CN115798697A - 基于人工智能算法的县域卫生共同体诊疗设备管理系统 - Google Patents
基于人工智能算法的县域卫生共同体诊疗设备管理系统 Download PDFInfo
- Publication number
- CN115798697A CN115798697A CN202211470465.4A CN202211470465A CN115798697A CN 115798697 A CN115798697 A CN 115798697A CN 202211470465 A CN202211470465 A CN 202211470465A CN 115798697 A CN115798697 A CN 115798697A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- equipment
- medical
- management system
- treatment equipment
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:每个医疗诊疗设备的数据被其连接的5G物联终端数据采集设备采集,5G物联终端数据采集设备将数据通过5G基站传输给其所属医疗机构,医疗机构再通过互联网上传到云服务器,云服务器中的诊疗设备管理系统处理这些数据;诊疗设备管理系统包括多个子系统;人工智能算法为神经网络人工智能算法,构建医疗机构‑科室‑设备的三层神经网络模型。本发明实现县域内医疗设备资源合理配置、基层医疗服务能力提升、就医秩序合理规范。
Description
技术领域
本发明涉及一种诊疗设备管理系统领域,具体地说是一种基于人工智能算法的县域卫生共同体诊疗设备管理系统。
背景技术
县域是指一个县级行政区区域。
县域卫生医疗机构有县级医院、乡镇卫生院、社区卫生服务中心等,这些县域卫生医疗机构普遍存在规模较小,医疗人员业务能力较差,医疗设备多寡不匀造成浪费及不足共存的现象。
因此组建了县域卫生共同体,县域卫生共同体是指以县级医院为龙头,整合县乡医疗卫生资源,实施集团化运营管理。着力改革完善县级医院、乡镇卫生院、社区卫生服务中心的管理体制和运行机制,形成服务共同体、责任共同体、利益共同体、管理共同体,促进县域内医疗卫生资源合理配置、医共体内人员正常流动、基层医疗服务能力明显提升、就医秩序合理规范的目标。
但是,只是组织成县域卫生共同体,没有配套的诊疗设备管理系统作为技术措施,县域卫生共同体是不能很好地完成其目标的。
发明内容
本发明提供基于人工智能算法的县域卫生共同体诊疗设备管理系统,其目的是解决现有技术的缺点,实现县域内医疗设备资源合理配置、基层医疗服务能力提升、就医秩序合理规范。
本发明解决其技术问题的方案在于:
基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:
每个医疗诊疗设备的数据被其连接的5G物联终端数据采集设备采集,5G物联终端数据采集设备将数据通过5G基站传输给其所属医疗机构,医疗机构再通过互联网上传到云服务器,云服务器中的诊疗设备管理系统处理这些数据;
诊疗设备管理系统包含以下子系统:
A:诊疗设备采购管理系统:该系统对县域内医疗机构的诊疗设备采购行为进行集中式管理;
B:诊疗设备信息管理系统:该系统显示县域级各医疗机构所属的诊疗设备详细信息;
C:诊疗设备调度管理系统:该系统通过获取到的诊疗设备的工作负荷强度信息数据,通过人工智能算法,根据多维度参数乘以不同权重系数的方式进行神经网络计算,对诊疗设备在过去时间内的工作负荷强度进行数据评估以及对未来一段时间内设备的使用情况进行预测;
D:诊疗设备盘点系统:该系统基于县域各医疗机构定期对自身所属的诊疗设备进行盘点,定期修正设备管理系统中设备信息数据与实物产生差异的部分;
E:公共诊疗设备管理系统:该系统更新公共诊疗设备的新所在医疗机构信息以及新的所在科室信息;
F:急救设备独立管系统:该系统中人工智能算法对急救设备需求的计算按最大权重进行,最优先保证急救病人的诊疗设备使用需求;
G:诊疗设备报废管理系统:该系统将报废设备设置为报废状态;用户在单独的报废设备清单中查看已报废设备明细;针对已报废设备清单,人工智能算法将报废设备分类汇总,对设备的历史报废数据进行分析;
H:诊疗设备耗材管理系统;
I:诊疗设备临床保修、保养及维修验收管理系统;
J:诊疗设备的效益分析以及相关统计数据系统;
上述人工智能算法为神经网络人工智能算法:
神经网络节点以单个医疗诊疗设备作为计算单元进行最小化节点连接,每个科室的多个医疗诊疗设备构成第一层网络;以医疗诊疗设备连接的其所属科室作为节点的上层维度网络,多个科室构成第二层网络;科室连接的其所属医疗机构作为顶层网络也即第三层网络,构建医疗机构-科室-设备的三层神经网络模型。时间、耗材、设备开停机、检测功能启用、维修、保养、采购金额、折旧方式作为每个神经网络节点的输入参数,并且赋予各自参数不同的权重值,用来对第二层网络节点的计算,最终在第三层形成针对每一个诊疗设备的神经网络模型。
进一步的:所述县域卫生共同体诊疗设备管理系统以Tensorflow运行。
进一步的:所述诊疗设备采购管理系统基于人工智能算法对县域内待采购诊疗设备现存数量的统计与采购需求的差异化对比。
进一步的:所述诊疗设备调度管理系统通过各医疗机构诊疗设备上传的实时工作数据,在时间维度上统计各诊疗设备的工作负荷强度信息。
进一步的:所述急救设备独立管系统在急救设备的采购请求中,降低医疗机构间调拨的权重配比,以优先满足所有医疗机构都配备完善的急救诊疗设备为最优先解决方案。
进一步的:所述县域卫生共同体诊疗设备管理系统中包括区域医疗中心云系统;
医疗器械数据持续采集患者生命体征,通过5G物联终端数据采集设备,远程传输到区域医疗中心云系统(5G+医疗物联网区域医疗中心),分别在专家医生远程会诊大屏幕、现场医护工作站屏幕上展示;
区域医疗中心云系统(5G+医疗物联网区域医疗中心)进行实时分析,分析结果传输给专家医生远程会诊大屏幕、现场医护工作站屏幕。
进一步的:所述5G物联终端数据采集设将数据先通过5G基站传输给其所属科室,再通过5G基站传输给其所属医疗机构。
进一步的:所述5G物联终端数据采集设备以通用的PCI-E接口以及USB接口为基准,加载5G的无线信号传输模块。
本发明的有益之处在于:
本发明基于Tensorflow深度学习框架提供的高灵活性、高可移植性、高性能支持,与人工智能算法相结合,在基于额外的医疗诊疗设备数据采集模块的前提下,实时动态的获取到各个医院医疗诊疗设备的数据,将县域各乡镇医疗机构的诊疗设备纳入同一套设备管理系统,实现服务共同体、责任共同体、利益共同体、管理共同体,实现县域内医疗设备资源合理配置、基层医疗服务能力提升、就医秩序合理规范。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明硬件架构示意图;
图2为神经元模型图;
图3为本发明医疗机构、科室、设备神经网络模型图。
具体实施方式
为了更清楚地说明本发明的技术方案,下面将对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实施例。为了便于理解本发明,下面结合附图和具体实施例,对本发明进行更详细的说明。
需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
如图1所示:
医疗诊疗设备1附加5G物联网数据采集设备2实现数据采集以及实时上传。
本发明针对医疗诊疗设备1的实时数据采集,基于医疗诊疗设备1所连接的5G物联终端数据采集设备2,该5G物联终端数据采集设备2以通用的PCI-E接口以及USB接口为基准,加载了5G的无线信号传输模块,在配合5G基站3的情况下,可以实现更大宽带、更高网速、更低延时,完美契合大接入量、反馈及时、稳定可靠的物联网场景需求。
每个医疗诊疗设备1的数据(诊疗设备的开关机以及诊疗数据)被其连接的5G物联终端数据采集设备2采集,5G物联终端数据采集设备2满足延时不超过1毫秒,传输速率下行峰值≥1.54Gbps,传输速率上行峰值≥308Mbps,吞吐量每秒处理500个响应,支持每秒100个事务,支持8秒/G数据传输。5G物联终端数据采集设备2将数据通过5G基站3传输给其所属科室1’,再通过5G基站3’传输给其所属医疗机构4(县级医院、乡镇卫生院、社区卫生服务中心),医疗机构4再通过互联网上传到云服务器5,云服务器5中的诊疗设备管理系统6处理这些数据,实现对医疗诊疗设备1的精准监测,实时获知该医疗诊疗设备1当前是否处于工作状态或处于停机状态。
当县域内所有医疗机构4的医疗诊疗设备1都安装了5G物联终端数据采集设备2后,即可根据医疗诊疗设备1的类型与型号接入诊疗设备管理系统6,在该诊疗设备管理系统6中将实时显示当前县域内所有医疗诊疗设备1的工作情况数据。
县域卫生共同体的诊疗设备管理系统6主要包含以下几个子系统:
A:诊疗设备采购管理系统:
该系统对县域内医疗机构的诊疗设备采购行为进行集中式管理,由各级医疗机构提出采购申请至设备管理系统并进行集中式采购,可以很大程度上降低采购成本。并且基于人工智能算法对县域内待采购诊疗设备现存数量的统计与采购需求的差异化对比,可以将一些无需进行采购的申请记录加以标注供领导进行复核。如医院A提交了采购10台CT检测仪的采购申请,但是系统显示医院B有5台同类型设备长期闲置或使用频次较低,则在系统中会将此申请加以标注,由县域卫生共同体管理会决定是否削减采购需求。同时,当多家医院都需采购同类型诊疗设备时,共同体可以对采购需求加以合并,并对设备供应厂商进行集中式采购,降低采购成本,减少重复采购的情况。
B:诊疗设备信息管理系统:
该系统会非常清晰的显示县域级各医疗机构所属的诊疗设备详细信息,如所属医院、所属科室、设备编号、设备名称、设备类型、开停机状态、本次工作时长、运维人员信息、采购途径、采购金额、供应商信息等,便于各医疗机构管理人员快速查看所属自身医疗机构的设备总览信息。当医疗机构采购了新的诊疗设备时,设备科运维人员需及时将新设备信息录入到信息管理模块中,同时诊疗设备信息管理系统会根据所属医院代码+所属科室代码+设备编号代码生成唯一的设备二维码,运维人员需将该二维码黏贴在诊疗设备上,便于后期维修保养人员通过扫描二维码进行维修保养工作并且记录维修保养工作。
C:诊疗设备调度管理系统:
该系统基于县域医疗机构诊疗设备集中式管理的数据集成优势,可以通过各医疗机构诊疗设备上传的实时工作数据,在时间维度上统计各诊疗设备的工作负荷强度信息。通过获取到的诊疗设备的工作负荷强度信息数据,通过人工智能算法,根据多维度参数乘以不同权重系数的方式进行神经网络计算,对诊疗设备在过去时间内的工作负荷强度进行数据评估以及对未来一段时间内设备的使用情况进行预测,从而为县域内多医疗机构的诊疗设备调度提供数据参考。
D:诊疗设备盘点系统:
该系统基于县域各医疗机构定期对自身所属的诊疗设备进行盘点,定期修正设备管理系统中设备信息数据与实物产生差异的部分,保证设备管理系统中的诊疗设备信息是准确、有效且及时更新的,为人工智能算法对设备信息的计算、归纳、统计以及预测所使用到的基础数据的准确性提供保障。
E:公共诊疗设备管理系统:
对于一些多科室共用或者多医疗机构共用的诊疗设备,在设备管理系统中将被定义为公共诊疗设备。此类设备在公共诊疗设备管理系统中除记录诊疗设备相关信息外,还应当记录设备当前所在医疗机构以及当前所在科室信息。当公共诊疗设备被借用或借调时,应当在公共诊疗设备管理系统中提前做出借调申请,批准后设备产生借调行为,同时公共诊疗设备管理系统自动更新公共诊疗设备的新所在医疗机构信息以及新的所在科室信息。
F:急救设备独立管系统:
针对县域中医疗机构的急救设备,应当在急救设备独立管系统中单独管理,且人工智能算法对急救设备需求的计算按最大权重进行,最优先保证急救病人的诊疗设备使用需求。在急救设备的采购请求中,会适当降低医疗机构间调拨的权重配比,以优先满足所有医疗机构都配备完善的急救诊疗设备为最优先解决方案。
G:诊疗设备报废管理系统:
当县域中医疗机构的诊疗设备出现无法使用的情况需要报废时,由设备科运维人员在诊疗设备报废管理系统中提交报废申请,经院领导批准后予以报废。报废申请批准后,诊疗设备报废管理系统将该报废设备自动设置为报废状态,并不清除该设备信息,同时将该设备从在用设备字典中排除出去。用户可在单独的已报废设备清单中查看已报废设备明细。针对已报废设备清单,人工智能算法会将报废设备分类汇总,计算出哪些类型设备报废频次最高,哪些设备报废时长最短以及哪些设备的报废年限最长,当出现针对报废设备的重复采购申请时,可以对该设备的历史报废数据进行分析,进而给出是否需要更换设备类型的判断。
H:诊疗设备耗材管理系统:
在诊疗设备的日常使用中,耗材也是非常重要的部分。诊疗设备耗材管理系统针对设备耗材,建立了相应的信息管理模块。针对设备的耗材管理,诊疗设备耗材管理系统将会统计某诊疗设备下耗材的使用情况,如单次使用量、使用频次、峰值用量以及峰谷用量,为设备的耗材采购建立趋势化数据分析,进而指导医疗机构合理采购设备耗材,避免少量多次重复采购,或者超量采购导致耗材过期的情况出现。同时,对县域内同类型诊疗设备耗材分布进行统计分析,当出现某耗材存量过高且临近过期时,优先采取县域内耗材调拨补充的方式以取代采购行为,最大化合理利用医疗资源。
I:诊疗设备临床保修、保养及维修验收管理系统:
诊疗设备需要日常保修维护以及故障的维修,诊疗设备临床保修、保养及维修验收管理系统在诊疗设备信息录入时应当按照厂商要求的维修保养计划将定期保养的频次或日程维护到对应设备中去。诊疗设备临床保修、保养及维修验收管理系统在临近诊疗设备维修保养日期时将通过邮件、短信或微信公众号推送消息的方式,通知对应的设备科运维人员,让运维人员及时安排工程师对目标设备进行维修保养。工程师对设备进行保养或者检修时,通过工机或PDA扫描设备上的二维码,开启维修保养任务,结束后拍照上传维修保养情况,进而完成维修保养工作。设备科运维人员可以通过诊疗设备临床保修、保养及维修验收管理系统中的设备维修保养信息的进度,清晰的把握设备维修保养的情况。
J:诊疗设备的效益分析以及相关统计数据系统:
诊疗设备的效益分析以及相关统计数据系统可以针对单个诊疗设备统计该设备的收入支出情况,包括根据诊疗设备每一次的检测动作数据结合医院的仪器诊疗收费标准得到设备的收入情况,以及根据设备的日折旧金额与耗材使用量得到设备的支出情况,进而可以分析诊疗设备的日经济效益信息,结合时间维度,还可以对设备的月经济效益、年经济效益以及设备全生命周期的经济效益分析。在相同时间维度的条件下,可以在县域内针对同类型不同型号的诊疗设备所产生的经济效益进行横向对比,进而在保证诊疗水平的前提下,为医疗机构选择经济效益最大化的诊疗设备。
在对诊疗设备的经济效益进行分析时,也可以从单一设备的维度上升为科室经济效益分析,对经济效益高的科室予以奖励,对经济效益低迷的科室,则需要排查原因,判断是否因非人为因素(如设备故障率高、维修停机时间过长、耗材准备不充分)造成设备使用效率较低,或者当设备因素相同时,考察医护人员的专业技术水平是否达标,进而分析出最可靠的原因。从而提高医疗资源的利用效率,对医疗机构来说产生与设备资源投入相符合的经济效益产出。最后,以各医疗机构为单位,衡量整体的诊疗设备经济效益情况,平衡县域内的医疗资源水平。
在本发明的诊疗设备管理系统中,人工智能算法的选择上,本发明选用神经网络算法(neural network),也即上述人工智能算法为神经网络人工智能算法。
神经网络人工算法概述:
逻辑性的思维是指根据逻辑规则进行推理的过程;它先将信息化成概念,并用符号表示,然后,根据符号运算按串行模式进行逻辑推理;这一过程可以写成串行的指令,让计算机执行。然而,直观性的思维是将分布式存储的信息综合起来,结果是忽然间产生的想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布存储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。
如图2所示的神经元模型显示:
可以将当前神经元视为一个单独的决策单元,一个神经元接收到来自n个其他神经元传递过来的输入信号(第1个神经元传递过来的输入信号x1;第2个神经元传递过来的输入信号x2;…;第i个神经元传递过来的输入信号xi;…;第n个神经元传递过来的输入信号xn),这些输入信号通过带权重(第1个神经元传递过来的输入信号x1的权重w1;第2个神经元传递过来的输入信号x2的权重w2;…;第i个神经元传递过来的输入信号xi的权重wi;…;第n个神经元传递过来的输入信号xn的权重wn)的连接进行传递,当前神经元接收到的总输入值与当前神经元的阈值θ进行比较,然后通过激活函数f处理以产生当前神经元的输出为了统一书写格式经常将阈值写成输入中的一个偏置项bias unit:x0=1,它的权重为(w0(-θ=w0x0))。激活函数的作用是将线性映射转换为非线性映射,常用的激活函数有sigmoid、softmax、tanh、relu、leaky relu等。
神经网络是具有适应性的神经元组成的广泛并行互联的网络,能够模拟生物神经系统对真实世界物体所作出的交互反映。深度神经网络DNN可理解为有很多隐藏层的神经网络,也可称为多层感知机MLP(Multi-Layer Perceptron),按层次可分为输入层inputlayer、任意数量的隐藏层hidden layer和输出层output layer。
如图3所示:
在本发明的县域卫生共同体诊疗设备管理系统中,神经网络节点将以单个医疗诊疗设备1作为计算单元1进行最小化节点连接,每个科室1’的n个医疗诊疗设备1(医疗诊疗设备11;医疗诊疗设备12;医疗诊疗设备13;…;医疗诊疗设备1n)构成第一层网络。以医疗诊疗设备1连接的其所属科室1’作为节点的上层维度网络,n个科室1’(科室1’1;科室1’2;科室1’3;…;科室1’n)构成第二层网络。科室1’连接的其所属医疗机构4作为顶层网络也即第三层网络,构建医疗机构-科室-设备的三层神经网络模型。时间、耗材、设备开停机、检测功能启用、维修、保养、采购金额、折旧方式等等将作为每个神经网络节点(单个医疗诊疗设备1)的输入参数,并且赋予各自参数不同的权重值,用来对隐藏层(也即第二层)网络节点的计算。最终在输出层(也即第三层)形成针对每一个诊疗设备的神经网络模型,输出,用来对设备的多维度信息进行分类与汇总。
本发明的县域卫生共同体诊疗设备管理系统以Tensorflow运行。
Google开源的Tensorflow是一款使用C++语言开发的开源数学计算软件,使用数据流图(Data Flow Graph)的形式进行计算。图中的节点代表数学运算,而图中的线条表示多维数据数组(tensor)之间的交互。Tensorflow灵活的架构可以部署在一个或多个CPU、GPU的台式及服务器中,或者使用单一的API应用在移动设备中。Tensorflow最初是由研究人员和Google Brain团队针对机器学习和深度神经网络进行研究而开发,开源之后几乎可以在各个领域适用。
Tensorflow是全世界使用人数最多、社区最为庞大的一个框架,因为Google公司出品,所以维护与更新比较频繁,并且有着Python和C++的接口,教程也非常完善,同时很多论文复现的第一个版本都是基于Tensorflow写的,所以是深度学习界框架默认领导者。
TensorFlow工作流易于理解。它的API保持着高度的一致性并且很稳定,维护者始终在努力确保每次改动都向下兼容。
TensorFlow与NumPy无缝集成,可使大多数了解Python的数据科学家如鱼得水。
Tensorflow在CPU和GPU上运行,比如说可以运行在台式机、服务器、手机移动设备等等。
进一步地,本发明的县域卫生共同体诊疗设备管理系统中包括区域医疗中心云系统(5G+医疗物联网区域医疗中心),通过5G远程采集技术和现有医疗软件集成系统,对重症监护(包括移动5G+ICU)患者的指标数据进行实时分析,为病情诊疗提供及时、准确、高效的判断,实时向医护人员提供病情分级信息,医护人员核实信息后实时实施人工诊疗干预。逐步通过人工算法,5G+ICU平台具备单病种实时分析、预测与辅助决策等功能。
ICU病房9种医疗器械安装5G物联终端数据采集设备2,形成5G+ICU数据病房,可以实时采集、传输患者体征数据给区域医疗中心云系统(5G+医疗物联网区域医疗中心)。
医疗器械数据持续采集患者生命体征(尿流量,或者心电,或者呼吸率,或者血氧含量等),通过5G物联终端数据采集设备2,远程传输到区域医疗中心云系统(5G+医疗物联网区域医疗中心),分别在专家医生远程会诊大屏幕、现场医护工作站墙壁屏幕上展示。
区域医疗中心云系统(5G+医疗物联网区域医疗中心)进行实时分析,分析结果传输给专家医生远程会诊大屏幕、现场医护工作站墙壁屏幕等,可供医生专家远程会诊中心实时诊断,并对现场医护工作者进行实时干预。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:
每个医疗诊疗设备的数据被其连接的5G物联终端数据采集设备采集,5G物联终端数据采集设备将数据通过5G基站传输给其所属医疗机构,医疗机构再通过互联网上传到云服务器,云服务器中的诊疗设备管理系统处理这些数据;
诊疗设备管理系统包含以下子系统:
A:诊疗设备采购管理系统:该系统对县域内医疗机构的诊疗设备采购行为进行集中式管理;
B:诊疗设备信息管理系统:该系统显示县域级各医疗机构所属的诊疗设备详细信息;
C:诊疗设备调度管理系统:该系统通过获取到的诊疗设备的工作负荷强度信息数据,通过人工智能算法,根据多维度参数乘以不同权重系数的方式进行神经网络计算,对诊疗设备在过去时间内的工作负荷强度进行数据评估以及对未来一段时间内设备的使用情况进行预测;
D:诊疗设备盘点系统:该系统基于县域各医疗机构定期对自身所属的诊疗设备进行盘点,定期修正设备管理系统中设备信息数据与实物产生差异的部分;
E:公共诊疗设备管理系统:该系统更新公共诊疗设备的新所在医疗机构信息以及新的所在科室信息;
F:急救设备独立管系统:该系统中人工智能算法对急救设备需求的计算按最大权重进行,最优先保证急救病人的诊疗设备使用需求;
G:诊疗设备报废管理系统:该系统将报废设备设置为报废状态;用户在单独的报废设备清单中查看已报废设备明细;针对已报废设备清单,人工智能算法将报废设备分类汇总,对设备的历史报废数据进行分析;
H:诊疗设备耗材管理系统;
I:诊疗设备临床保修、保养及维修验收管理系统;
J:诊疗设备的效益分析以及相关统计数据系统;
上述人工智能算法为神经网络人工智能算法:
神经网络节点以单个医疗诊疗设备作为计算单元进行最小化节点连接,每个科室的多个医疗诊疗设备构成第一层网络;以医疗诊疗设备连接的其所属科室作为节点的上层维度网络,多个科室构成第二层网络;科室连接的其所属医疗机构作为顶层网络也即第三层网络,构建医疗机构-科室-设备的三层神经网络模型;时间、耗材、设备开停机、检测功能启用、维修、保养、采购金额、折旧方式作为每个神经网络节点的输入参数,并且赋予各自参数不同的权重值,用来对第二层网络节点的计算,最终在第三层形成针对每一个诊疗设备的神经网络模型。
2.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:
所述县域卫生共同体诊疗设备管理系统以Tensorflow运行。
3.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:所述诊疗设备采购管理系统基于人工智能算法对县域内待采购诊疗设备现存数量的统计与采购需求的差异化对比。
4.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:所述诊疗设备调度管理系统通过各医疗机构诊疗设备上传的实时工作数据,在时间维度上统计各诊疗设备的工作负荷强度信息。
5.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:所述急救设备独立管系统在急救设备的采购请求中,降低医疗机构间调拨的权重配比,以优先满足所有医疗机构都配备完善的急救诊疗设备为最优先解决方案。
6.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:所述县域卫生共同体诊疗设备管理系统中包括区域医疗中心云系统;
医疗器械数据持续采集患者生命体征,通过5G物联终端数据采集设备,远程传输到区域医疗中心云系统,分别在专家医生远程会诊大屏幕、现场医护工作站屏幕上展示;
区域医疗中心云系统进行实时分析,分析结果传输给专家医生远程会诊大屏幕、现场医护工作站屏幕。
7.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:所述5G物联终端数据采集设将数据先通过5G基站传输给其所属科室,再通过5G基站传输给其所属医疗机构。
8.如权利要求1所述的基于人工智能算法的县域卫生共同体诊疗设备管理系统,其特征在于:所述5G物联终端数据采集设备以通用的PCI-E接口以及USB接口为基准,加载5G的无线信号传输模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211470465.4A CN115798697A (zh) | 2022-11-23 | 2022-11-23 | 基于人工智能算法的县域卫生共同体诊疗设备管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211470465.4A CN115798697A (zh) | 2022-11-23 | 2022-11-23 | 基于人工智能算法的县域卫生共同体诊疗设备管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115798697A true CN115798697A (zh) | 2023-03-14 |
Family
ID=85440316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211470465.4A Pending CN115798697A (zh) | 2022-11-23 | 2022-11-23 | 基于人工智能算法的县域卫生共同体诊疗设备管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115798697A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117423444A (zh) * | 2023-09-26 | 2024-01-19 | 中普达科技股份有限公司 | 一种基于物联网的医疗设备管理系统 |
-
2022
- 2022-11-23 CN CN202211470465.4A patent/CN115798697A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117423444A (zh) * | 2023-09-26 | 2024-01-19 | 中普达科技股份有限公司 | 一种基于物联网的医疗设备管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | A large group linguistic Z-DEMATEL approach for identifying key performance indicators in hospital performance management | |
Afilal et al. | Forecasting the emergency department patients flow | |
US8015136B1 (en) | Algorithmic method for generating a medical utilization profile for a patient and to be used for medical risk analysis decisioning | |
Zhu et al. | A hybrid multi-criteria decision making model for elective admission control in a Chinese public hospital | |
Thomas et al. | Automated bed assignments in a complex and dynamic hospital environment | |
Olya et al. | An integrated deep learning and stochastic optimization approach for resource management in team-based healthcare systems | |
CN115798697A (zh) | 基于人工智能算法的县域卫生共同体诊疗设备管理系统 | |
CN112418699A (zh) | 资源分配方法、装置、设备及存储介质 | |
Pine et al. | Emerging insights on building infrastructure for data-driven transparency and accountability of organizations | |
CN112529474B (zh) | 一种区域影像质量控制互认方法及系统 | |
CN113921127A (zh) | 一种区域内血液资源优化调度及精准使用信息系统及方法 | |
CN117350775A (zh) | 一种医用手术机器人市场现状需求分析方法及系统 | |
Lee et al. | System dynamic modelling of patient flow and transferral problem in a mixed public-private healthcare system: A case study of Hong Kong SAR | |
Yuan et al. | A context-aware smart product-service system development approach and application case | |
CN115409380A (zh) | 医院医保绩效评价方法、装置、电子设备及其存储介质 | |
CN114493226A (zh) | 一种基于多维角度分析的公司经营管理用效能评估系统 | |
Robinson | The Costs and Benefit of Health Worker Migration from East and Southern Africa: A Literature Review | |
Turgay et al. | Designing and Implementing Effective Hospital Capacity Management Systems with SEM Analysis | |
Lu et al. | Design of Intelligent Nursing Decision Support System Based on Multiattribute Decision Model | |
Badinelli et al. | Integrating the internet of things and big data analytics into decision support models for healthcare management | |
Olya et al. | Multi-task Prediction of Patient Workload | |
CN117112729B (zh) | 基于人工智能的医疗资源对接方法及系统 | |
Sarıyer et al. | Modeling and forecasting the daily number of emergency department visits using hybrid models | |
Jonas | From Analysis to Value: Internet of Things Solutions in Industry, Cities, and Healthcare | |
Schiele | AI-Enabled Decision Support in Health Care |
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 |