CN115206512A - 基于物联网的医院信息管理方法及装置 - Google Patents

基于物联网的医院信息管理方法及装置 Download PDF

Info

Publication number
CN115206512A
CN115206512A CN202211122173.1A CN202211122173A CN115206512A CN 115206512 A CN115206512 A CN 115206512A CN 202211122173 A CN202211122173 A CN 202211122173A CN 115206512 A CN115206512 A CN 115206512A
Authority
CN
China
Prior art keywords
map
pathological diagnosis
pathological
pixel
diagnosis
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
Application number
CN202211122173.1A
Other languages
English (en)
Other versions
CN115206512B (zh
Inventor
陈红
高翔
赵采红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renmin Hospital of Wuhan University
Original Assignee
Renmin Hospital of Wuhan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Renmin Hospital of Wuhan University filed Critical Renmin Hospital of Wuhan University
Priority to CN202211122173.1A priority Critical patent/CN115206512B/zh
Publication of CN115206512A publication Critical patent/CN115206512A/zh
Application granted granted Critical
Publication of CN115206512B publication Critical patent/CN115206512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及医疗数据构建技术领域，一种基于物联网的医院信息管理方法及装置，包括：根据病理诊断录音构建病理诊断图，将所述病理诊断图由3通道转为32通道，得到病理多通道图，对所述病理多通道图执行特征提取，得到病理诊断特征图，将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图，将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。本发明可解决区域内不同医院的所有病理诊断数据缺乏统一的存储形式而导致后续医疗科研、制度制定从病理诊断数据的源头获取不便问题。

Description

基于物联网的医院信息管理方法及装置
技术领域
本发明涉及医疗数据构建技术领域，尤其涉及一种基于物联网的医院信息管理方法、装置、电子设备及计算机可读存储介质。
背景技术
需理解的是，目前科技发展水平的进步，对于医院的就诊信息管理足够智能，已经形成了围绕就诊患者的病理诊断数据的一条龙式管理，包括就诊患者从挂号、排队、诊断乃至拿药。
但病理诊断数据目前多数仅局限在以医院为单位，即不同医院的病理诊断数据的收集、管理、存储的形式各不相同，这对于想要研究区域内的医疗水平、医疗制度的研究学者来说，从病理诊断数据的源头获取上就极其不方便，因此缺乏一种统一结构的医院信息管理方法。
发明内容
本发明提供一种基于物联网的医院信息管理方法、装置及计算机可读存储介质，其主要目的在于解决区域内不同医院的所有病理诊断数据缺乏统一的存储形式而导致后续医疗科研、制度制定从病理诊断数据的源头获取不便问题。
为实现上述目的，本发明提供的一种基于物联网的医院信息管理方法，包括：
接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
将所述病理诊断图由3通道转为32通道，得到病理多通道图；
对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure 100002_DEST_PATH_IMAGE001
Figure 100002_DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
和
Figure 100002_DEST_PATH_IMAGE004
分别表示所述病理初级特征图的宽和高，
Figure 100002_DEST_PATH_IMAGE005
和
Figure 100002_DEST_PATH_IMAGE006
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure 100002_DEST_PATH_IMAGE007
其中，
Figure 100002_DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure 100002_DEST_PATH_IMAGE009
表示病理诊断特征图第i个像素的像素值，
Figure 100002_DEST_PATH_IMAGE010
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure 100002_DEST_PATH_IMAGE011
表示经过像素矫正的病理初级特征图第i个像素的像素值；
将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
可选地，所述根据所述病理诊断文本构建病理诊断图，包括：
创建空的就诊单，其中空的所述就诊单包括五个区域，分别为：就诊患者信息区、诊断医生信息区、诊断诊查区、药物开具区及费用结算区；
从数据库中调取就诊患者信息、诊断医生信息分别填入至所述就诊患者信息区、诊断医生信息区，将所述病理诊断文本填写至所述诊断诊查区， 得到包括就诊患者和诊断医生信息的病理诊断文本；
打印包括就诊患者和诊断医生信息的病理诊断文本，得到包括就诊患者和诊断医生信息的病理诊断图；
接收医生在包括就诊患者和诊断医生信息的病理诊断图中手写的诊断结果及签名，得到药物待开具及费用待缴纳的病理诊断图；
将药物开具信息及费用缴纳信息填入得到所述病理诊断图。
可选地，所述将所述病理诊断图由3通道转为32通道，得到病理多通道图，包括：
对所述病理诊断图中每个通道均执行像素归一化操作，得到3通道的病理归一图；
对每个通道的所述病理归一图均执行通道转化操作，得到总共为32个通道的病理卷积图，对32个通道的病理卷积图执行Dropout操作，得到32个通道的所述病理多通道图。
可选地，所述对所述病理诊断图中每个通道均执行像素归一化操作，得到3通道的病理归一图，包括：
将所述病理诊断图输入至预构建的像素归一化神经网络，其中所述像素归一化神经网络包括第一激活层、像素方差均值计算层、第二激活层；
在所述第一激活层中对病理诊断图执行如下操作：
Figure 100002_DEST_PATH_IMAGE012
其中，
Figure 100002_DEST_PATH_IMAGE013
表示经过第一激活层处理得到的病理诊断图的像素值，i表示病理诊断图的像素编号，
Figure 100002_DEST_PATH_IMAGE014
表示第一激活层中神经元编号，
Figure 100002_DEST_PATH_IMAGE015
表示与第i个像素对应的第
Figure 311934DEST_PATH_IMAGE014
个神经元的权重，
Figure 100002_DEST_PATH_IMAGE016
表示与第i个像素对应的第
Figure 163346DEST_PATH_IMAGE014
个神经元的偏置，
Figure 100002_DEST_PATH_IMAGE017
表示未经过第一激活层处理的病理诊断图的像素值；
在所述像素方差均值计算层对经过第一激活层处理得到的病理诊断图的像素值执行如下操作：
Figure 100002_DEST_PATH_IMAGE018
Figure 100002_DEST_PATH_IMAGE019
其中，
Figure 100002_DEST_PATH_IMAGE020
表示像素方差均值计算层第
Figure 218896DEST_PATH_IMAGE014
个神经元编号所接收的所有像素值的均值，H为经过第一激活层处理得到的病理诊断图的像素值总数，
Figure 100002_DEST_PATH_IMAGE021
表示像素方差均值计算层第
Figure 236268DEST_PATH_IMAGE014
个神经元编号所接收的所有像素值的方差；
在所述第二激活层中，根据所述均值和方差构建正态分布概率密度函数；
将经过第一激活层处理得到的病理诊断图的像素值依次输入至所述正态分布概率密度函数，得到3通道的病理归一图。
可选地，所述正态分布概率密度函数，包括：
Figure 100002_DEST_PATH_IMAGE022
其中，
Figure 100002_DEST_PATH_IMAGE023
表示3通道的病理归一图在第二激活层中第
Figure 351861DEST_PATH_IMAGE014
个神经元所输出的第i个像素值。
所述训练YOLO模型所采用的损失函数为：
Figure 100002_DEST_PATH_IMAGE024
其中，
Figure 100002_DEST_PATH_IMAGE025
表示YOLO模型训练过程的损失值，s表示病理诊断训练集，x表示病理诊断训练集中的病理诊断训练图，z表示病理诊断训练图中就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的位置及标签, t表示病理诊断训练集的图片编号，
Figure 100002_DEST_PATH_IMAGE026
表示第t张病理诊断训练图的标签及位置，
Figure 100002_DEST_PATH_IMAGE027
表示第t张病理诊断训练图经过YOLO模型预测的标签及位置，
Figure 100002_DEST_PATH_IMAGE028
表示病理诊断训练集的图片编号集合，N表示图片编号的自然数。
可选地，所述将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图，之前还包括：
遍历并获取所述病理诊断特征图的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波像素点集；
依次用n×n的图像窗口在所述滤波像素点集中执行区域选择，得到多个图像区域，根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，计算每个所述图像区域的中心像素的均值像素值；
根据得到的所述均值像素值替换所述中心像素，得到处理完成的病理诊断特征图。
可选地，所述将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中，包括：
计算所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的综合像素均值；
利用预构建的索引关联公式，根据所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的标签及所述综合像素均值计算就诊患者的索引关联码；
利用所述索引关联码将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图在所述关联数据库中执行关联存储。
可选地，所述索引关联公式，如下所示：
Figure 100002_DEST_PATH_IMAGE029
其中，
Figure 100002_DEST_PATH_IMAGE030
表示索引关联码，
Figure 100002_DEST_PATH_IMAGE031
表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的标签，j表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的表示序号，
Figure 100002_DEST_PATH_IMAGE032
表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图中表示序号为j的图像中所有像素点的像素和值，
Figure 100002_DEST_PATH_IMAGE033
表示综合像素均值。
为了解决上述问题，本发明还提供一种基于物联网的医院信息管理装置，所述装置包括：
病理诊断图构建模块，用于接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
通道转换模块，用于将所述病理诊断图由3通道转为32通道，得到病理多通道图；
特征提取模块，用于对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure 48159DEST_PATH_IMAGE001
Figure 64656DEST_PATH_IMAGE002
其中，
Figure 234738DEST_PATH_IMAGE003
和
Figure 454322DEST_PATH_IMAGE004
分别表示所述病理初级特征图的宽和高，
Figure 342643DEST_PATH_IMAGE005
和
Figure 897253DEST_PATH_IMAGE006
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure 452999DEST_PATH_IMAGE007
其中，
Figure 566186DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure 941804DEST_PATH_IMAGE009
表示病理诊断特征图第i个像素的像素值，
Figure 300104DEST_PATH_IMAGE010
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure 444777DEST_PATH_IMAGE011
表示经过像素矫正的病理初级特征图第i个像素的像素值；
区域拆分及识别模块，用于将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
关联存储模块，用于将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于物联网的医院信息管理方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于物联网的医院信息管理方法。
本发明实施例为解决背景技术所述问题，先接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图，由于不同医院由于所使用的病理诊断图结构布局的不同，因此所生成的具体的病理诊断图也不尽相同，因此为了统一管理不同医院甚至不同区域的所有的病理诊断数据，本发明实施例进一步地将所述病理诊断图由3通道转为32通道，得到病理多通道图，以提高病理诊断图不同区域的特征显现，进一步地，对所述病理多通道图执行特征提取，得到病理诊断特征图，特征提取的目的是显著的提取出不同区域的像素特征，并最后将病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图，因此智能化的识别出不同区域后，按照结构化存储方式存储至关联性数据库中，从而实现对关联性病理诊断数据的构建。因此本发明提出的基于物联网的医院信息管理方法、装置、电子设备及计算机可读存储介质，可以解决区域内不同医院的所有病理诊断数据缺乏统一的存储形式而导致后续医疗科研、制度制定从病理诊断数据的源头获取不便问题。
附图说明
图1为本发明一实施例提供的基于物联网的医院信息管理方法的流程示意图；
图2为本发明一实施例提供的基于物联网的医院信息管理装置的功能模块图；
图3为本发明一实施例提供的实现所述基于物联网的医院信息管理方法的电子设备的结构示意图。
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仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于物联网的医院信息管理方法。所述基于物联网的医院信息管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于物联网的医院信息管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的基于物联网的医院信息管理方法的流程示意图。在本实施例中，所述基于物联网的医院信息管理方法包括：
S1、接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图。
为了规范化就诊患者与诊断医生的诊断阶段，因此本发明实施例会全程录音就诊患者与诊断医生的诊断对话得到病理诊断录音，以防止就诊患者无理由投诉或诊断医生在就诊的不负责等现象的发生。本发明实施例中，将所述病理诊断录音转为病理诊断文本已为公开技术，在此不再赘述。
详细地，所述根据所述病理诊断文本构建病理诊断图，包括：
创建空的就诊单，其中空的所述就诊单包括五个区域，分别为：就诊患者信息区、诊断医生信息区、诊断诊查区、药物开具区及费用结算区；
从数据库中调取就诊患者信息、诊断医生信息分别填入至所述就诊患者信息区、诊断医生信息区，将所述病理诊断文本填写至所述诊断诊查区， 得到包括就诊患者和诊断医生信息的病理诊断文本；
打印包括就诊患者和诊断医生信息的病理诊断文本，得到包括就诊患者和诊断医生信息的病理诊断图；
接收医生在包括就诊患者和诊断医生信息的病理诊断图中手写的诊断结果及签名，得到药物待开具及费用待缴纳的病理诊断图；
将药物开具信息及费用缴纳信息填入得到所述病理诊断图。
示例性的，小张作为就诊患者来到医院，用身份证挂号以后生成小张的就诊患者信息，同时为小张就诊的医生赵医生的信息本来就存在于数据库中，由此生成了包括小张和赵医生的病理诊断文本。进一步地，由于小张和赵医生在就诊阶段的录用均已被转为病理诊断文本，因此将病理诊断文本填写至所述诊断诊查区。另外，赵医生根据实际的诊断情况，在病理诊断图中写入了诊断结果，以此类推，缴费、拿药等最终得到完整的病理诊断图。
但需解释的是，由于不同医院的病理诊断图布局不一样，因此如何将每个城市、每一家医院的病理诊断图汇聚得到具有关联性病理诊断数据是极其复杂的，因此本发明实施需要按照S2-S5的描述，依次对不同的病理诊断图执行相同操作，从而实现关联性病理诊断数据的构建过程。
S2、将所述病理诊断图由3通道转为32通道，得到病理多通道图。
本发明实施例为提高对不同医院的病理诊断图的识别操作，以达到精准的将所有不同类型的病理诊断图按照就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图执行存储，以方便后续研究人员、医院管理人员的查看，因此先将病理诊断图由3通道转为32通道。
详细地，所述将所述病理诊断图由3通道转为32通道，得到病理多通道图，包括：
对所述病理诊断图中每个通道均执行像素归一化操作，得到3通道的病理归一图；
对每个通道的所述病理归一图均执行通道转化操作，得到总共为32个通道的病理卷积图，对32个通道的病理卷积图执行Dropout操作，得到32个通道的所述病理多通道图。
详细地，所述对所述病理诊断图中每个通道均执行像素归一化操作，得到3通道的病理归一图，包括：
将所述病理诊断图输入至预构建的像素归一化神经网络，其中所述像素归一化神经网络包括第一激活层、像素方差均值计算层、第二激活层；
在所述第一激活层中对病理诊断图执行如下操作：
Figure 100002_DEST_PATH_IMAGE034
其中，
Figure 100002_DEST_PATH_IMAGE035
表示经过第一激活层处理得到的病理诊断图的像素值，i表示病理诊断图的像素编号，
Figure 100002_DEST_PATH_IMAGE036
表示第一激活层中神经元编号，
Figure DEST_PATH_IMAGE037
表示与第i个像素对应的第
Figure 338653DEST_PATH_IMAGE036
个神经元的权重，
Figure DEST_PATH_IMAGE038
表示与第i个像素对应的第
Figure 106627DEST_PATH_IMAGE036
个神经元的偏置，
Figure DEST_PATH_IMAGE039
表示未经过第一激活层处理的病理诊断图的像素值；
在所述像素方差均值计算层对经过第一激活层处理得到的病理诊断图的像素值执行如下操作：
Figure 206301DEST_PATH_IMAGE018
Figure 64535DEST_PATH_IMAGE019
其中，
Figure DEST_PATH_IMAGE040
表示像素方差均值计算层第
Figure 457208DEST_PATH_IMAGE036
个神经元编号所接收的所有像素值的均值，H为经过第一激活层处理得到的病理诊断图的像素值总数，
Figure DEST_PATH_IMAGE041
表示像素方差均值计算层第
Figure 213943DEST_PATH_IMAGE036
个神经元编号所接收的所有像素值的方差；
在所述第二激活层中，根据所述均值和方差构建正态分布概率密度函数：
Figure 38679DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE042
表示3通道的病理归一图在第二激活层中第
Figure 63005DEST_PATH_IMAGE036
个神经元所输出的第i个像素值；
将经过第一激活层处理得到的病理诊断图的像素值依次输入至所述正态分布概率密度函数，得到3通道的病理归一图。
本发明实施例中，通道转化操作可使用1*1的卷积操作实现或其他数字图像处理方法，在此不再赘述。
S3、对所述病理多通道图执行特征提取，得到病理诊断特征图。
详细地，所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure DEST_PATH_IMAGE043
Figure DEST_PATH_IMAGE044
其中，
Figure DEST_PATH_IMAGE045
和
Figure DEST_PATH_IMAGE046
分别表示所述病理初级特征图的宽和高，
Figure DEST_PATH_IMAGE047
和
Figure DEST_PATH_IMAGE048
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure DEST_PATH_IMAGE049
其中，
Figure DEST_PATH_IMAGE050
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure DEST_PATH_IMAGE051
表示病理诊断特征图第i个像素的像素值，
Figure DEST_PATH_IMAGE052
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure DEST_PATH_IMAGE053
表示经过像素矫正的病理初级特征图第i个像素的像素值。
S4、将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图。
需解释的是，YOLO模型是一种目标检测模型，即在一副图像中检测到物体并识别出物体在图像中所在的位置。本发明实施例中，将病理诊断特征图输入至预训练完成的YOLO模型中，可智能化识别出就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图。及时不同医院、不同地区的病理诊断特征图的布局不同，也可智能化识别。且YOLO模型是一种已公开技术，其训练、检测并识别的过程在此不再赘述。
但需强调的是，本发明实施例中训练YOLO模型所采用的损失函数为：
Figure DEST_PATH_IMAGE054
其中，
Figure DEST_PATH_IMAGE055
表示YOLO模型训练过程的损失值，s表示病理诊断训练集，x表示病理诊断训练集中的病理诊断训练图，z表示病理诊断训练图中就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的位置及标签, t表示病理诊断训练集的图片编号，
Figure DEST_PATH_IMAGE056
表示第t张病理诊断训练图的标签及位置，
Figure DEST_PATH_IMAGE057
表示第t张病理诊断训练图经过YOLO模型预测的标签及位置，
Figure DEST_PATH_IMAGE058
表示病理诊断训练集的图片编号集合，N表示图片编号的自然数。
本发明其中一个实施例中，为了提高YOLO模型中执行区域拆分及识别的准确率，所述将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图，之前还包括：
遍历并获取所述病理诊断特征图的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波像素点集；
对所述滤波像素点集进行局部纹理加深，得到处理完成的病理诊断特征图。
本发明实施例中，所述像素滤波器包括但不限于最大值滤波器、最小值滤波器和中值滤波器，利用所述像素滤波器将所述病理诊断特征图的像素点进行像素滤波处理，可实现对病理诊断特征图中就诊患者信息区域、诊断医生信息区域、诊断诊查区域、药物开具区域及费用结算区域的差异性，方便提高YOLO模型的识别准确率。
进一步地，所述对所述滤波像素点集进行局部纹理加深，得到处理完成的病理诊断特征图，包括：
依次用n×n的图像窗口在所述滤波像素点集中执行区域选择，得到多个图像区域，根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，计算每个所述图像区域的中心像素的均值像素值；
根据得到的所述均值像素值替换所述中心像素，得到处理完成的病理诊断特征图。
S5、将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
本发明实施例中，所述将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中，包括：
计算所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的综合像素均值；
利用预构建的索引关联公式，根据所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的标签及所述综合像素均值计算就诊患者的索引关联码；
利用所述索引关联码将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图在所述关联数据库中执行关联存储。
可解释的，所述综合像素均值指根据所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的所有像素点的像素值的总和再除以五得到的像素值。
可选择的，所述标签可以为就诊患者的身份证后五位数字。
详细地，所述索引关联公式，如下所示：
Figure DEST_PATH_IMAGE059
其中，
Figure DEST_PATH_IMAGE060
表示索引关联码，
Figure DEST_PATH_IMAGE061
表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的标签，j表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的表示序号，
Figure DEST_PATH_IMAGE062
表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图中表示序号为j的图像中所有像素点的像素和值，
Figure DEST_PATH_IMAGE063
表示综合像素均值。
应明白的，通过所述索引关联码可以在所述关联性数据库中搜索出目标就诊患者的就诊信息，通过所述索引关联码也可以将结构化转换后的所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图执行关联存储，实现就诊患者的就诊信息的整体性与关联性。
可理解的是，不同区域不同医院的病理诊断图的布局虽然不一样，但通过本发明实施例所构建的方法，均可识别出就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图用于后续研究。后续研究如科研工作者想要预测本市就诊患者的年龄变化趋势，因此只需要从关联性数据库中提取所有就诊患者信息图即可，大大减少了科研工作者、城市医疗管理人员的在数据收集上所耽误的时间。
本发明实施例为解决背景技术所述问题，先接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图，由于不同医院由于所使用的病理诊断图结构布局的不同，因此所生成的具体的病理诊断图也不尽相同，因此为了统一管理不同医院甚至不同区域的所有的病理诊断数据，本发明实施例进一步地将所述病理诊断图由3通道转为32通道，得到病理多通道图，以提高病理诊断图不同区域的特征显现，进一步地，对所述病理多通道图执行特征提取，得到病理诊断特征图，特征提取的目的是显著的提取出不同区域的像素特征，并最后将病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图，因此智能化的识别出不同区域后，按照结构化存储方式存储至关联性数据库中，从而实现对关联性病理诊断数据的构建。因此本发明提出的基于物联网的医院信息管理方法、装置、电子设备及计算机可读存储介质，可以解决区域内不同医院的所有病理诊断数据缺乏统一的存储形式而导致后续医疗科研、制度制定从病理诊断数据的源头获取不便问题。
如图2所示，是本发明一实施例提供的基于物联网的医院信息管理装置的功能模块图。
本发明所述基于物联网的医院信息管理装置100可以安装于电子设备中。根据实现的功能，所述基于物联网的医院信息管理装置100可以包括病理诊断图构建模块101、通道转换模块102、特征提取模块103、区域拆分及识别模块104及关联存储模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述病理诊断图构建模块101，用于接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
所述通道转换模块102，用于将所述病理诊断图由3通道转为32通道，得到病理多通道图；
所述特征提取模块103，用于对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure 667992DEST_PATH_IMAGE001
Figure 4033DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE064
和
Figure DEST_PATH_IMAGE065
分别表示所述病理初级特征图的宽和高，
Figure DEST_PATH_IMAGE066
和
Figure DEST_PATH_IMAGE067
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure 819411DEST_PATH_IMAGE007
其中，
Figure 58762DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure DEST_PATH_IMAGE068
表示病理诊断特征图第i个像素的像素值，
Figure DEST_PATH_IMAGE069
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure DEST_PATH_IMAGE070
表示经过像素矫正的病理初级特征图第i个像素的像素值；
所述区域拆分及识别模块104，用于将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
所述关联存储模块105，用于将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
详细地，本发明实施例中所述基于物联网的医院信息管理装置100中的所述各模块在使用时采用与上述的图1中所述的基于物联网的医院信息管理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明一实施例提供的实现基于物联网的医院信息管理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于物联网的医院信息管理方法程序。
其中，所述存储器11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、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于物联网的医院信息管理方法程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如基于物联网的医院信息管理方法程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线12可以分为地址总线、数据总线、控制总线等。所述总线12被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于物联网的医院信息管理方法程序是多个指令的组合，在所述处理器10中运行时，可以实现：
接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
将所述病理诊断图由3通道转为32通道，得到病理多通道图；
对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure 730921DEST_PATH_IMAGE043
Figure 55723DEST_PATH_IMAGE044
其中，
Figure 363208DEST_PATH_IMAGE064
和
Figure 191486DEST_PATH_IMAGE065
分别表示所述病理初级特征图的宽和高，
Figure 159180DEST_PATH_IMAGE066
和
Figure 705699DEST_PATH_IMAGE067
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure 816875DEST_PATH_IMAGE049
其中，
Figure 765239DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure 169413DEST_PATH_IMAGE068
表示病理诊断特征图第i个像素的像素值，
Figure 203228DEST_PATH_IMAGE069
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure 586936DEST_PATH_IMAGE070
表示经过像素矫正的病理初级特征图第i个像素的像素值；
将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
将所述病理诊断图由3通道转为32通道，得到病理多通道图；
对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure 389807DEST_PATH_IMAGE043
Figure 699304DEST_PATH_IMAGE044
其中，
Figure 79469DEST_PATH_IMAGE064
和
Figure 1289DEST_PATH_IMAGE065
分别表示所述病理初级特征图的宽和高，
Figure 658666DEST_PATH_IMAGE066
和
Figure 640529DEST_PATH_IMAGE067
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure 507991DEST_PATH_IMAGE049
其中，
Figure 743755DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure 786797DEST_PATH_IMAGE068
表示病理诊断特征图第i个像素的像素值，
Figure 939561DEST_PATH_IMAGE069
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure 169685DEST_PATH_IMAGE070
表示经过像素矫正的病理初级特征图第i个像素的像素值；
将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于物联网的医院信息管理方法，其特征在于，所述方法包括：
接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
将所述病理诊断图由3通道转为32通道，得到病理多通道图；
对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
和
Figure DEST_PATH_IMAGE004
分别表示所述病理初级特征图的宽和高，
Figure DEST_PATH_IMAGE005
和
Figure DEST_PATH_IMAGE006
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure DEST_PATH_IMAGE007
其中，
Figure DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure DEST_PATH_IMAGE009
表示病理诊断特征图第i个像素的像素值，
Figure DEST_PATH_IMAGE010
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure DEST_PATH_IMAGE011
表示经过像素矫正的病理初级特征图第i个像素的像素值；
将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
2.如权利要求1所述的基于物联网的医院信息管理方法，其特征在于，所述根据所述病理诊断文本构建病理诊断图，包括：
创建空的就诊单，其中空的所述就诊单包括五个区域，分别为：就诊患者信息区、诊断医生信息区、诊断诊查区、药物开具区及费用结算区；
从数据库中调取就诊患者信息、诊断医生信息分别填入至所述就诊患者信息区、诊断医生信息区，将所述病理诊断文本填写至所述诊断诊查区， 得到包括就诊患者和诊断医生信息的病理诊断文本；
打印包括就诊患者和诊断医生信息的病理诊断文本，得到包括就诊患者和诊断医生信息的病理诊断图；
接收医生在包括就诊患者和诊断医生信息的病理诊断图中手写的诊断结果及签名，得到药物待开具及费用待缴纳的病理诊断图；
将药物开具信息及费用缴纳信息填入得到所述病理诊断图。
3.如权利要求2所述的基于物联网的医院信息管理方法，其特征在于，所述将所述病理诊断图由3通道转为32通道，得到病理多通道图，包括：
对所述病理诊断图中每个通道均执行像素归一化操作，得到3通道的病理归一图；
对每个通道的所述病理归一图均执行通道转化操作，得到总共为32个通道的病理卷积图，对32个通道的病理卷积图执行Dropout操作，得到32个通道的所述病理多通道图。
4.如权利要求3所述的基于物联网的医院信息管理方法，其特征在于，所述对所述病理诊断图中每个通道均执行像素归一化操作，得到3通道的病理归一图，包括：
将所述病理诊断图输入至预构建的像素归一化神经网络，其中所述像素归一化神经网络包括第一激活层、像素方差均值计算层、第二激活层；
在所述第一激活层中对病理诊断图执行如下操作：
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
表示经过第一激活层处理得到的病理诊断图的像素值，i表示病理诊断图的像素编号，
Figure DEST_PATH_IMAGE014
表示第一激活层中神经元编号，
Figure DEST_PATH_IMAGE015
表示与第i个像素对应的第
Figure 448574DEST_PATH_IMAGE014
个神经元的权重，
Figure DEST_PATH_IMAGE016
表示与第i个像素对应的第
Figure 631294DEST_PATH_IMAGE014
个神经元的偏置，
Figure DEST_PATH_IMAGE017
表示未经过第一激活层处理的病理诊断图的像素值；
在所述像素方差均值计算层对经过第一激活层处理得到的病理诊断图的像素值执行如下操作：
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
其中，
Figure DEST_PATH_IMAGE020
表示像素方差均值计算层第
Figure 768621DEST_PATH_IMAGE014
个神经元编号所接收的所有像素值的均值，H为经过第一激活层处理得到的病理诊断图的像素值总数，
Figure DEST_PATH_IMAGE021
表示像素方差均值计算层第
Figure 694988DEST_PATH_IMAGE014
个神经元编号所接收的所有像素值的方差；
在所述第二激活层中，根据所述均值和方差构建正态分布概率密度函数；
将经过第一激活层处理得到的病理诊断图的像素值依次输入至所述正态分布概率密度函数，得到3通道的病理归一图。
5.如权利要求4所述的基于物联网的医院信息管理方法，其特征在于，所述正态分布概率密度函数，包括：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
表示3通道的病理归一图在第二激活层中第
Figure 696311DEST_PATH_IMAGE014
个神经元所输出的第i个像素值。
6.如权利要求5所述的基于物联网的医院信息管理方法，其特征在于，所述训练YOLO模型所采用的损失函数为：
Figure DEST_PATH_IMAGE024
其中，
Figure DEST_PATH_IMAGE025
表示YOLO模型训练过程的损失值，s表示病理诊断训练集，x表示病理诊断训练集中的病理诊断训练图，z表示病理诊断训练图中就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的位置及标签,t表示病理诊断训练集的图片编号，
Figure DEST_PATH_IMAGE026
表示第t张病理诊断训练图的标签及位置，
Figure DEST_PATH_IMAGE027
表示第t张病理诊断训练图经过YOLO模型预测的标签及位置，
Figure DEST_PATH_IMAGE028
表示病理诊断训练集的图片编号集合，N表示图片编号的自然数。
7.如权利要求6所述的基于物联网的医院信息管理方法，其特征在于，所述将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图，之前还包括：
遍历并获取所述病理诊断特征图的像素点；
利用预设的像素滤波器对所述像素点进行像素滤波处理，得到滤波像素点集；
依次用n×n的图像窗口在所述滤波像素点集中执行区域选择，得到多个图像区域，根据每个所述图像区域的中心像素以及所述中心像素的邻域像素，计算每个所述图像区域的中心像素的均值像素值；
根据得到的所述均值像素值替换所述中心像素，得到处理完成的病理诊断特征图。
8.如权利要求7所述的基于物联网的医院信息管理方法，其特征在于，所述将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中，包括：
计算所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的综合像素均值；
利用预构建的索引关联公式，根据所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的标签及所述综合像素均值计算就诊患者的索引关联码；
利用所述索引关联码将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图在所述关联数据库中执行关联存储。
9.如权利要求8所述的基于物联网的医院信息管理方法，其特征在于，所述索引关联公式，如下所示：
Figure DEST_PATH_IMAGE029
其中，
Figure DEST_PATH_IMAGE030
表示索引关联码，
Figure DEST_PATH_IMAGE031
表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的标签，j表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图的表示序号，
Figure DEST_PATH_IMAGE032
表示所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图中表示序号为j的图像中所有像素点的像素和值，
Figure DEST_PATH_IMAGE033
表示综合像素均值。
10.一种基于物联网的医院信息管理装置，其特征在于，所述装置包括：
病理诊断图构建模块，用于接收病理诊断录音，将所述病理诊断录音转为病理诊断文本，根据所述病理诊断文本构建病理诊断图；
通道转换模块，用于将所述病理诊断图由3通道转为32通道，得到病理多通道图；
特征提取模块，用于对所述病理多通道图执行特征提取，得到病理诊断特征图，其中所述特征提取包括：
对所述病理多通道图执行第一卷积操作，得到病理初级特征图：
Figure DEST_PATH_IMAGE034
Figure DEST_PATH_IMAGE035
其中，
Figure 966711DEST_PATH_IMAGE003
和
Figure 76487DEST_PATH_IMAGE004
分别表示所述病理初级特征图的宽和高，
Figure 337704DEST_PATH_IMAGE005
和
Figure 819632DEST_PATH_IMAGE006
分别表示所述病理多通道图的宽和高，F表示第一卷积操作中卷积层的感受野尺寸，S为所述第一卷积操作的步长，P表示执行第一卷积操作的零填充的数量；
对所述病理初级特征图执行第二卷积操作，得到所述病理诊断特征图：
Figure DEST_PATH_IMAGE036
其中，
Figure 921318DEST_PATH_IMAGE008
表示所述病理诊断特征图第i个像素在所述病理诊断特征图的位置，R为病理诊断特征图的所有像素集合，
Figure 3544DEST_PATH_IMAGE009
表示病理诊断特征图第i个像素的像素值，
Figure 553605DEST_PATH_IMAGE010
表示病理初级特征图第i个像素经过BP层计算得到像素值，
Figure 545832DEST_PATH_IMAGE011
表示经过像素矫正的病理初级特征图第i个像素的像素值；
区域拆分及识别模块，用于将所述病理诊断特征图输入至预训练完成的YOLO模型中执行区域拆分及识别，得到就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图；
关联存储模块，用于将所述就诊患者信息图、诊断医生信息图、诊断诊查图、药物开具图及费用结算图按照结构化存储方式存储至关联性数据库中。
CN202211122173.1A 2022-09-15 2022-09-15 基于物联网的医院信息管理方法及装置 Active CN115206512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211122173.1A CN115206512B (zh) 2022-09-15 2022-09-15 基于物联网的医院信息管理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211122173.1A CN115206512B (zh) 2022-09-15 2022-09-15 基于物联网的医院信息管理方法及装置

Publications (2)

Publication Number Publication Date
CN115206512A true CN115206512A (zh) 2022-10-18
CN115206512B CN115206512B (zh) 2022-11-15

Family

ID=83573409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211122173.1A Active CN115206512B (zh) 2022-09-15 2022-09-15 基于物联网的医院信息管理方法及装置

Country Status (1)

Country Link
CN (1) CN115206512B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030950A (zh) * 2023-03-27 2023-04-28 武汉大学人民医院（湖北省人民医院） 一种医疗数据整合管理方法
CN116307332A (zh) * 2023-05-16 2023-06-23 武汉大学人民医院（湖北省人民医院） 一种药品实时配送方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020138524A1 (en) * 2001-01-19 2002-09-26 Ingle David Blakeman System and method for creating a clinical resume
CN111048170A (zh) * 2019-12-23 2020-04-21 山东大学齐鲁医院 基于图像识别的消化内镜结构化诊断报告生成方法与系统
JP2020089710A (ja) * 2018-12-04 2020-06-11 Hoya株式会社 情報処理装置、内視鏡用プロセッサ、情報処理方法およびプログラム
US10692602B1 (en) * 2017-09-18 2020-06-23 Deeptradiology, Inc. Structuring free text medical reports with forced taxonomies
CN111681749A (zh) * 2020-06-22 2020-09-18 韦志永 一种病理科规范化工作管理和诊断咨询系统及方法
US20200334809A1 (en) * 2019-04-16 2020-10-22 Covera Health Computer-implemented machine learning for detection and statistical analysis of errors by healthcare providers
US20210090247A1 (en) * 2019-09-23 2021-03-25 Samsung Sds Co., Ltd. Apparatus and method for medical diagnostic
WO2021068601A1 (zh) * 2019-10-12 2021-04-15 平安国际智慧城市科技股份有限公司 病历检测方法、装置、设备及存储介质
US20210407077A1 (en) * 2018-12-04 2021-12-30 Hoya Corporation Information processing device and model generation method
US20220058794A1 (en) * 2020-08-19 2022-02-24 International Business Machines Corporation Performing diagnostic assessments

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020138524A1 (en) * 2001-01-19 2002-09-26 Ingle David Blakeman System and method for creating a clinical resume
US10692602B1 (en) * 2017-09-18 2020-06-23 Deeptradiology, Inc. Structuring free text medical reports with forced taxonomies
JP2020089710A (ja) * 2018-12-04 2020-06-11 Hoya株式会社 情報処理装置、内視鏡用プロセッサ、情報処理方法およびプログラム
US20210407077A1 (en) * 2018-12-04 2021-12-30 Hoya Corporation Information processing device and model generation method
US20200334809A1 (en) * 2019-04-16 2020-10-22 Covera Health Computer-implemented machine learning for detection and statistical analysis of errors by healthcare providers
US20210090247A1 (en) * 2019-09-23 2021-03-25 Samsung Sds Co., Ltd. Apparatus and method for medical diagnostic
WO2021068601A1 (zh) * 2019-10-12 2021-04-15 平安国际智慧城市科技股份有限公司 病历检测方法、装置、设备及存储介质
CN111048170A (zh) * 2019-12-23 2020-04-21 山东大学齐鲁医院 基于图像识别的消化内镜结构化诊断报告生成方法与系统
CN111681749A (zh) * 2020-06-22 2020-09-18 韦志永 一种病理科规范化工作管理和诊断咨询系统及方法
US20220058794A1 (en) * 2020-08-19 2022-02-24 International Business Machines Corporation Performing diagnostic assessments

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MICHAEL RIEGLER等: "From Annotation to Computer-Aided Diagnosis: Detailed Evaluation of a Medical Multimedia System", 《ACM TRANSACTIONS ON MULTIMEDIA COMPUTING, COMMUNICATIONS, AND APPLICATIONS》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030950A (zh) * 2023-03-27 2023-04-28 武汉大学人民医院（湖北省人民医院） 一种医疗数据整合管理方法
CN116307332A (zh) * 2023-05-16 2023-06-23 武汉大学人民医院（湖北省人民医院） 一种药品实时配送方法及装置
CN116307332B (zh) * 2023-05-16 2023-08-04 武汉大学人民医院（湖北省人民医院） 一种药品实时配送方法及装置

Also Published As

Publication number Publication date
CN115206512B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN115206512B (zh) 基于物联网的医院信息管理方法及装置
US20200126011A1 (en) Computer-implemented methods and systems for analyzing healthcare data
CN111932547B (zh) 图像中目标物的分割方法、装置、电子设备及存储介质
US20130046558A1 (en) System and Method for Identifying Inconsistent and/or Duplicate Data in Health Records
CN117235630B (zh) 智慧病区可视化管理系统及其方法
CN112349369A (zh) 医疗影像大数据智能分析方法、系统及存储介质
CN111932534A (zh) 医学影像图片分析方法、装置、电子设备及可读存储介质
US20230024631A1 (en) Expression of clinical logic with positive and negative explainability
CN112885423A (zh) 疾病标签检测方法、装置、电子设备及存储介质
CN114048343A (zh) 一种涵盖患者全病程医学影像信息的分类平台
CN112489747A (zh) 基于分析模型的慢性病患者监管方法、装置、设备及介质
CN114220541A (zh) 疾病预测方法、装置、电子设备及存储介质
CN112651782B (zh) 基于缩放点积注意力的行为预测方法、装置、设备及介质
CN115101186B (zh) 基于大数据的医院就诊信息管理方法及装置
CN111933274A (zh) 疾病分类诊断方法、装置、电子设备及存储介质
CN113689924B (zh) 相似病历检索方法、装置、电子设备及可读存储介质
CN116779184A (zh) 疫苗安全性准实时监测的方法、系统及设备和存储介质
CN114757787A (zh) 基于大数据的车险人伤定损方法、装置、电子设备及介质
CN116092698A (zh) 一种处方审核方法、装置、系统和存储介质
CN113808731A (zh) 一种智能医疗诊断系统和方法
CN116386831B (zh) 一种基于智慧医院管理平台的数据可视化展示方法及系统
CN115691741B (zh) 一种医疗信息化信息传递及信息合并方法
CN117809841B (zh) 一种基于大模型技术的皮肤专病患者管理方法及系统
CN114864032B (zh) 基于his系统的临床数据采集方法及装置
CN115578370B (zh) 一种基于脑影像的代谢区域异常检测方法及装置

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