Non-Patent Citations (1)
Title |
---|
高明柯 等: "基于改进蚁群算法的血管介入手术路径规划", 《上海大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115148344B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106951468B (zh) | 对话生成方法及装置 | |
US20130304507A1 (en) | Clinical note generator | |
CN107944773A (zh) | 一种业务流程控制方法、装置及存储介质 | |
CN110532084B (zh) | 平台任务的调度方法、装置、设备及存储介质 | |
WO2020019448A1 (zh) | 项目的标签展示方法、装置、终端设备及存储介质 | |
CN109284289B (zh) | 数据集处理方法、装置、计算机设备及存储介质 | |
CN110738577A (zh) | 社区发现方法、装置、计算机设备和存储介质 | |
CN112631686A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110580284A (zh) | 一种实体消歧方法、装置、计算机设备及存储介质 | |
CN110287219A (zh) | 一种数据处理方法及系统 | |
CN109903122A (zh) | 房产交易信息处理方法、装置、设备及存储介质 | |
CN109308258A (zh) | 测试数据的构造方法、装置、计算机设备和存储介质 | |
CN111177398A (zh) | 一种组织架构更新方法及装置 | |
CN115148344B (zh) | 基于蚁群算法的医技管理方法、装置、设备及存储介质 | |
CN114239237A (zh) | 一种支持数字孪生的配电网仿真场景生成系统与方法 | |
CN111914101B (zh) | 档案关联关系的异常识别方法、装置和计算机设备 | |
CN111708921B (zh) | 一种号码选择的方法、装置、设备和存储介质 | |
CN111401849B (zh) | 一种流程工具自定义节点配置方法 | |
CN115063101A (zh) | 基于案例库的结构数据生成方法、系统、装置及存储介质 | |
CN103577705B (zh) | 一种系统控制团体的数据处理方法和装置 | |
CN114691630A (zh) | 一种智慧供应链大数据共享方法及系统 | |
Proper | Interactive query formulation using point to point queries | |
CN114971053A (zh) | 低压台区网络线损率在线预测模型的训练方法及装置 | |
CN114385876A (zh) | 一种模型搜索空间生成方法、装置及系统 | |
CN114706567B (zh) | 通过gitlab提交代码关联PM系统任务进度的方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |