CN116779124A - 一种基于关联规则的手术调度方法和系统 - Google Patents
一种基于关联规则的手术调度方法和系统 Download PDFInfo
- Publication number
- CN116779124A CN116779124A CN202311006923.3A CN202311006923A CN116779124A CN 116779124 A CN116779124 A CN 116779124A CN 202311006923 A CN202311006923 A CN 202311006923A CN 116779124 A CN116779124 A CN 116779124A
- Authority
- CN
- China
- Prior art keywords
- scheduled
- surgery
- attribute
- historical
- weight
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001356 surgical procedure Methods 0.000 claims abstract description 177
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 4
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 241000772415 Neovison vison Species 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06314—Calendaring for a resource
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于智慧医疗技术领域，请求保护一种基于关联规则的手术调度方法和系统，获取待调度第一手术，依据第一推荐模型确定手术室和手术开始时间；获取待调度第二手术以及推荐日期，依据待调度第二手术的推荐日期进行手术权重系数分配，得到自适应推荐模型；采用该模型对待调度第二手术进行手术调度安排；当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对待调度第三手术进行手术调度插队安排；依据自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。本发明可以有效依据手术的个性情况进行自适应调整，对插队手术进行急速安排，获得符合患者需求、手术治疗度需求和医生需求的手术调度方案。
Description
技术领域
本发明属于智慧医疗领域，具体的，涉及一种基于关联规则的手术调度方法和系统。
背景技术
当前的手术室涉及手术耗材、手术室建设等多种问题。
而且，部分手术间手术会持续至凌晨；分台规则需要进一步确认优化；手术时长设定时间过于死板，未考虑手术时长的不确定性。
因此，亟需一种手术调度方案将手术排程分为预排程与当日调整两个阶段，在预排程阶段建立运筹模型在当日调整阶段设计自动化的排程指导，从而管理原理带来的分台指导。
发明内容
根据本发明第一方面，本发明请求保护一种基于关联规则的手术调度方法，包括：
获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将所述待调度第一手术安排至第一手术室和第一手术开始时间；
获取待调度第二手术以及所述待调度第二手术的推荐日期，依据所述待调度第二手术的推荐日期进行手术权重系数分配，得到针对所述待调度第二手术的自适应推荐模型；
采用所述自适应推荐模型对所述待调度第二手术进行手术调度安排，获得所述待调度第二手术的第二手术室和第二手术开始时间；
当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对所述待调度第三手术进行手术调度插队安排，得到所述待调度第三手术的第三手术室和第三手术开始时间；
依据所述自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。
进一步的，所述获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将所述待调度第一手术安排至第一手术室和第一手术开始时间，具体包括：
获取所述待调度第一手术与所述第一推荐模型的历史手术库；
确定历史手术库中的历史手术属性信息的权重；
根据权重在历史手术库中的历史手术中筛选出权重与当前待调度第一手术中手术最接近的3个历史手术；
分析最接近的3个历史手术中待调度第一手术中手术的属性信息与历史手术库中的历史手术属性信息在手术患者上的相似性，基于手术患者上的相似性再进行待调度第一手术中手术的属性信息集合P和历史手术库中的历史手术的属性信息集合Q手术的属性信息的相似度计算，基于手术患者相似性和属性信息的相似度进行两者的综合相似度的计算；
选取综合相似度最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据最相似手术对应的历史手术的属性信息集合Q，得到对应的第一手术方案。
进一步的，所述获取待调度第二手术以及所述待调度第二手术的推荐日期，依据所述待调度第二手术的推荐日期进行手术权重系数分配，得到针对所述待调度第二手术的自适应推荐模型，具体包括：
获取所述待调度第二手术的推荐日期，当所述推荐日期的长度处于第一区间时，手术权重系数分配为手术室属性权重0.1、手术患者属性权重0.3、手术属性权重0.3、手术医生属性0.3；
当所述推荐日期的长度处于第二区间时，手术权重系数分配为手术室属性权重0.25、手术患者属性权重0.25、手术属性权重0.25、手术医生属性0.25；
当所述推荐日期的长度处于第三区间时，手术权重系数分配为手术室属性权重0.4、手术患者属性权重0.2、手术属性权重0.2、手术医生属性0.2；
依据所述手术权重系数分配得到针对所述待调度第二手术的自适应推荐模型。
进一步的，所述采用所述自适应推荐模型对所述待调度第二手术进行手术调度安排，获得所述待调度第二手术的第二手术室和第二手术开始时间，具体包括：
获取所述待调度第二手术的手术属性，采用所述自适应推荐模型，依据手术医生的手术医生属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术医生中进行匹配，获取第一匹配度大于第一阈值的一个或多个候选手术医生；
获取所述待调度第二手术的手术患者属性，采用所述自适应推荐模型，依据手术室的手术室属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术室中进行匹配，获取第一匹配度大于第二阈值的一个或多个候选手术室；
对所述候选手术医生和候选手术室进行修正，得到所述待调度第二手术的第二手术室、第二手术医生和第二手术开始时间。
进一步的，所述当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对所述待调度第三手术进行手术调度插队安排，得到所述待调度第三手术的第三手术室和第三手术开始时间，具体包括：
获取所述待调度第三手术，当所述待调度第三手术的手术时间推荐日期为一小时以内时，认定所述待调度第三手术满足插队策略；
依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术；
依次获取所述即将完成手术对应的临界手术室，当所述临界手术室满足所述待调度第三手术的底线手术条件时，将所述临界手术室作为所述待调度第三手术的第三手术室，所述临界手术室的进行中手术的结束时间作为第三手术开始时间；
获取当前所有空闲中可手术医生，当所述可手术医生满足所述待调度第三手术的底线手术条件时，将所述可手术医生作为所述待调度第三手术的手术医生，否则依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术的手术医生进行所述待调度第三手术的匹配。
根据本发明第二方面，本发明请求保护一种基于关联规则的手术调度系统，包括：
空白推荐模块，获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将所述待调度第一手术安排至第一手术室和第一手术开始时间；
权重分配模块，获取待调度第二手术以及所述待调度第二手术的推荐日期，依据所述待调度第二手术的推荐日期进行手术权重系数分配，得到针对所述待调度第二手术的自适应推荐模型；
自适应推荐模块，采用所述自适应推荐模型对所述待调度第二手术进行手术调度安排，获得所述待调度第二手术的第二手术室和第二手术开始时间；
插队模块，当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对所述待调度第三手术进行手术调度插队安排，得到所述待调度第三手术的第三手术室和第三手术开始时间；
循环模块，依据所述自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。
进一步的，所述空白推荐模块，具体包括：
获取所述待调度第一手术与所述第一推荐模型的历史手术库；
确定历史手术库中的历史手术属性信息的权重；
根据权重在历史手术库中的历史手术中筛选出权重与当前待调度第一手术中手术最接近的3个历史手术；
分析最接近的3个历史手术中待调度第一手术中手术的属性信息与历史手术库中的历史手术属性信息在手术患者上的相似性，基于手术患者上的相似性再进行待调度第一手术中手术的属性信息集合P和历史手术库中的历史手术的属性信息集合Q手术的属性信息的相似度计算，基于手术患者相似性和属性信息的相似度进行两者的综合相似度的计算；
选取综合相似度最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据最相似手术对应的历史手术的属性信息集合Q，得到对应的第一手术方案。
进一步的，所述权重分配模块，具体包括：
获取所述待调度第二手术的推荐日期，当所述推荐日期的长度处于第一区间时，手术权重系数分配为手术室属性权重0.1、手术患者属性权重0.3、手术属性权重0.3、手术医生属性0.3；
当所述推荐日期的长度处于第二区间时，手术权重系数分配为手术室属性权重0.25、手术患者属性权重0.25、手术属性权重0.25、手术医生属性0.25；
当所述推荐日期的长度处于第三区间时，手术权重系数分配为手术室属性权重0.4、手术患者属性权重0.2、手术属性权重0.2、手术医生属性0.2；
依据所述手术权重系数分配得到针对所述待调度第二手术的自适应推荐模型。
进一步的，所述自适应推荐模块，具体包括：
获取所述待调度第二手术的手术属性，采用所述自适应推荐模型，依据手术医生的手术医生属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术医生中进行匹配，获取第一匹配度大于第一阈值的一个或多个候选手术医生；
获取所述待调度第二手术的手术患者属性，采用所述自适应推荐模型，依据手术室的手术室属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术室中进行匹配，获取第一匹配度大于第二阈值的一个或多个候选手术室；
对所述候选手术医生和候选手术室进行修正，得到所述待调度第二手术的第二手术室、第二手术医生和第二手术开始时间。
进一步的，所述插队模块，具体包括：
获取所述待调度第三手术，当所述待调度第三手术的手术时间推荐日期为一小时以内时，认定所述待调度第三手术满足插队策略；
依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术；
依次获取所述即将完成手术对应的临界手术室，当所述临界手术室满足所述待调度第三手术的底线手术条件时，将所述临界手术室作为所述待调度第三手术的第三手术室，所述临界手术室的进行中手术的结束时间作为第三手术开始时间；
获取当前所有空闲中可手术医生，当所述可手术医生满足所述待调度第三手术的底线手术条件时，将所述可手术医生作为所述待调度第三手术的手术医生，否则依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术的手术医生进行所述待调度第三手术的匹配。
本发明属于智慧医疗技术领域，请求保护一种基于关联规则的手术调度方法和系统，获取待调度第一手术，依据第一推荐模型确定手术室和手术开始时间；获取待调度第二手术以及推荐日期，依据待调度第二手术的推荐日期进行手术权重系数分配，得到自适应推荐模型；采用该模型对待调度第二手术进行手术调度安排；当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对待调度第三手术进行手术调度插队安排；依据自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。本发明可以有效依据手术的个性情况进行自适应调整，对插队手术进行急速安排，获得符合患者需求、手术治疗度需求和医生需求的手术调度方案。
附图说明
图1为本发明所涉及的一种基于关联规则的手术调度方法的工作流程图；
图2为本发明所涉及的一种基于关联规则的手术调度方法的第二工作流程图；
图3为本发明所涉及的一种基于关联规则的手术调度方法的第三工作流程图；
图4为本发明所涉及的一种基于关联规则的手术调度方法的第四工作流程图；
图5为本发明所涉及的一种基于关联规则的手术调度系统的模块结构图。
具体实施方式
根据本发明第一实施例，参照附图1，本发明请求保护一种基于关联规则的手术调度方法，包括：
获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将待调度第一手术安排至第一手术室和第一手术开始时间；
获取待调度第二手术以及待调度第二手术的推荐日期，依据待调度第二手术的推荐日期进行手术权重系数分配，得到针对待调度第二手术的自适应推荐模型；
采用自适应推荐模型对待调度第二手术进行手术调度安排，获得待调度第二手术的第二手术室和第二手术开始时间；
当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对待调度第三手术进行手术调度插队安排，得到待调度第三手术的第三手术室和第三手术开始时间；
依据自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。
进一步的，参照附图2，获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将待调度第一手术安排至第一手术室和第一手术开始时间，具体包括：
获取待调度第一手术与第一推荐模型的历史手术库；
确定历史手术库中的历史手术属性信息的权重；
根据权重在历史手术库中的历史手术中筛选出权重与当前待调度第一手术中手术最接近的3个历史手术；
分析最接近的3个历史手术中待调度第一手术中手术的属性信息与历史手术库中的历史手术属性信息在手术患者上的相似性，基于手术患者上的相似性再进行待调度第一手术中手术的属性信息集合P和历史手术库中的历史手术的属性信息集合Q手术的属性信息的相似度计算，基于手术患者相似性和属性信息的相似度进行两者的综合相似度的计算；
选取综合相似度最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据最相似手术对应的历史手术的属性信息集合Q，得到对应的第一手术方案。
其中，在该实施例中，将历史手术库中的历史手术属性信息所占的权重设为Wi，属性信息共n个，则n个属性信息的权重满足式（1）：
（1）；
n取值为正整数；
待调度第一手术中手术的属性信息与历史手术库中的历史手术的属性信息在手术患者上的相似性计算过程为：
待调度第一手术中手术的第j个属性信息的权重设置为Wj，待调度第一手术中所有的手术的属性信息权重之和为1，表述为式(2)：
其中，m表示待调度第一手术中手术包含的属性信息数量，Wj表示待调度第一手术中手术的第j个属性信息的权重；m取值正整数；
设待调度第一手术中手术的属性信息集合为P，历史手术库中的历史手术的属性信息集合设为Q；
手术患者相似性的计算公式为：
其中，S(P,Q)表示待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q的结构相似度；WP∩Q为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集的权重之和；WP∪Q为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q并集的权重之和；a为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集中手术的属性信息的总量；b表示待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q并集中手术的属性信息的总量；Wk为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集中第k个属性信息的权重；Wl为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q并集中第l个属性信息的权重；k表示待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集中手术的第k个属性信息；l表示待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q并集中手术的第l个属性信息的数量；
a≤min(k，l)；
b≥max(k，l)；
a≤b；
筛选出手术患者相似性大于0.5的手术中手术的属性信息；
计算属性信息相似度；
将属性信息划分为三种类型，分别为：
1)手术室型；
2)手术患者型；
3)手术医生型；
手术室型相似度计算，即式(4)：
其中，sim(Pk,Qk)表示待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q的第k个手术的属性信息的相似度，Pk表示筛选出的手术患者相似性大于0.5的手术中当前历史手术的属性信息集合中第k个手术的属性信息；Qk表示筛选出的手术患者相似性大于0.5的手术中历史手术的属性信息集合中第k个手术的属性信息；
手术患者型相似度计算采用加权的海明距离反函数的方法计算，即式(5)：
sim(Pk,Qk)＝1-distsim(Pk,Qk)＝1-|Pk-Qk|/|maxk-mink (5)
其中，maxk和mink分别表示第k个手术的属性信息的最大值和最小值；distsim(Pk,Qk)为加权海明距离；
手术医生型相似度计算使用积分方法即式(6)：
其中，手术的属性信息的属性值X落在区间(a,b)，属性值Y落在区间(c,d)；f1(X)，f2(Y)是手术要素的属性隶属度函数；(a,b)，(c,d)分别为属性值X和属性值Y的区间阈值；c为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集中手术的属性信息的总量；d表示待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q并集中手术的属性信息的总量；
综合相似度计算：
如式(7)所示：
其中，sim(P,Q)为历史手术的属性信息集合P和历史手术的属性信息集合Q的综合相似度；WP∩Q为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集的权重之和；Wk为目标手术的属性信息集合P和历史手术的属性信息集合Q交集中第k个属性信息的权重；a为待调度第一手术中手术的属性信息集合P和历史手术的属性信息集合Q交集中手术的属性信息的总量；
选取综合相似度sim(P,Q)最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据对应的历史手术的属性信息集合Q得到对应的第一手术方案。
进一步的，获取待调度第二手术以及待调度第二手术的推荐日期，依据待调度第二手术的推荐日期进行手术权重系数分配，得到针对待调度第二手术的自适应推荐模型，具体包括：
获取待调度第二手术的推荐日期，当推荐日期的长度处于第一区间时，手术权重系数分配为手术室属性权重0.1、手术患者属性权重0.3、手术属性权重0.3、手术医生属性0.3；
当推荐日期的长度处于第二区间时，手术权重系数分配为手术室属性权重0.25、手术患者属性权重0.25、手术属性权重0.25、手术医生属性0.25；
当推荐日期的长度处于第三区间时，手术权重系数分配为手术室属性权重0.4、手术患者属性权重0.2、手术属性权重0.2、手术医生属性0.2；
依据手术权重系数分配得到针对待调度第二手术的自适应推荐模型。
其中，在该实施例中，第一区间为1-5天，第二区间为6-30天，第三区间为大于30天；
具体的推荐日期的长度表明了手术的紧迫度，当推荐日期的长度处于第一区间时，手术患者接受手术较为紧急，此时需加大手术本身和手术医生的重要性，因此，手术患者、手术属性和手术医生的权重加大；
当推荐日期的长度处于第二区间时，此时手术紧迫度适中，各项权重可平均分配。
当推荐日期的长度处于第三区间时，此时手术并不紧急，可侧重手术的体验度上，因此，此时手术室属性权重加大，其他权重降低。
进一步的，参照附图3，采用自适应推荐模型对待调度第二手术进行手术调度安排，获得待调度第二手术的第二手术室和第二手术开始时间，具体包括：
获取待调度第二手术的手术属性，采用自适应推荐模型，依据手术医生的手术医生属性在待调度第二手术的手术时间推荐日期内空闲的所有手术医生中进行匹配，获取第一匹配度大于第一阈值的一个或多个候选手术医生；
获取待调度第二手术的手术患者属性，采用自适应推荐模型，依据手术室的手术室属性在待调度第二手术的手术时间推荐日期内空闲的所有手术室中进行匹配，获取第一匹配度大于第二阈值的一个或多个候选手术室；
对候选手术医生和候选手术室进行修正，得到待调度第二手术的第二手术室、第二手术医生和第二手术开始时间。
其中，在该实施例中，手术属性至少包括：手术时间推荐日期（手术紧急度）、手术难度（历史训练）、手术时长；
手术医生属性至少包括：单位时间内疲劳度（单位时间内手术台数和手术时长）、医生手术熟练度（历史手术台数、术后恢复属性）；
手术室属性至少包括：楼层科室、手术室大小、并行手术台数；
手术患者属性至少包括：主疾病科室类别、复合疾病数量。
进一步的，参照附图4，当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对待调度第三手术进行手术调度插队安排，得到待调度第三手术的第三手术室和第三手术开始时间，具体包括：
获取待调度第三手术，当待调度第三手术的手术时间推荐日期为一小时以内时，认定待调度第三手术满足插队策略；
依据当前的所有进行中手术的进行情况，获取进行中手术的结束时间最近的前M个即将完成手术；
依次获取即将完成手术对应的临界手术室，当临界手术室满足待调度第三手术的底线手术条件时，将临界手术室作为待调度第三手术的第三手术室，临界手术室的进行中手术的结束时间作为第三手术开始时间；
获取当前所有空闲中可手术医生，当可手术医生满足待调度第三手术的底线手术条件时，将可手术医生作为待调度第三手术的手术医生，否则依据当前的所有进行中手术的进行情况，获取进行中手术的结束时间最近的前M个即将完成手术的手术医生进行待调度第三手术的匹配。
其中，在该实施例中，待调度第三手术满足插队策略指代由于急诊因意外或突发疾病导致需要立即做手术；底线手术条件指代去除患者最直接手术因素的手术条件得到满足，比如一患者同时罹患高血压、高血脂、糖尿病，但因该多项慢性病造成脑出血，底线手术条件指代能满足脑出血手术条件即可（如手术医生仅能完成脑出血手术，手术室条件满足脑出血手术条件）。
根据本发明第二实施例，参照附图5，本发明请求保护一种基于关联规则的手术调度系统，包括：
空白推荐模块，获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将待调度第一手术安排至第一手术室和第一手术开始时间；
权重分配模块，获取待调度第二手术以及待调度第二手术的推荐日期，依据待调度第二手术的推荐日期进行手术权重系数分配，得到针对待调度第二手术的自适应推荐模型；
自适应推荐模块，采用自适应推荐模型对待调度第二手术进行手术调度安排，获得待调度第二手术的第二手术室和第二手术开始时间；
插队模块，当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对待调度第三手术进行手术调度插队安排，得到待调度第三手术的第三手术室和第三手术开始时间；
循环模块，依据自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。
进一步的，空白推荐模块，具体包括：
获取待调度第一手术与第一推荐模型的历史手术库；
确定历史手术库中的历史手术属性信息的权重；
根据权重在历史手术库中的历史手术中筛选出权重与当前待调度第一手术中手术最接近的3个历史手术；
分析最接近的3个历史手术中待调度第一手术中手术的属性信息与历史手术库中的历史手术属性信息在手术患者上的相似性，基于手术患者上的相似性再进行待调度第一手术中手术的属性信息集合P和历史手术库中的历史手术的属性信息集合Q手术的属性信息的相似度计算，基于手术患者相似性和属性信息的相似度进行两者的综合相似度的计算；
选取综合相似度最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据最相似手术对应的历史手术的属性信息集合Q，得到对应的第一手术方案。
进一步的，权重分配模块，具体包括：
获取待调度第二手术的推荐日期，当推荐日期的长度处于第一区间时，手术权重系数分配为手术室属性权重0.1、手术患者属性权重0.3、手术属性权重0.3、手术医生属性0.3；
当推荐日期的长度处于第二区间时，手术权重系数分配为手术室属性权重0.25、手术患者属性权重0.25、手术属性权重0.25、手术医生属性0.25；
当推荐日期的长度处于第三区间时，手术权重系数分配为手术室属性权重0.4、手术患者属性权重0.2、手术属性权重0.2、手术医生属性0.2；
依据手术权重系数分配得到针对待调度第二手术的自适应推荐模型。
进一步的，自适应推荐模块，具体包括：
获取待调度第二手术的手术属性，采用自适应推荐模型，依据手术医生的手术医生属性在待调度第二手术的手术时间推荐日期内空闲的所有手术医生中进行匹配，获取第一匹配度大于第一阈值的一个或多个候选手术医生；
获取待调度第二手术的手术患者属性，采用自适应推荐模型，依据手术室的手术室属性在待调度第二手术的手术时间推荐日期内空闲的所有手术室中进行匹配，获取第一匹配度大于第二阈值的一个或多个候选手术室；
对候选手术医生和候选手术室进行修正，得到待调度第二手术的第二手术室、第二手术医生和第二手术开始时间。
进一步的，插队模块，具体包括：
获取待调度第三手术，当待调度第三手术的手术时间推荐日期为一小时以内时，认定待调度第三手术满足插队策略；
依据当前的所有进行中手术的进行情况，获取进行中手术的结束时间最近的前M个即将完成手术；
依次获取即将完成手术对应的临界手术室，当临界手术室满足待调度第三手术的底线手术条件时，将临界手术室作为待调度第三手术的第三手术室，临界手术室的进行中手术的结束时间作为第三手术开始时间；
获取当前所有空闲中可手术医生，当可手术医生满足待调度第三手术的底线手术条件时，将可手术医生作为待调度第三手术的手术医生，否则依据当前的所有进行中手术的进行情况，获取进行中手术的结束时间最近的前M个即将完成手术的手术医生进行待调度第三手术的匹配。
本领域技术人员能够理解，本公开所披露的内容可以出现多种变型和改进。例如，以上所描述的各种设备或组件可以通过硬件实现，也可以通过软件、固件、或者三者中的一些或全部的组合实现。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是，前面或后面的步骤不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中。
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成，程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义，这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”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。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (10)
1.一种基于关联规则的手术调度方法，其特征在于，包括：
获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将所述待调度第一手术安排至第一手术室和第一手术开始时间；
获取待调度第二手术以及所述待调度第二手术的推荐日期，依据所述待调度第二手术的推荐日期进行手术权重系数分配，得到针对所述待调度第二手术的自适应推荐模型；
采用所述自适应推荐模型对所述待调度第二手术进行手术调度安排，获得所述待调度第二手术的第二手术室和第二手术开始时间；
当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对所述待调度第三手术进行手术调度插队安排，得到所述待调度第三手术的第三手术室和第三手术开始时间；
依据所述自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。
2.如权利要求1所述的一种基于关联规则的手术调度方法，其特征在于，所述获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将所述待调度第一手术安排至第一手术室和第一手术开始时间，具体包括：
获取所述待调度第一手术与所述第一推荐模型的历史手术库；
确定历史手术库中的历史手术属性信息的权重；
根据权重在历史手术库中的历史手术中筛选出权重与当前待调度第一手术中手术最接近的3个历史手术；
分析最接近的3个历史手术中待调度第一手术中手术的属性信息与历史手术库中的历史手术属性信息在手术患者上的相似性，基于手术患者上的相似性再进行待调度第一手术中手术的属性信息集合P和历史手术库中的历史手术的属性信息集合Q手术的属性信息的相似度计算，基于手术患者相似性和属性信息的相似度进行两者的综合相似度的计算；
选取综合相似度最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据最相似手术对应的历史手术的属性信息集合Q，得到对应的第一手术方案。
3.如权利要求1所述的一种基于关联规则的手术调度方法，其特征在于，所述获取待调度第二手术以及所述待调度第二手术的推荐日期，依据所述待调度第二手术的推荐日期进行手术权重系数分配，得到针对所述待调度第二手术的自适应推荐模型，具体包括：
获取所述待调度第二手术的推荐日期，当所述推荐日期的长度处于第一区间时，手术权重系数分配为手术室属性权重0.1、手术患者属性权重0.3、手术属性权重0.3、手术医生属性0.3；
当所述推荐日期的长度处于第二区间时，手术权重系数分配为手术室属性权重0.25、手术患者属性权重0.25、手术属性权重0.25、手术医生属性0.25；
当所述推荐日期的长度处于第三区间时，手术权重系数分配为手术室属性权重0.4、手术患者属性权重0.2、手术属性权重0.2、手术医生属性0.2；
依据所述手术权重系数分配得到针对所述待调度第二手术的自适应推荐模型。
4.如权利要求3所述的一种基于关联规则的手术调度方法，其特征在于，所述采用所述自适应推荐模型对所述待调度第二手术进行手术调度安排，获得所述待调度第二手术的第二手术室和第二手术开始时间，具体包括：
获取所述待调度第二手术的手术属性，采用所述自适应推荐模型，依据手术医生的手术医生属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术医生中进行匹配，获取第一匹配度大于第一阈值的一个或多个候选手术医生；
获取所述待调度第二手术的手术患者属性，采用所述自适应推荐模型，依据手术室的手术室属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术室中进行匹配，获取第一匹配度大于第二阈值的一个或多个候选手术室；
对所述候选手术医生和候选手术室进行修正，得到所述待调度第二手术的第二手术室、第二手术医生和第二手术开始时间。
5.如权利要求3所述的一种基于关联规则的手术调度方法，其特征在于，所述当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对所述待调度第三手术进行手术调度插队安排，得到所述待调度第三手术的第三手术室和第三手术开始时间，具体包括：
获取所述待调度第三手术，当所述待调度第三手术的手术时间推荐日期为一小时以内时，认定所述待调度第三手术满足插队策略；
依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术；
依次获取所述即将完成手术对应的临界手术室，当所述临界手术室满足所述待调度第三手术的底线手术条件时，将所述临界手术室作为所述待调度第三手术的第三手术室，所述临界手术室的进行中手术的结束时间作为第三手术开始时间；
获取当前所有空闲中可手术医生，当所述可手术医生满足所述待调度第三手术的底线手术条件时，将所述可手术医生作为所述待调度第三手术的手术医生，否则依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术的手术医生进行所述待调度第三手术的匹配。
6.一种基于关联规则的手术调度系统，其特征在于，包括：
空白推荐模块，获取待调度第一手术，依据第一推荐模型确定第一手术室和第一手术开始时间，将所述待调度第一手术安排至第一手术室和第一手术开始时间；
权重分配模块，获取待调度第二手术以及所述待调度第二手术的推荐日期，依据所述待调度第二手术的推荐日期进行手术权重系数分配，得到针对所述待调度第二手术的自适应推荐模型；
自适应推荐模块，采用所述自适应推荐模型对所述待调度第二手术进行手术调度安排，获得所述待调度第二手术的第二手术室和第二手术开始时间；
插队模块，当存在待调度第三手术满足插队策略时，依据当前的手术调度安排对所述待调度第三手术进行手术调度插队安排，得到所述待调度第三手术的第三手术室和第三手术开始时间；
循环模块，依据所述自适应推荐模型对剩余的待调度手术进行手术调度安排，直至预设时长内不存在空闲手术室。
7.如权利要求6所述的一种基于关联规则的手术调度系统，其特征在于，所述空白推荐模块，具体包括：
获取所述待调度第一手术与所述第一推荐模型的历史手术库；
确定历史手术库中的历史手术属性信息的权重；
根据权重在历史手术库中的历史手术中筛选出权重与当前待调度第一手术中手术最接近的3个历史手术；
分析最接近的3个历史手术中待调度第一手术中手术的属性信息与历史手术库中的历史手术属性信息在手术患者上的相似性，基于手术患者上的相似性再进行待调度第一手术中手术的属性信息集合P和历史手术库中的历史手术的属性信息集合Q手术的属性信息的相似度计算，基于手术患者相似性和属性信息的相似度进行两者的综合相似度的计算；
选取综合相似度最大值对应的历史手术的属性信息集合Q为待调度第一手术中手术的属性信息在历史手术的属性信息库中的最相似手术；
根据最相似手术对应的历史手术的属性信息集合Q，得到对应的第一手术方案。
8.如权利要求7所述的一种基于关联规则的手术调度系统，其特征在于，所述权重分配模块，具体包括：
获取所述待调度第二手术的推荐日期，当所述推荐日期的长度处于第一区间时，手术权重系数分配为手术室属性权重0.1、手术患者属性权重0.3、手术属性权重0.3、手术医生属性0.3；
当所述推荐日期的长度处于第二区间时，手术权重系数分配为手术室属性权重0.25、手术患者属性权重0.25、手术属性权重0.25、手术医生属性0.25；
当所述推荐日期的长度处于第三区间时，手术权重系数分配为手术室属性权重0.4、手术患者属性权重0.2、手术属性权重0.2、手术医生属性0.2；
依据所述手术权重系数分配得到针对所述待调度第二手术的自适应推荐模型。
9.如权利要求8所述的一种基于关联规则的手术调度系统，其特征在于，所述自适应推荐模块，具体包括：
获取所述待调度第二手术的手术属性，采用所述自适应推荐模型，依据手术医生的手术医生属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术医生中进行匹配，获取第一匹配度大于第一阈值的一个或多个候选手术医生；
获取所述待调度第二手术的手术患者属性，采用所述自适应推荐模型，依据手术室的手术室属性在所述待调度第二手术的手术时间推荐日期内空闲的所有手术室中进行匹配，获取第一匹配度大于第二阈值的一个或多个候选手术室；
对所述候选手术医生和候选手术室进行修正，得到所述待调度第二手术的第二手术室、第二手术医生和第二手术开始时间。
10.如权利要求9所述的一种基于关联规则的手术调度系统，其特征在于，所述插队模块，具体包括：
获取所述待调度第三手术，当所述待调度第三手术的手术时间推荐日期为一小时以内时，认定所述待调度第三手术满足插队策略；
依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术；
依次获取所述即将完成手术对应的临界手术室，当所述临界手术室满足所述待调度第三手术的底线手术条件时，将所述临界手术室作为所述待调度第三手术的第三手术室，所述临界手术室的进行中手术的结束时间作为第三手术开始时间；
获取当前所有空闲中可手术医生，当所述可手术医生满足所述待调度第三手术的底线手术条件时，将所述可手术医生作为所述待调度第三手术的手术医生，否则依据当前的所有进行中手术的进行情况，获取所述进行中手术的结束时间最近的前M个即将完成手术的手术医生进行所述待调度第三手术的匹配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311006923.3A CN116779124B (zh) | 2023-08-11 | 2023-08-11 | 一种基于关联规则的手术调度方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311006923.3A CN116779124B (zh) | 2023-08-11 | 2023-08-11 | 一种基于关联规则的手术调度方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116779124A true CN116779124A (zh) | 2023-09-19 |
| CN116779124B CN116779124B (zh) | 2023-10-20 |
Family
ID=87994804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311006923.3A Active CN116779124B (zh) | 2023-08-11 | 2023-08-11 | 一种基于关联规则的手术调度方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116779124B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117012356A (zh) * | 2023-10-07 | 2023-11-07 | 四川省医学科学院·四川省人民医院 | 一种基于运筹学的手术分配方法和系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289569A (zh) * | 2011-07-21 | 2011-12-21 | 中国电力科学研究院 | 一种电力系统突发事件应急处理方法 |
| US20140039906A1 (en) * | 2012-07-31 | 2014-02-06 | Haiyan Wang | Optimized surgery scheduling |
| CN103942455A (zh) * | 2014-05-07 | 2014-07-23 | 东南大学 | 一种基于远程数据的手术排程优化设计方法 |
| CN109523061A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨工业大学 | 一种基于情景分析的突发事件应急决策方法 |
| CN110766505A (zh) * | 2018-11-09 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 识别紧急订单请求的系统和方法 |
| CN113592345A (zh) * | 2021-08-10 | 2021-11-02 | 康键信息技术（深圳）有限公司 | 基于聚类模型的医疗分诊方法、系统、设备及存储介质 |
| US20220054197A1 (en) * | 2019-05-09 | 2022-02-24 | Materialise N.V. | Surgery planning system with automated defect quantification |
| CN114974528A (zh) * | 2022-04-25 | 2022-08-30 | 清华大学 | 数据驱动的多阶段智能手术排程方法、系统、设备及介质 |
-
2023
- 2023-08-11 CN CN202311006923.3A patent/CN116779124B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289569A (zh) * | 2011-07-21 | 2011-12-21 | 中国电力科学研究院 | 一种电力系统突发事件应急处理方法 |
| US20140039906A1 (en) * | 2012-07-31 | 2014-02-06 | Haiyan Wang | Optimized surgery scheduling |
| CN103942455A (zh) * | 2014-05-07 | 2014-07-23 | 东南大学 | 一种基于远程数据的手术排程优化设计方法 |
| CN109523061A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨工业大学 | 一种基于情景分析的突发事件应急决策方法 |
| CN110766505A (zh) * | 2018-11-09 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 识别紧急订单请求的系统和方法 |
| US20220054197A1 (en) * | 2019-05-09 | 2022-02-24 | Materialise N.V. | Surgery planning system with automated defect quantification |
| CN113592345A (zh) * | 2021-08-10 | 2021-11-02 | 康键信息技术（深圳）有限公司 | 基于聚类模型的医疗分诊方法、系统、设备及存储介质 |
| CN114974528A (zh) * | 2022-04-25 | 2022-08-30 | 清华大学 | 数据驱动的多阶段智能手术排程方法、系统、设备及介质 |
Non-Patent Citations (3)
| Title |
|---|
| 包 安竹 等: "基于亚专业手术护士资源约束的智能排程研究", 《重庆医学》, vol. 47, no. 25, pages 3351 - 3352 * |
| 吕加伦: "手术服务时间可变的预约病人手术排程研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, no. 4, pages 053 - 171 * |
| 鲁千: "多阶段日间手术与层流住院手术排程研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, no. 4, pages 053 - 118 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117012356A (zh) * | 2023-10-07 | 2023-11-07 | 四川省医学科学院·四川省人民医院 | 一种基于运筹学的手术分配方法和系统 |
| CN117012356B (zh) * | 2023-10-07 | 2023-12-12 | 四川省医学科学院·四川省人民医院 | 一种基于运筹学的手术分配方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116779124B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116779124B (zh) | 一种基于关联规则的手术调度方法和系统 | |
| US11660197B1 (en) | Artificial neural network for fitting and/or aligning joint replacement implants | |
| US11854683B2 (en) | Patient-specific medical procedures and devices, and associated systems and methods | |
| McCutcheon et al. | Thirty-day perioperative outcomes in spinal fusion by specialty within the NSQIP database | |
| Chaabane et al. | Comparison of two methods of operating theatre planning: application in Belgian hospital | |
| WO2009081643A1 (ja) | 医用画像処理装置、医用画像処理方法ならびにプログラム | |
| US20230023440A1 (en) | Systems for predicting intraoperative patient mobility and identifying mobility-related surgical steps | |
| JP2009503634A (ja) | デジタル画像計画を使用する移植物在庫管理システムおよび方法 | |
| US6112750A (en) | Method and system for assessing risks and prognoses of a given course of medical treatment | |
| US11033335B2 (en) | Placement of orthopaedic implant fixation apparatus | |
| WO2021207016A1 (en) | Systems and methods for automating video data management during surgical procedures using artificial intelligence | |
| Lai et al. | Incidence of hip replacement among national health insurance enrollees in Taiwan | |
| CN113689943A (zh) | 基于人工智能的就诊医院推荐方法、装置、设备及介质 | |
| CN113039609B (zh) | 手术支持系统、数据处理设备和方法 | |
| Yee et al. | DRG-based bundled reimbursement for lumbar fusion: implications for patient selection | |
| Todorov et al. | Computer aided design of customized implants based on CT-Scan data and virtual prototypes | |
| CN106687962B (zh) | 用于仿真大脑刺激的方法、对应的计算机程序和设备 | |
| Mehta et al. | Predictors of operative duration in posterior spinal fusion for adolescent idiopathic scoliosis: a retrospective cohort study | |
| Saduova et al. | A Self-Adaptive IoT-based Approach for Improving the Decision Making of Active Surgical Robots in Hospitals | |
| Boosaiedi et al. | Operating Room Scheduling Considering Patient Priorities and Operating Room Preferences: A Case Study | |
| CN116864133B (zh) | 一种个性化骨科康复计划推荐系统 | |
| Marinho da Silva et al. | Implementing regulation policy in Brazilian health care regulation centers | |
| Moustafa | A Mixed Decision-Level Approach for Solving the Operating Room Scheduling Problem: A Case Study | |
| Ling et al. | Machine learning-based segmentation of images to diagnose the orthopedic diseases and to guide the orthopedic surgeries | |
| US20220238195A1 (en) | System and method of processing medical implant device and patient data |
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 |