CN116959695A - 一种智能导检系统及其方法 - Google Patents
一种智能导检系统及其方法 Download PDFInfo
- Publication number
- CN116959695A CN116959695A CN202310964610.2A CN202310964610A CN116959695A CN 116959695 A CN116959695 A CN 116959695A CN 202310964610 A CN202310964610 A CN 202310964610A CN 116959695 A CN116959695 A CN 116959695A
- Authority
- CN
- China
- Prior art keywords
- inspection
- guide
- information
- physical examination
- user
- 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 36
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 143
- 238000003745 diagnosis Methods 0.000 claims abstract description 72
- 238000011282 treatment Methods 0.000 claims description 31
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000011269 treatment regimen Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 229940079593 drug Drugs 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007619 statistical method 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
- G16H40/40—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 of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种智能导检系统及其方法,属于智能导检技术领域。包括预约单元、自助签到单元、体检导检单元、就诊导检单元、自助缴费单元、路径引导单元和显示单元;所述体检导检单元,根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线;所述就诊导检单元,根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线;所述路径引导单元,通过创建的实景路径导航,选择预检项目的最优路径,获取距离信息。本发明通过设置有体检导检单元和就诊导检单元,可同时实现体检和就诊的智能导检,同时通过就诊时长预测和实景路径导航,提升了用户时间安排的空间以及用户的体验和满意度。
Description
技术领域
本发明属于智能导检技术领域,具体涉及一种智能导检系统及其方法。
背景技术
智能导检系统集硬件、软件和操作人员为一体,为受检者提供全流程的导检服务,从受检者进入就诊流程后,系统指引受检者到最合理的、等候时间最短的科室去候诊,直至完成所有检查项目,旨在提高患者就医的服务质量和服务效率。
然而在实际应用中,智能导检系统大多应用于相对规范化、流程化的体检中,在就诊过程中的排队时长预测和导检服务还存在一定的局限性。一方面,如涉及患者的病情严重程度、就诊科室的负荷情况、医生的工作量等一系列因素,这些因素需要综合考虑才能进行准确的预测。另一方面,就诊时的变数较多,如患者突然加重的病情、其他紧急病例的介入等,都可能对原有的排队时间产生影响,因此预测就诊排队时长相对较为复杂。
发明内容
为解决现有技术中存在的上述问题,本发明提供了一种智能导检系统及其方法,通过设置有体检导检单元和就诊导检单元,可同时实现体检和就诊的智能导检,同时通过就诊时长预测和实景路径导航,提升了用户时间安排的空间,降低了等待时间峰值,有效利用了现有的医疗资源。
本发明的目的可以通过以下技术方案实现:
本发明提供了一种智能导检系统,包括预约单元、自助签到单元、体检导检单元、就诊导检单元、自助缴费单元、路径引导单元和显示单元;
所述体检导检单元,根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线;
所述就诊导检单元,根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线;
所述预检项目排序依据就诊导检规则,所述就诊导检规则包括等待时间最短原则、项目优先原则、区域优先原则和特殊优先原则;
所述等待时间最短原则根据智能导检系统预测排队时长,将用户排队等待时间降到最低;其中,预测排队时长包括以下步骤:
S01、选取输入变量:基于斯皮尔曼相关系数法从影响因素变量中选取输入变量;
S02、建立预测模型:根据选取的模型输入变量建立BP神经网络模型;
S03、预测就诊时长:通过完成训练和测试的预测模型预测排队用户的就诊时长;
S04、计算排队时长:根据排队用户的预测就诊时长计算排队的总时长;
所述路径引导单元,通过创建的实景路径导航,选择预检项目的最优路径,获取距离信息。
作为本发明的一种优选技术方案,所述步骤S01中,影响因素变量包括用户病情的复杂性、用户症状描述能力、用户的年龄、医生的经验能力、医生的年龄、医生的工作负荷、医疗资源和就诊流程;
所述步骤S01还包括:
S011、变量归一化处理:为消除量纲差异减少数据噪声,采用极差标准化方法将变量进行归一化处理;
S012、计算相关系数:P=cov(rx,ry)/σxσy;其中rx与ry分别为影响因素变量X和表达因变量Y转换后的排序,σx和σy是秩变量的标准偏差,cov(rx,ry)表示秩变量的协方差;
S013、变量选择:根据变量选择预设的相关系数值选取预测模型的输入变量。
作为本发明的一种优选技术方案,所述步骤S03中,预测模型通过建立输入xj与输出yj之间的映射关系实现:
yj=φ(xj,w)+b;
其中,xj、yj分别为模型的输入、输出,j=1,…i…n,φ(·)为映射关系,w表示模型中各节点的权重,b为误差项。
作为本发明的一种优选技术方案,所述体检项目排序依据体检导检规则,体检导检规则包括:等待时间最短原则、项目优先原则、区域优先原则和特殊优先原则;
其中,等待时间最短原则是指根据经验设定每个区域各检查项目的完成时间,然后通过此区域的签到人数计算排队时长,将用户排队等待时间降到最低。
作为本发明的一种优选技术方案,所述路径引导单元,创建实景路径导航包括以下步骤:
S21、医院内部点云数据的采集:根据室内平面图和导航需求确定扫描区域,全方位对扫描区域进行较为精细的勘测,利用移动扫描系统采集室内全景和高精度点云数据;
S22、点云数据的处理:将采集的点云数据进行自动拼接、去噪及贴图和匀光匀色处理,完成三维可视化仿真内容制作;
S23、生成三维实景导航图:通过将处理后的点云数据添加到IndoorViewer进行地图注册和校准,完成站点模型导航图和地图的创建。
作为本发明的一种优选技术方案,所述预约单元,用于患者进行预约挂号和获取就诊信息;
所述自助签到单元,用于通过位置信息帮助患者完成就诊签到,同时上传签到信息;
所述自助缴费单元,用于自主完成用户检查项目的线上缴费。
作为本发明的一种优选技术方案,所述显示单元,用于过程信息和实景路径导航路线的显示;
其中,过程信息包括预约信息、签到信息、体检策略、就诊策略、缴费信息、体检报告和就诊报告。
本发明还提供了一种智能导检方法,应用于上述的智能导检系统,包括以下步骤:
S1、导检预约:用户通过智能导检系统进行预约挂号;
S2、导检选择:根据预约挂号信息将导检分为体检导检和就诊导检,若用户为体检导检,则执行S3,若用户为就诊导检,则执行S7;
S3、自助签到:用户按照预约时间到达医院,智能导检系统根据预设范围完成自动签到;
S4、体检导检:智能导检系统根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线;
S5、实时更新体检策略:智能导检系统根据实时更新的签到信息和预检项目实时更新体检策略;
S6、生成体检报告:智能导检系统获取用户在各检查设备中上传的结果数据并自动生成体检报告,体检导检结束;
S7、就诊信息获取:智能导检系统通过预约挂号信息获取用户身份、沟通能力和挂号医生;通过医院数据库获取医生信息和用户病历信息,医生信息包括身份信息和执业经验;
S8、选择签到:通过智能导检系统预测排队时长,根据用户需求进行授意自助签到;
S9、生成就诊策略:智能导检系统根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线;
S10、实时更新就诊策略:智能导检系统根据实时更新的签到信息和预检项目实时更新就诊策略;
S11、生成就诊报告:完成所有项目检查后智能导检系统通过医院信息平台获取检查结果并生成就诊报告,用户根据医生开具的处方去指定窗口获取药品,就诊导检结束。
本发明的有益效果为:
(1)智能导检系统根据用户的实际需求与项目检查的特点将导检过程分为体检导检和就诊导检,极大的提升了用户做项目检查的效率和智能导检系统的体验;同时在就诊导检过程中,依据各方面的影响因素建立就诊时长预测模型,预测出用户就诊排队的时长,从而用户可以提前规划在预约挂号当天进行就诊的时间,降低等待时间峰值,有效利用现有的医疗资源。
(2)智能导检系统依据创建的实景路径导航获取预检项目的距离信息,从而生成体检策略和就诊策略,实景路径导航的信息更加详细且距离信息更加精准,进一步提高了智能导检系统的准确性和实用性;同时通过三维实景导航路线,可以帮助用户快速便捷的找到预检项目地点,从而提升了用户的项目检查时间,提升了用户的体验和满意度。
(3)在就诊时长的预测中加入影响因素变量的筛选,进一步提高了预测模型的准确性和鲁棒性,同时影响因素变量的筛选可以减少变量间的多重共线性问题,帮助识别并理解各个变量对预测结果的独立贡献程度,从而更好地解释模型的预测能力。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明实施例提供的一种智能导检系统的结构示意图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
请参阅图1,一种智能导检系统,包括预约单元、自助签到单元、体检导检单元、就诊导检单元、自助缴费单元、路径引导单元和显示单元。
所述预约单元,用于患者进行预约挂号和获取就诊信息。
需说明的是,就诊信息包括患者和医生双方的信息,如患者的身份信息、病历信息和沟通能力等,医生的身份信息和执业经验等。其中患者的身份信息通过身份认证获得,病历信息通过查询医院数据库获取,沟通能力通过预约挂号时简单评估获得;医生的身份信息和执业经验通过医院数据库获取。
所述自助签到单元,用于通过位置信息帮助患者完成就诊签到,同时上传签到信息。所述自助签到单元还用于获取项目签到信息。
可理解的是,自助签到单元包括定位模块,定位模块根据医院预设的签到范围帮助患者进行自动签到,同时将该用户的签到信息上传至后端服务器。当用户完成问诊获得检查项目后,自助签到单元会对应的获取检查项目的区号信息,从而明确排队状况。
所述体检导检单元,根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线。
需说明的是,体检项目排序依据体检导检规则,体检导检规则包括:等待时间最短、项目优先、区域优先和特殊优先等原则,其中等待时间最短原则是指根据经验设定每个区域各检查项目的完成时间,然后通过此区域的签到人数计算排队时长,将用户排队等待时间降到最低;项目优先原则是指特殊检查项目如空腹等安排优先;区域优先原则是指根据智能导检系统检查项目的距离信息优先安排短距离检查项目;特殊优先原则是指体检过程中对突发事件等特殊情况优先安排。
所述就诊导检单元,根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线。
具体的,预测排队时长包括以下步骤:
S01、选取输入变量:基于斯皮尔曼相关系数法从影响因素变量中选取输入变量,具体包括以下步骤:
S011、变量归一化处理:为消除量纲差异减少数据噪声,采用极差标准化方法将变量进行归一化处理:
x’ij=(xij-xmini)/(xmaxi-xmini);
其中,x’ij为第i个变量第j个样本的标准化值,xij为其原始值,xmaxi、xmini分别表示第i个变量所有样本中的最大、最小值。
S012、计算相关系数:
P=cov(rx,ry)/σxσy;
其中,rx与ry分别为影响因素变量X和表达因变量Y转换后的排序,σx和σy是秩变量的标准偏差,cov(rx,ry)表示秩变量的协方差。
可理解的是,变量筛选是实证分析的重要部分,其主要是通过统计方法从多个可能影响因素变量X中筛选出利于预测因变量的因素,筛选出的变量能够很好的解释与表达因变量Y。本实施例中,采用斯皮尔曼(Spearman)相关系数法先对原始变量的数据排秩,然后将计算出的秩计算相关系数,其对原数据的要求不是很高。
需说明的是,影响因素变量包括用户病情的复杂性、症状描述能力、用户年龄以及医生的经验能力、年龄和工作负荷,还包括医院的医疗资源和就诊流程。其中,用户病情的复杂性通过查询医院数据库中的用户病历信息获取;症状描述能力综合用户年龄以及沟通能力判定;医生的工作负荷是指医生的每天平均预约挂号的人数。
S013、变量选择:根据变量选择预设的相关系数值选取预测模型的输入变量。本实施例中,选择相关系数的绝对值大于0.3的变量作为预测模型的输入变量。
S02、建立预测模型:根据选取的模型输入变量建立BP神经网络模型,模型的输入节点为输入变量数,输出层节点数为1,即就诊时长。设置隐含层的层数为3,设置隐含层节点数为2q-1(其中q表示输入层节点数)。
可理解的是,确定BP神经网络结构后需要设置模型参数,本实施例采用Sigmoid函数作为激励函数,最大训练次数设置为10000,学习速率为0.01,误差目标值为0.001,实际计算中根据实验结果对参数进行调整。
S03、预测就诊时长:通过使用训练集对BP神经网络的训练,再通过测试集对预测模型进行测试求得参数最佳取值;根据签到信息获取排队状况,通过最终确定的预测模型预测排队用户的就诊时长。
具体的,就诊时长预测模型通过建立输入xj与输出yj之间的映射关系实现:
yj=φ(xj,w)+b;
其中,xj、yj分别为模型的输入、输出,j=1,…i…n,φ(·)为映射关系,w表示模型中各节点的权重,b为误差项。
S04、计算排队时长:根据排队用户的预测就诊时长计算排队的总时长。
需说明的是,排队时长的估算是根据实时签到的用户就诊时长预测进行整体的计算,预检项目排序依据就诊导检规则,就诊导检规则包括等待时间最短、项目优先、区域优先和特殊优先等原则,其中等待时间最短原则是指根据智能导检系统预测排队时长,将用户排队等待时间降到最低;项目优先原则是指特殊检查项目如空腹等安排优先;区域优先原则是指根据智能导检系统检查项目的距离信息优先安排短距离检查项目;特殊优先原则是指体检过程中对突发事件等特殊情况优先安排。
所述自助缴费单元,用于自主完成用户检查项目的线上缴费。
可理解的是,实际就诊过程中,缴费环节会严重影响到整个就诊的时间,为节约时间和不影响就诊策略,在本实施例就诊过程中,获得用户授意缴费的检查项目后自主完成缴费,从而避免了因缴费问题而影响项目检查进度的问题。
所述路径引导单元,通过创建的实景路径导航,选择预检项目的最优路径,获取距离信息。
具体的,实景路径导航的创建包括以下步骤:
S21、医院内部点云数据的采集:根据室内平面图和导航需求确定扫描区域,全方位对扫描区域进行较为精细的勘测,利用移动扫描系统采集室内全景和高精度点云数据。
S22、点云数据的处理:将采集的点云数据进行自动拼接、去噪及贴图、匀光匀色等处理,完成三维可视化仿真内容制作。
S23、生成三维实景导航图:通过将处理后的点云数据添加到IndoorViewer进行地图注册和校准,完成站点模型导航图和地图的创建。
需说明的是,通过建立的三维可视化虚拟环境,可以设置2个点云之间路径,实时共享点云位置,完成2个点云之间距离量测工作,从而可以获取检查项目的距离信息,同时用户在虚拟环境中可以感觉实体的距离。
所述显示单元,用于过程信息和实景路径导航路线的显示,其中过程信息包括预约信息、签到信息、体检策略、就诊策略、缴费信息、体检报告和就诊报告。
本实施例还提供了一种智能导检方法,包括以下步骤:
S1、导检预约:用户通过智能导检系统进行预约挂号;
S2、导检选择:根据预约挂号信息将导检分为体检导检和就诊导检,若用户为体检导检,则执行S3,若用户为就诊导检,则执行S7;
S3、自助签到:用户按照预约时间到达医院,智能导检系统根据预设范围完成自动签到;
S4、体检导检:智能导检系统根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线。
S5、实时更新体检策略:智能导检系统根据实时更新的签到信息和预检项目实时更新体检策略。
可理解的是,在体检过程中,系统需要实时更新预检项目的签到信息,从而得知预检项目的排队情况进行体检策略的更新,进而提高体检的效率与用户的体验感。
S6、生成体检报告:智能导检系统获取用户在各检查设备中上传的结果数据并自动生成体检报告,体检导检结束;
S7、就诊信息获取:智能导检系统通过预约挂号信息获取用户身份、沟通能力和挂号医生等信息;通过医院数据库获取医生信息和用户病历信息,医生信息包括身份信息和执业经验;
S8、选择签到:通过智能导检系统预测排队时长,根据用户需求进行授意自助签到。
需说明的是,就诊导检中用户在未签到之前可以通过智能导检系统获取实时的排队时长,因此用户可以在预约挂号当天根据时间安排进行签到就诊,此种方式可以降低就诊等待的人数峰值,同时也极大的提升了用户的体验,可以自由安排就诊时间。
S9、生成就诊策略:智能导检系统根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线,其中预检项目排序依据就诊导检规则。
S10、实时更新就诊策略:智能导检系统根据实时更新的签到信息和预检项目实时更新就诊策略。
可理解的是,在就诊导检中一般用户在问诊之前只有挂号医生问诊一个项目,此时导检系统主要依据排队时长预测供用户选择签到时间,当完成问诊后医生给出预检项目后智能导检系统再根据就诊导检规则重新更新就诊策略。
S11、生成就诊报告:完成所有项目检查后智能导检系统通过医院信息平台获取检查结果并生成就诊报告,用户根据医生开具的处方去指定窗口获取药品,就诊导检结束。
本发明的智能导检系统在应用中会根据用户的实际需求与项目检查的特点将导检过程分为体检导检和就诊导检,进行了分流,极大的提升了用户做项目检查的效率和智能导检系统的体验;同时在就诊导检过程中,依据各方面的影响因素建立就诊时长预测模型,预测出用户就诊排队的时长,从而用户可以提前规划在预约挂号当天进行就诊的时间,降低等待时间峰值,有效利用现有的医疗资源。
本发明的智能导检系统依据创建的实景路径导航获取预检项目的距离信息,从而生成体检策略和就诊策略,实景路径导航的信息更加详细且距离信息更加精准,进一步提高了智能导检系统的准确性和实用性;同时通过三维实景导航路线,可以帮助用户快速便捷的找到预检项目地点,从而提升了用户的项目检查时间,提升了用户的体验和满意度。
本发明在就诊时长的预测中加入影响因素变量的筛选,进一步提高了预测模型的准确性和鲁棒性,同时影响因素变量的筛选可以减少变量间的多重共线性问题,帮助识别并理解各个变量对预测结果的独立贡献程度,从而更好地解释模型的预测能力。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (8)
1.一种智能导检系统,其特征在于:包括预约单元、自助签到单元、体检导检单元、就诊导检单元、自助缴费单元、路径引导单元和显示单元;
所述体检导检单元,根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线;
所述就诊导检单元,根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线;
所述预检项目排序依据就诊导检规则,所述就诊导检规则包括等待时间最短原则、项目优先原则、区域优先原则和特殊优先原则;
所述等待时间最短原则根据智能导检系统预测排队时长,将用户排队等待时间降到最低;其中,预测排队时长包括以下步骤:
S01、选取输入变量:基于斯皮尔曼相关系数法从影响因素变量中选取输入变量;
S02、建立预测模型:根据选取的模型输入变量建立BP神经网络模型;
S03、预测就诊时长:通过完成训练和测试的预测模型预测排队用户的就诊时长;
S04、计算排队时长:根据排队用户的预测就诊时长计算排队的总时长;
所述路径引导单元,通过创建的实景路径导航,选择预检项目的最优路径,获取距离信息。
2.根据权利要求1所述的一种智能导检系统,其特征在于:所述步骤S01中,影响因素变量包括用户病情的复杂性、用户症状描述能力、用户的年龄、医生的经验能力、医生的年龄、医生的工作负荷、医疗资源和就诊流程;
所述步骤S01还包括:
S011、变量归一化处理:为消除量纲差异减少数据噪声,采用极差标准化方法将变量进行归一化处理;
S012、计算相关系数:P=cov(rx,ry)/σxσy;其中rx与ry分别为影响因素变量X和表达因变量Y转换后的排序,σx和σy是秩变量的标准偏差,cov(rx,ry)表示秩变量的协方差;
S013、变量选择:根据变量选择预设的相关系数值选取预测模型的输入变量。
3.根据权利要求1所述的一种智能导检系统,其特征在于:所述步骤S03中,预测模型通过建立输入xj与输出yj之间的映射关系实现:
yj=φ(xj,w)+b;
其中,xj、yj分别为模型的输入、输出,j=1,…i…n,φ(·)为映射关系,w表示模型中各节点的权重,b为误差项。
4.根据权利要求1所述的一种智能导检系统,其特征在于:所述体检项目排序依据体检导检规则,体检导检规则包括:等待时间最短原则、项目优先原则、区域优先原则和特殊优先原则;
其中,等待时间最短原则是指根据经验设定每个区域各检查项目的完成时间,然后通过此区域的签到人数计算排队时长,将用户排队等待时间降到最低。
5.根据权利要求1所述的一种智能导检系统,其特征在于:所述路径引导单元,创建实景路径导航包括以下步骤:
S21、医院内部点云数据的采集:根据室内平面图和导航需求确定扫描区域,全方位对扫描区域进行较为精细的勘测,利用移动扫描系统采集室内全景和高精度点云数据;
S22、点云数据的处理:将采集的点云数据进行自动拼接、去噪及贴图和匀光匀色处理,完成三维可视化仿真内容制作;
S23、生成三维实景导航图:通过将处理后的点云数据添加到IndoorViewer进行地图注册和校准,完成站点模型导航图和地图的创建。
6.根据权利要求1所述的一种智能导检系统,其特征在于:所述预约单元,用于患者进行预约挂号和获取就诊信息;
所述自助签到单元,用于通过位置信息帮助患者完成就诊签到,同时上传签到信息;
所述自助缴费单元,用于自主完成用户检查项目的线上缴费。
7.根据权利要求1所述的一种智能导检系统,其特征在于:所述显示单元,用于过程信息和实景路径导航路线的显示;
其中,过程信息包括预约信息、签到信息、体检策略、就诊策略、缴费信息、体检报告和就诊报告。
8.一种智能导检方法,应用于如权利要求1-7任一项所述的智能导检系统,其特征在于:包括以下步骤:
S1、导检预约:用户通过智能导检系统进行预约挂号;
S2、导检选择:根据预约挂号信息将导检分为体检导检和就诊导检,若用户为体检导检,则执行S3,若用户为就诊导检,则执行S7;
S3、自助签到:用户按照预约时间到达医院,智能导检系统根据预设范围完成自动签到;
S4、体检导检:智能导检系统根据预检项目的签到信息生成体检策略,体检策略包括体检项目排序以及实景路径导航路线;
S5、实时更新体检策略:智能导检系统根据实时更新的签到信息和预检项目实时更新体检策略;
S6、生成体检报告:智能导检系统获取用户在各检查设备中上传的结果数据并自动生成体检报告,体检导检结束;
S7、就诊信息获取:智能导检系统通过预约挂号信息获取用户身份、沟通能力和挂号医生;通过医院数据库获取医生信息和用户病历信息,医生信息包括身份信息和执业经验;
S8、选择签到:通过智能导检系统预测排队时长,根据用户需求进行授意自助签到;
S9、生成就诊策略:智能导检系统根据预检项目的签到信息生成就诊策略,就诊策略包括预检项目排序和实景路径导航路线;
S10、实时更新就诊策略:智能导检系统根据实时更新的签到信息和预检项目实时更新就诊策略;
S11、生成就诊报告:完成所有项目检查后智能导检系统通过医院信息平台获取检查结果并生成就诊报告,用户根据医生开具的处方去指定窗口获取药品,就诊导检结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310964610.2A CN116959695B (zh) | 2023-08-02 | 2023-08-02 | 一种智能导检系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310964610.2A CN116959695B (zh) | 2023-08-02 | 2023-08-02 | 一种智能导检系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116959695A true CN116959695A (zh) | 2023-10-27 |
CN116959695B CN116959695B (zh) | 2024-02-06 |
Family
ID=88452776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310964610.2A Active CN116959695B (zh) | 2023-08-02 | 2023-08-02 | 一种智能导检系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116959695B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644675A (zh) * | 2017-09-19 | 2018-01-30 | 成都思杰聚典科技有限公司 | 就医信息交互显示系统 |
CN110299200A (zh) * | 2019-06-25 | 2019-10-01 | 广东群创信息科技有限公司 | 一种微信智能导检的方法 |
CN111157009A (zh) * | 2020-04-02 | 2020-05-15 | 深圳司南数据服务有限公司 | 基于移动终端和ar智能的室内定位导航创建方法及系统 |
CN111489814A (zh) * | 2020-04-14 | 2020-08-04 | 黄日龙 | 一种运用智能导检终端的智能引检系统 |
CN113130054A (zh) * | 2021-03-31 | 2021-07-16 | 深圳新红医医疗科技有限公司 | 一种就诊服务方法和系统 |
CN113488147A (zh) * | 2020-12-28 | 2021-10-08 | 湖北国际旅行卫生保健中心(武汉海关口岸门诊部) | 海关出入境人员监测体检智能导检提示系统 |
CN116130074A (zh) * | 2023-03-08 | 2023-05-16 | 清华大学 | 一种候诊等待时间预测方法、装置及存储介质 |
-
2023
- 2023-08-02 CN CN202310964610.2A patent/CN116959695B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644675A (zh) * | 2017-09-19 | 2018-01-30 | 成都思杰聚典科技有限公司 | 就医信息交互显示系统 |
CN110299200A (zh) * | 2019-06-25 | 2019-10-01 | 广东群创信息科技有限公司 | 一种微信智能导检的方法 |
CN111157009A (zh) * | 2020-04-02 | 2020-05-15 | 深圳司南数据服务有限公司 | 基于移动终端和ar智能的室内定位导航创建方法及系统 |
CN111489814A (zh) * | 2020-04-14 | 2020-08-04 | 黄日龙 | 一种运用智能导检终端的智能引检系统 |
CN113488147A (zh) * | 2020-12-28 | 2021-10-08 | 湖北国际旅行卫生保健中心(武汉海关口岸门诊部) | 海关出入境人员监测体检智能导检提示系统 |
CN113130054A (zh) * | 2021-03-31 | 2021-07-16 | 深圳新红医医疗科技有限公司 | 一种就诊服务方法和系统 |
CN116130074A (zh) * | 2023-03-08 | 2023-05-16 | 清华大学 | 一种候诊等待时间预测方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
北京体检中心: "北京市体检中心全流程智能导检系统上线", Retrieved from the Internet <URL:https://www.bjtjzx.com/zxdt/news_detail.asp?qyid=7182> * |
安怀银;: "智能导检系统在体检质控中的应用", 临床医药文献电子杂志, no. 47 * |
Also Published As
Publication number | Publication date |
---|---|
CN116959695B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446470B (zh) | 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法 | |
CN106679663A (zh) | 一种基于二维码的医院院内导航方法及服务器 | |
CN108830837A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
CN106203694B (zh) | 场所拥挤度预测模型建立、场所拥挤度预测方法和装置 | |
CN114898851A (zh) | 一种智能导诊方法及其系统 | |
CN111242922A (zh) | 一种蛋白质图像分类方法、装置、设备及介质 | |
CN111639786A (zh) | 资源配置方法、装置、存储介质及计算机设备 | |
Wepulanon et al. | A real-time bus arrival time information system using crowdsourced smartphone data: a novel framework and simulation experiments | |
CN109740882B (zh) | 用于体检车的数据处理方法及装置 | |
JP7221961B2 (ja) | 病理学ワークフローを最適化するためのデバイス、システム及び方法 | |
KR20160116357A (ko) | 실시간 위치 기반 건강 검진 안내 서비스 시스템 | |
CN116959695B (zh) | 一种智能导检系统及其方法 | |
CN113643798A (zh) | 为失能人员匹配照护人员的方法、装置及计算机设备 | |
Pathinarupothi et al. | Data to diagnosis in global health: a 3P approach | |
Yang et al. | Evaluation of smart long-term care information strategy portfolio decision model: The national healthcare environment in Taiwan | |
KR20170010658A (ko) | 실시간 위치 기반 건강 검진 안내 서비스 방법 및 그 방법을 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 | |
CN115620879A (zh) | 医疗检查项目的智能推荐方法、装置、设备及存储介质 | |
WO2018004083A1 (ko) | 지도 검색 기록을 이용한 유동인구 추정 장치 및 방법 | |
CN111145888B (zh) | 一种基于层次分析法的门诊智能导诊方法 | |
KR102351373B1 (ko) | 역방향 피팅을 통한 신체 사이즈 측정 장치 및 그 방법 | |
US11011276B2 (en) | Method for establishing computer-aided data interpretation model for immune diseases by immunomarkers and visualization | |
JP2017092882A (ja) | 情報端末およびサーバ | |
CN116978507B (zh) | 一种基于大数据的医疗信息前置获取系统 | |
CN112908456B (zh) | 基于人工智能的住院管理系统 | |
CN114550860B (zh) | 一种基于流程数据与智能网络模型的就医满意度评估方法 |
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 |