CN115376672B - 一种医疗废弃物监控方法及系统 - Google Patents
一种医疗废弃物监控方法及系统 Download PDFInfo
- Publication number
- CN115376672B CN115376672B CN202211291616.XA CN202211291616A CN115376672B CN 115376672 B CN115376672 B CN 115376672B CN 202211291616 A CN202211291616 A CN 202211291616A CN 115376672 B CN115376672 B CN 115376672B
- Authority
- CN
- China
- Prior art keywords
- transfer
- time period
- medical waste
- route
- patients
- 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.)
- Active
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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- 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"
-
- 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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及医疗废弃物转运技术领域,尤其涉及一种医疗废弃物监控方法及系统,通过基于预设的转运路线和转运时间段,并预测各转运时间段内,路过各转运路线的总人次,为医疗废弃物转运规划能够尽可能避开医院非工作人员的最佳路线,并且通过对转运过程的时间和路线进行监控,进行实时调整和纠正,以保证实际转运过程与规划的时间路线相符,从而保证设计的避开医院非工作人员的目的能够按规划实现,以尽可能减少因医疗废弃物潜在的泄露风险而造成了病菌传播可能性,提高医疗废弃物转运过程的安全性。
Description
技术领域
本发明涉及医疗废弃物转运技术领域,尤其涉及一种医疗废弃物监控方法及系统。
背景技术
医疗废弃物,是指医疗卫生机构如医院在医疗及其他相关活动中产生的具有直接或者间接感染性、毒性以及其他危害性的废物,由于医疗废弃物的特殊性,可能含有大量病原微生物和有害化学物质,有引起疾病传播及相关卫生问题的风险,对其收集运送需要进行严格的管理,现有方式多采用电子交接实现医废转运的管理和追溯,但转运过程仍存在安全隐患,对此,中国专利CN111739622A提供了一种医疗废弃物在线监控与预测方法及系统,通过对数据进行统计分析,预测不同种类医疗废弃物的产量及区域分布特点,为医废运输仓储制定精准策略提供依据,并能够根据各预警类型的数据特征预测触发各类预警事件的概率,但该方法仍存在局限性,即虽然能够为制定医废运输仓储策略提供依据,但这无法排除医废转运过程中存在泄露的风险,对于到医院就诊的病人,在就诊过程中遇到医疗废弃物转运车等转运设备发生泄漏,就有可能导致病菌的传播,医疗废弃物转运的安全性有待加强。
发明内容
有鉴于此,本发明的目的在于提出一种医疗废弃物监控方法及系统,以解决医疗废弃物转运过程的安全性需要加强的问题。
基于上述目的,本发明提供了一种医疗废弃物监控方法,包括:
获取预设的多条医疗废弃物转运路线与多个医疗废弃物转运时间段;
根据医院布局对各转运路线进行分割,得到对应每条转运路线的多个转运路段;
根据医院就诊情况,预测各转运时间段内,经过各转运路段的人次;
对比各转运时间段内,经过各转运路段的人次,将总人次最少的转运路线输出为选定路线,并将对应的转运时间段输出为选定时间段;
监控医疗废弃物是否按选定时间段进行转运,若否,则重新计算输出选定路线和对应的选定时间;
监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示。
优选地,对各转运路线进行分割包括:
获取医院各楼层出入口分布情况,将楼层中每个出入口作为节点;
基于节点将转运路线分割为多个转运路段。
优选地,监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示包括:
以节点作为监控点,判断医疗废弃物转运是否沿选定路线从上一路段进入下一路段,若判断为否,则向转运目标发出提示,引导其正确的行进路线。
优选地,根据医院就诊情况,预测目标转运时间段内,经过各转运路段的人次包括:
获取各科室历史就诊数据,利用深度三维卷积神经网络训练得到就诊人次预测模型;
获取目标转运时间段的特征参数,将特征参数输入就诊人次预测模型,得到目标转运时间段的就诊人次数据;
获取各科室当前住院人数数据,根据住院人数数据和预测的就诊人次数据,得到目标转运时间段内,经过各转运路段的人次。
优选地,利用深度三维卷积神经网络训练得到就诊人次预测模型包括:
从历史就诊数据中提取与就诊人次相关的特征参数来构建影响因子-就诊人次数据集;
按比例随机划分训练集和验证集,搭建深度三维卷积神经网络,利用训练集对深度三维卷积神经网络进行训练;
利用验证集对训练得到的模型参数进行验证,跟踪预测精度并对模型参数进行更新,直到预测精度达到设定要求,保存模型参数得到基于深度三维卷积神经网络的就诊人次预测模型。
优选地,影响因子包括季节影响因子、工作日影响因子、气候影响因子、传染病流行影响因子。
优选地,根据住院人数数据和预测的就诊人次数据,得到目标转运时间段内,经过各转运路段的人次包括:
获取历史就诊数据中就诊人员前往各科室就诊的历史路径;
根据历史路径计算各科室就诊人员在目标转运时间段经过各转运路段的第一途径概率;
根据第一途径概率和预测的就诊人次数据,计算得到经过各转运路段的就诊人次;
获取住院病人历史行为路径;
根据历史行为路径计算住院病人在目标转运时间段经过各转运路段的第二途径概率;
根据第二途径概率和预测的就诊人次数据,计算得到经过各转运路段的住院人次;
将就诊人次和住院人次相加,得到目标转运时间段内,经过各转运路段的总人次。
优选地,本方法还包括:
获取住院病人家属探访历史数据,根据在目标转运时间经过各转运路段的探访人次;
将就诊人次、住院人次和探访人次相加,得到目标转运时间段内,经过各转运路段的总人次。
优选地,重新计算输出选定路线和对应的选定时间包括:
选定时间经过后,若监控到医疗废弃物的转运仍未开始,则将该选定路线和选定时间作废,重新输出总人次最少的转运路线作为选定路线,并将对应的转运时间段输出为选定时间段。
本说明书还提供一种医疗废弃物监控系统,包括:
预设模块,用于获取预设的多条医疗废弃物转运路线与多个医疗废弃物转运时间段,并根据医院布局对各转运路线进行分割,得到对应每条转运路线的多个转运路段;
预测模块,用于根据医院就诊情况,预测各转运时间段内,经过各转运路段的人次;
路线规划模块,用于对比各转运时间段内,经过各转运路段的人次,将总人次最少的转运路线输出为选定路线,并将对应的转运时间段输出为选定时间段;
监控模块,用于监控医疗废弃物是否按选定时间段进行转运,若否,则重新计算输出选定路线和对应的选定时间,还用于监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示。
本发明的有益效果:通过基于预设的转运路线和转运时间段,并预测各转运时间段内,路过各转运路线的总人次,为医疗废弃物转运规划能够尽可能避开医院非工作人员的最佳路线,并且通过对转运过程的时间和路线进行监控,进行实时调整和纠正,以保证实际转运过程与规划的时间路线相符,从而保证设计的避开医院非工作人员的目的能够按规划实现,以尽可能减少因医疗废弃物潜在的泄露风险而造成了病菌传播可能性,提高医疗废弃物转运过程的安全性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中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,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为本发明实施例的医疗废弃物监控方法流程示意图;
图2为本发明实施例的医疗废弃物监控系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本说明书实施例提供一种医疗废弃物监控方法,包括以下步骤:
S101获取预设的多条医疗废弃物转运路线与多个医疗废弃物转运时间段;
举例来说,医疗废弃物转运路线可根据医院布局进行设计,如手术室→内科一病区→内科二病区→第一门诊→医废暂存点等,设计路线时考虑科室是否相邻、是否处于同一楼层等因素,使路线的设定尽量合理避免重复,医疗废弃物转运时间段可在医院原有医废转运时间安排的基础上进一步调整,如原先安排每天下午3点进行医废转运,则可将医疗废弃物转运时间段设置为2点半-2点40、2点40-2点50、2点50-3点、3点-3点10分、3点10分-3点20、3点20-3点半这8个时间段,也可以自由调整每个时间段的时间,具体不做限定,此外,若整个转运过程较长,在计算各转运路段的对应转运时间时应根据转运预计耗费时间顺延,保证本方法后续的预测数据与转运过程相匹配。
S102根据医院布局对各转运路线进行分割,得到对应每条转运路线的多个转运路段;
举例来说,进行分割时,先获取医院各楼层出入口分布情况,将楼层中每个出入口作为节点,再基于节点将转运路线分割为多个转运路段,通过以上步骤对转运路线进行分割,便于后续对每个路段进行相对独立的规划和监控,将楼层中每个出入口作为节点是考虑到路线设置的合理性。
S103根据医院就诊情况,预测各转运时间段内,经过各转运路段的人次,举例来说,本步骤具体包括:
获取各科室历史就诊数据,利用深度三维卷积神经网络训练得到就诊人次预测模型;
获取目标转运时间段的特征参数,将特征参数输入就诊人次预测模型,得到目标转运时间段的就诊人次数据;
获取各科室当前住院人数数据,根据住院人数数据和预测的就诊人次数据,得到目标转运时间段内,经过各转运路段的人次。
通过利用深度三维卷积神经网络建立预测模型,可以得到相对准确的预测结果。
进一步来说,首先从历史就诊数据中提取与就诊人次相关的特征参数来构建影响因子-就诊人次数据集;
按比例随机划分训练集和验证集,搭建深度三维卷积神经网络,利用训练集对深度三维卷积神经网络进行训练;
利用验证集对训练得到的模型参数进行验证,跟踪预测精度并对模型参数进行更新,直到预测精度达到设定要求,保存模型参数得到基于深度三维卷积神经网络的就诊人次预测模型。
通过提取特征参数构建影响因子-就诊人次数据集,实际上是为了分析特征参数与就诊人次之间的相关性,即通过深度三维卷积神经网络得到将特征参数作为自变量,就诊人次作为因变量的预测模型,以此预测目标转运时间段的就诊人次情况,举例来说,影响因子包括季节影响因子、工作日影响因子、气候影响因子、传染病流行影响因子,上述参数均会影响就诊人次。
得到目标转运时间段的就诊人次情况后,再结合住院人数数据,得到目标转运时间段内,经过各转运路段的人次,该步骤具体包括两部分:
1、获取历史就诊数据中就诊人员前往各科室就诊的路径,举例来说,就诊病历中一般会记录有就诊人员的就诊流程,如化验、取药等,可以根据就诊流程模拟出就诊人员的就诊路径,之后根据历史路径计算各科室就诊人员在目标转运时间段经过各转运路段的第一途径概率,再根据第一途径概率和预测的就诊人次数据,计算得到经过各转运路段的就诊人次。
2、获取住院病人历史行为路径,举例来说,可结合医院内监控视频和病人病历计算住院病人在目标转运时间段经过各转运路段的第二途径概率,再根据第二途径概率和预测的就诊人次数据,计算得到经过各转运路段的住院人次。
之后将将就诊人次和住院人次相加,得到目标转运时间段内,经过各转运路段的总人次。
进一步的,还可以获取住院病人的家属探访数据,以此计算得到在目标转运时间经过各转运路段的探访人次,将就诊人次、住院人次和探访人次相加,得到目标转运时间段内,经过各转运路段的总人次。
S104对比各转运时间段内,经过各转运路段的人次,将总人次最少的转运路线输出为选定路线,并将对应的转运时间段输出为选定时间段。
该步骤是为了得到能够在医疗废弃物转运过程中尽可能避开非医院工作人员的转运路线,以及确定合适的转运时机,根据不同的预设转运路线和预设转运时间段,存在多种时间和路线的组合,最终输出的选定时间段和选定路线使得经过该路线中各路段的总人次最低。
S105监控医疗废弃物是否按选定时间段进行转运,若否,则重新计算输出选定路线和对应的选定时间,具体包括:选定时间经过后,若监控到医疗废弃物的转运仍未开始,则将该选定路线和选定时间作废,重新输出总人次最少的转运路线作为选定路线,并将对应的转运时间段输出为选定时间段。
错过选定时间段可能是由各种外部原因导致的,但时间段错过后如果仍按选定路线进行转运,由于经过转运路段的人次情况已经不同,因此避开医院非工作人员的目的已无法实现,因此本方法在排除已经过时间段的基础上,重新计算并输出选定时间段和选定路线,保证本方法目的能够达到。
S106监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示,具体包括:以节点作为监控点,判断医疗废弃物转运是否沿选定路线从上一路段进入下一路段,若判断为否,则向转运目标发出提示,引导其正确的行进路线。
即实时监控转运目标如医废转运车的位置,并进行实时路线引导和纠正,以保证转运车按选定路线进行医废转运。
本说明书实施例提供的医疗废弃物监控方法,通过基于预设的转运路线和转运时间段,并预测各转运时间段内,路过各转运路线的总人次,为医疗废弃物转运规划能够尽可能避开医院非工作人员的最佳路线,并且通过对转运过程的时间和路线进行监控,进行实时调整和纠正,以保证实际转运过程与规划的时间路线相符,从而保证设计的避开医院非工作人员的目的能够按规划实现,以尽可能减少因医疗废弃物潜在的泄露风险而造成了病菌传播可能性,提高医院就诊和住院病人等人群的安全性。
本说明书实施例还提供一种医疗废弃物监控系统,包括:
预设模块,用于获取预设的多条医疗废弃物转运路线与多个医疗废弃物转运时间段,并根据医院布局对各转运路线进行分割,得到对应每条转运路线的多个转运路段;
预测模块,用于根据医院就诊情况,预测各转运时间段内,经过各转运路段的人次;
路线规划模块,用于对比各转运时间段内,经过各转运路段的人次,将总人次最少的转运路线输出为选定路线,并将对应的转运时间段输出为选定时间段;
监控模块,用于监控医疗废弃物是否按选定时间段进行转运,若否,则重新计算输出选定路线和对应的选定时间,还用于监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示。
具体来说,监控模块可采用RFID射频方式或摄像头图像识别方式,在两种方案中,由于均需要布置多个RFID射频模块或摄像头,因此还需要检测监控设备是否正常工作,若出现故障,则不仅会导致本方法后续的路线引导失效,还会导致医疗废弃物的整个监控、追溯流程出现偏差,因此本系统还需要检测监控设备的稳定性,在部分设备出现故障时,排除需要该设备的选定路线,并在此基础上,重新输出总人次最少的转运路线作为选定路线,并将对应的转运时间段输出为选定时间段。
上述系统即用于实施本说明书提供的医疗废弃物监控方法,具体效果不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明的范围被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种医疗废弃物监控方法,其特征在于,包括:
获取预设的多条医疗废弃物转运路线与多个医疗废弃物转运时间段;
根据医院布局对各转运路线进行分割,得到对应每条转运路线的多个转运路段;
根据医院就诊情况,预测各转运时间段内,经过各转运路段的人次;
对比各转运时间段内,经过各转运路段的人次,将总人次最少的转运路线输出为选定路线,并将对应的转运时间段输出为选定时间段;
监控医疗废弃物是否按选定时间段进行转运,若否,则重新计算输出选定路线和对应的选定时间;
监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示;
所述根据医院就诊情况,预测目标转运时间段内,经过各转运路段的人次包括:
获取各科室历史就诊数据,利用深度三维卷积神经网络训练得到就诊人次预测模型;
获取目标转运时间段的特征参数,将特征参数输入就诊人次预测模型,得到目标转运时间段的就诊人次数据;
获取各科室当前住院人数数据,根据住院人数数据和预测的就诊人次数据,得到目标转运时间段内,经过各转运路段的人次。
2.根据权利要求1所述的医疗废弃物监控方法,其特征在于,所述对各转运路线进行分割包括:
获取医院各楼层出入口分布情况,将楼层中每个出入口作为节点;
基于节点将转运路线分割为多个转运路段。
3.根据权利要求2所述的医疗废弃物监控方法,其特征在于,监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示包括:
以节点作为监控点,判断医疗废弃物转运是否沿选定路线从上一路段进入下一路段,若判断为否,则向转运目标发出提示,引导其正确的行进路线。
4.根据权利要求1所述的医疗废弃物监控方法,其特征在于,所述利用深度三维卷积神经网络训练得到就诊人次预测模型包括:
从历史就诊数据中提取与就诊人次相关的特征参数来构建影响因子-就诊人次数据集;
按比例随机划分训练集和验证集,搭建深度三维卷积神经网络,利用训练集对深度三维卷积神经网络进行训练;
利用验证集对训练得到的模型参数进行验证,跟踪预测精度并对模型参数进行更新,直到预测精度达到设定要求,保存模型参数得到基于深度三维卷积神经网络的就诊人次预测模型。
5.根据权利要求4所述的医疗废弃物监控方法,其特征在于,所述影响因子包括季节影响因子、工作日影响因子、气候影响因子、传染病流行影响因子。
6.根据权利要求1所述的医疗废弃物监控方法,其特征在于,所述根据住院人数数据和预测的就诊人次数据,得到目标转运时间段内,经过各转运路段的人次包括:
获取历史就诊数据中就诊人员前往各科室就诊的历史路径;
根据历史路径计算各科室就诊人员在目标转运时间段经过各转运路段的第一途径概率;
根据第一途径概率和预测的就诊人次数据,计算得到经过各转运路段的就诊人次;
获取住院病人历史行为路径;
根据历史行为路径计算住院病人在目标转运时间段经过各转运路段的第二途径概率;
根据第二途径概率和预测的就诊人次数据,计算得到经过各转运路段的住院人次;
将就诊人次和住院人次相加,得到目标转运时间段内,经过各转运路段的总人次。
7.根据权利要求6所述的医疗废弃物监控方法,其特征在于,所述方法还包括:
获取住院病人家属探访历史数据,根据在目标转运时间经过各转运路段的探访人次;
将就诊人次、住院人次和探访人次相加,得到目标转运时间段内,经过各转运路段的总人次。
8.根据权利要求1所述的医疗废弃物监控方法,其特征在于,所述重新计算输出选定路线和对应的选定时间包括:
选定时间经过后,若监控到医疗废弃物的转运仍未开始,则将该选定路线和选定时间作废,重新输出总人次最少的转运路线作为选定路线,并将对应的转运时间段输出为选定时间段。
9.一种医疗废弃物监控系统,其特征在于,包括:
预设模块,用于获取预设的多条医疗废弃物转运路线与多个医疗废弃物转运时间段,并根据医院布局对各转运路线进行分割,得到对应每条转运路线的多个转运路段;
预测模块,用于根据医院就诊情况,预测各转运时间段内,经过各转运路段的人次;
所述根据医院就诊情况,预测目标转运时间段内,经过各转运路段的人次包括:
获取各科室历史就诊数据,利用深度三维卷积神经网络训练得到就诊人次预测模型;
获取目标转运时间段的特征参数,将特征参数输入就诊人次预测模型,得到目标转运时间段的就诊人次数据;
获取各科室当前住院人数数据,根据住院人数数据和预测的就诊人次数据,得到目标转运时间段内,经过各转运路段的人次;
路线规划模块,用于对比各转运时间段内,经过各转运路段的人次,将总人次最少的转运路线输出为选定路线,并将对应的转运时间段输出为选定时间段;
监控模块,用于监控医疗废弃物是否按选定时间段进行转运,若否,则重新计算输出选定路线和对应的选定时间,还用于监控医疗废弃物是否按选定路线进行转运,若否,则进行引导提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211291616.XA CN115376672B (zh) | 2022-10-21 | 2022-10-21 | 一种医疗废弃物监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211291616.XA CN115376672B (zh) | 2022-10-21 | 2022-10-21 | 一种医疗废弃物监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115376672A CN115376672A (zh) | 2022-11-22 |
CN115376672B true CN115376672B (zh) | 2023-01-31 |
Family
ID=84073482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211291616.XA Active CN115376672B (zh) | 2022-10-21 | 2022-10-21 | 一种医疗废弃物监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115376672B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523146B (zh) * | 2023-06-30 | 2023-09-26 | 天津蓝天环科环境科技股份有限公司 | 一种基于神经网络的医院污水量预测方法及装置 |
CN117350456A (zh) * | 2023-10-17 | 2024-01-05 | 四川公路桥梁建设集团有限公司 | 一种预制构件环保监测方法、系统、装置及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527097A (zh) * | 2017-09-04 | 2017-12-29 | 医惠科技有限公司 | 医疗废物追溯方法、装置、系统及电子设备 |
CN108871522A (zh) * | 2018-06-19 | 2018-11-23 | 张淏瑞 | 基于互联网的医疗垃圾监控及预警系统 |
CN111403008A (zh) * | 2020-03-19 | 2020-07-10 | 杭州憶盛医疗科技有限公司 | 一种基于5g技术的医疗物联网垃圾处理系统 |
CN111824646A (zh) * | 2020-06-16 | 2020-10-27 | 浙江天尚元科技有限公司 | 一种医疗废物智能运输车及运输方法 |
CN112215555A (zh) * | 2020-10-23 | 2021-01-12 | 广州市曦鸿信息科技有限公司 | 一种基于二维码技术的医疗废弃物管理方法及系统 |
CN113762780A (zh) * | 2021-09-09 | 2021-12-07 | 广东工业大学 | 一种使用改进遗传算法处理医疗废料收集问题的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005029286A2 (en) * | 2003-09-19 | 2005-03-31 | Vesta Medical, Llc | System and method for sorting medical waste for disposal |
CN105654409B (zh) * | 2016-01-06 | 2021-05-18 | 刘海 | 一种医疗废物智能转运系统 |
CN105956642A (zh) * | 2016-05-19 | 2016-09-21 | 医惠科技有限公司 | 医疗废物管理系统 |
CN109147916B (zh) * | 2018-08-22 | 2023-05-26 | 江苏超敏科技有限公司 | 一种医疗废物在线监管装置及方法 |
CN110633935A (zh) * | 2019-07-29 | 2019-12-31 | 合肥工业大学 | 一种医疗废弃物流通系统及方法 |
CN115064252B (zh) * | 2022-08-17 | 2022-12-06 | 南京天溯自动化控制系统有限公司 | 一种医废分拣转运系统 |
-
2022
- 2022-10-21 CN CN202211291616.XA patent/CN115376672B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527097A (zh) * | 2017-09-04 | 2017-12-29 | 医惠科技有限公司 | 医疗废物追溯方法、装置、系统及电子设备 |
CN108871522A (zh) * | 2018-06-19 | 2018-11-23 | 张淏瑞 | 基于互联网的医疗垃圾监控及预警系统 |
CN111403008A (zh) * | 2020-03-19 | 2020-07-10 | 杭州憶盛医疗科技有限公司 | 一种基于5g技术的医疗物联网垃圾处理系统 |
CN111824646A (zh) * | 2020-06-16 | 2020-10-27 | 浙江天尚元科技有限公司 | 一种医疗废物智能运输车及运输方法 |
CN112215555A (zh) * | 2020-10-23 | 2021-01-12 | 广州市曦鸿信息科技有限公司 | 一种基于二维码技术的医疗废弃物管理方法及系统 |
CN113762780A (zh) * | 2021-09-09 | 2021-12-07 | 广东工业大学 | 一种使用改进遗传算法处理医疗废料收集问题的方法 |
Non-Patent Citations (1)
Title |
---|
浅谈医疗废弃物智能监管平台建设与应用;张涛;《数字技术与应用》;20210625;第118-120页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115376672A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115376672B (zh) | 一种医疗废弃物监控方法及系统 | |
Oh et al. | Use of a simulation-based decision support tool to improve emergency department throughput | |
Cimellaro et al. | Using discrete event simulation models to evaluate resilience of an emergency department | |
US20140108033A1 (en) | Healthcare enterprise simulation model initialized with snapshot data | |
CA2936876A1 (en) | Systems and methods for near-real or real-time contact tracing | |
WO2016201595A1 (zh) | 一种基于rfid技术的自动化就诊系统 | |
CN111524612B (zh) | 传染病溯源方法、装置、计算机设备和存储介质 | |
Rezaei Kallaj et al. | Vehicle routing problem in relief supply under a crisis condition considering blood types | |
Meng et al. | The impact of facility layout on service worker behavior: An empirical study of nurses in the emergency department | |
TariVerdi et al. | A resource-constrained, multi-unit hospital model for operational strategies evaluation under routine and surge demand scenarios | |
CN107992955A (zh) | 基于app的小儿推拿预约系统 | |
Chen et al. | Performance evaluation of automated medicine delivery systems | |
Yang et al. | [Retracted] Optimization on Medical Material Distribution Management System Based on Artificial Intelligence Robot | |
Corsini et al. | A configurable computer simulation model for reducing patient waiting time in oncology departments | |
McCool-Guglielmo et al. | Impact of facilities layout methods on in-person elections: A theoretical exploration | |
US20230049068A1 (en) | Systems and methods for real time workload balancing | |
Suhaimi et al. | Building a flexible simulation model for modeling multiple outpatient orthopedic clinics | |
Schmidt et al. | The drop box location problem | |
Abourraja et al. | A data-driven discrete event simulation model to improve emergency department logistics | |
Oueida et al. | Emergency department proposed model: Estimating kpis | |
Azcárate et al. | Calibration of a decision-making process in a simulation model by a bicriteria optimization problem | |
Rashwan et al. | An integrated approach of multi-objective optimization model for evaluating new supporting program in Irish hospitals | |
CN115934701B (zh) | 基于知识图谱的个体出行补全方法、电子设备及存储介质 | |
GB2515118A (en) | Method and System for Healthcare Pathway Modelling | |
US20210280303A1 (en) | Health care facility monitoring system |
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 |