CN117133427B - 一种医院智能挂号方法、系统、设备及存储介质 - Google Patents
一种医院智能挂号方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117133427B CN117133427B CN202311370505.2A CN202311370505A CN117133427B CN 117133427 B CN117133427 B CN 117133427B CN 202311370505 A CN202311370505 A CN 202311370505A CN 117133427 B CN117133427 B CN 117133427B
- Authority
- CN
- China
- Prior art keywords
- doctor
- idle
- hot
- doctors
- patient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000003745 diagnosis Methods 0.000 claims abstract description 12
- 229920006395 saturated elastomer Polymers 0.000 claims description 23
- 230000006735 deficit Effects 0.000 claims description 9
- 230000007812 deficiency Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种医院智能挂号方法、系统、设备及存储介质,对热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;基于聚类结果,获取热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;基于KM匹配算法,获取同一时间段下的超限医师和空闲医师的一对一匹配结果,根据匹配结果将超限医师的超限病患分配至所匹配到的空闲医师。将预约人数较多的超限医师的多余病患转移至同时段下的空闲医师进行诊断处理,实现对热门医师多余患者的合理分配,进而提高实际的就诊质量和效率,有助于合理分配患者,避免患者积压的情况,充分利用医疗资源。
Description
技术领域
本发明涉及医院挂号技术领域,具体涉及一种医院智能挂号方法、系统、设备及存储介质。
背景技术
现有的医院挂号,一般是患者线上挂号,预约某个时间的医师,往往导致出现很多患者预约同一个医师的情况,这会超出该医师的最大接诊量,个别医师接诊压力大,病患积压,而另一些医师在同时段的接诊量不高则处于空闲状态,致使医疗资源不能充分利用。如何将热门医师的病患合理分配至其他有能力接收的同类型医师,以缓解就医压力,提高接诊质量和效率,成为值得探讨的问题。
发明内容
为此,本发明提供一种医院智能挂号方法、装置、系统及存储介质,以解决现有医院挂号存在的患者对同一个医师大量预约,热门医师接诊压力大,病患积压,医疗资源不能充分利用的技术问题。
为了实现上述目的,本发明提供如下技术方案:
根据本发明实施例的第一方面,提出一种医院智能挂号方法,所述方法包括:
基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;
对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;
基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;
基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师;
基于所述匹配结果,判断在所述时间段下超限医师的第一病患超限人数是否超过所匹配到的空闲医师的第一病患不足人数;
若超限医师的第一病患超限人数超过所匹配到的空闲医师的第一病患不足人数,则根据所匹配到的空闲医师的第一病患不足人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,分配后所述超限医师仍存在剩余超限病患;
若超限医师的第一病患超限人数未超过所匹配到的空闲医师的第一病患不足人数,则根据所述超限医师的第一病患超限人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,并判断是否存在分配后病患数仍未饱和的空闲医师;
若当前存在分配后病患数仍未饱和的空闲医师,则将分配后存在剩余超限病患的超限医师和/当前未匹配上空闲医师的超限医师与当前分配后病患数仍未饱和的空闲医师进行再次匹配;
若当前不存在分配后病患数仍未饱和的空闲医师,则将分配后超限医师仍存在的剩余超限病患和/当前未匹配上空闲医师的超限医师的超限病患转移至下一时间段再次进行匹配。
进一步地,基于病患预约挂号数据,确定同一科室的热门医师和非热门医师,具体包括:
基于所述病患预约挂号数据,获取同一科室的每个医师的病患预约人数,并生成病患预约人数序列;
计算所述病患预约人数序列中所有元素的均值,基于所述均值得到预设阈值;
将病患预约人数大于所述预设阈值的医师确定为热门医师,病患预约人数小于或等于所述预设阈值的医师确定为非热门医师。
进一步地,对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果,具体包括:
将所述热门医师或非热门医师的所有病患预约时间生成预约时间序列;
对所述预约时间序列进行otsu多阈值分割,得到所述热门医师或非热门医师的多个预约时间段的分类结果。
进一步地,基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,具体包括:
获取每个所述预约时间段内包含的预约时间元素的个数n,即为每个所述预约时间段内的预约量a;
计算每个所述预约时间段的预设天数的历史接诊量均值,即为热门医师或非热门医师在每个所述预约时间段的实际可接诊量b;
若a大于b,则对应的预约时间段为相应热门医师的忙碌时段,a与b的差值为相应热门医师在对应忙碌时段的实际病患超限人数;
若a小于b,则对应的预约时间段为相应非热门医师的空闲时段,b与a的差值为相应非热门医师在对应空闲时段的实际病患不足人数。
进一步地,基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师,具体包括:
将同一时间段下超限医师的第一病患超限人数作为左侧节点,空闲医师的第一病患不足人数作为右侧节点;
将左侧节点与右侧节点分别按照大小顺序进行排列,按顺序依次取个数对等的左右节点进行一对一匹配,多出来的节点不参与此次匹配;
若左侧存在多出的节点,则此次匹配存在未匹配上空闲医师的超限医师;
参与此次匹配的左侧每个节点与参与此次匹配的右侧每个节点连接,边值为边连接的两个节点小值与大值的比值,通过KM匹配计算得到左侧和右侧节点的一对一匹配关系。
进一步地,基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果之前,所述方法还包括:
基于热门医师的忙碌时段的最迟预约时间确定多个预设时间点;
将医师工作时间根据所述预设时间点划分为多个连续的时间段。
进一步地,基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,具体还包括:
若在某一所述时间段下,存在若干超限医师和若干空闲医师;
如果所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段完全包含在所述时间段内,则将所述超限医师在所述忙碌时段的实际病患超限人数或所述空闲医师在所述空闲时段的实际病患不足人数,作为所述超限医师的第一病患超限人数或所述空闲医师的第一病患不足人数进行KM匹配;
如果所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段仅部分包含在所述时间段内,则计算所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段包含在所述时间段内的部分与所述忙碌时段或空闲时段的时长占比,将所述时长占比乘以所述超限医师的实际病患超限人数或所述空闲医师的实际病患不足人数得到的结果,作为所述超限医师的第一病患超限人数或所述空闲医师的第一病患不足人数进行KM匹配。
进一步地,将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,具体还包括:
在将超限医师的超限患者分配至所匹配到的空闲医师时,优先将所述超限医师的预约时间靠后的病患分配至所匹配到的空闲医师。
根据本发明实施例的第二方面,提出一种医院智能挂号系统,所述系统包括:
第一医师分类模块,用于基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;
预约时间聚类模块,用于对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;
第二医师分类模块,用于基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;
医师匹配模块,用于基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师;
超限病患分配模块,用于基于所述匹配结果,判断在所述时间段下超限医师的第一病患超限人数是否超过所匹配到的空闲医师的第一病患不足人数;
若超限医师的第一病患超限人数超过所匹配到的空闲医师的第一病患不足人数,则根据所匹配到的空闲医师的第一病患不足人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,分配后所述超限医师仍存在剩余超限病患;
若超限医师的第一病患超限人数未超过所匹配到的空闲医师的第一病患不足人数,则根据所述超限医师的第一病患超限人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,并判断是否存在分配后病患数仍未饱和的空闲医师;
若当前存在分配后病患数仍未饱和的空闲医师,则将分配后存在剩余超限病患的超限医师和/当前未匹配上空闲医师的超限医师与当前分配后病患数仍未饱和的空闲医师进行再次匹配;
若当前不存在分配后病患数仍未饱和的空闲医师,则将分配后超限医师仍存在的剩余超限病患和/当前未匹配上空闲医师的超限医师的超限病患转移至下一时间段再次进行匹配。
根据本发明实施例的第三方面,提出一种医院智能挂号设备,所述设备包括:处理器和存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如上任一项所述的医院智能挂号方法。
根据本发明实施例的第四方面,提出一种计算机存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被一种医院智能挂号系统执行如上任一项所述的医院智能挂号方法。
与现有技术相比,本发明提出的一种医院智能挂号方法、系统、设备及存储介质,基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,根据匹配结果将超限医师的超限病患分配至所匹配到的空闲医师。通过对相同时间段下超限医师和空闲医师的匹配,将预约人数较多的超限医师的多余病患转移至同时段下的空闲医师进行诊断处理,实现对热门医师多余患者的合理分配,进而提高实际的就诊质量和效率,有助于合理分配患者,避免患者积压的情况,充分利用医疗资源。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明一个实施例提供的一种医院智能挂号方法的第一流程图;
图2为本发明一个实施例提供的一种医院智能挂号方法的第二流程图;
图3为本发明一个实施例提供的一种医院智能挂号方法的第三流程图;
图4为本发明一个实施例提供的一种医院智能挂号方法的第四流程图;
图5为本发明一个实施例提供的一种医院智能挂号方法的第五流程图;
图6为本发明一个实施例提供的一种医院智能挂号方法的KM匹配示意图;
图7为本发明一个实施例提供的一种医院智能挂号系统的结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明第一实施例提出了一种医院智能挂号方法,下面结合图1进行说明。
如图1所示,在步骤S110中,基于病患预约挂号数据,确定同一科室的热门医师和非热门医师。
在步骤S110之前,该方法还包括:获取病患预约挂号数据,其中预约挂号数据包括预约科室、预约医师和预约时间。本实施例的目的是解决患者对同一个医师大量预约,导致医疗资源不能充分利用的情况,进行改进,因此首先要得到患者的预约数据,包括每个患者的预约医师和预约时间。
为了对患者进行精准的医师的匹配,首先需要通过实际预约情况得到每个科室的热门医师,即预约数量很多的医师,进而得到该医师的最忙碌的时间段,通过与同类型医师的时间计算,看哪些同类型医师在该时间段有能力接收一部分病人,来缓解热门医师的压力,充分利用医疗资源。
参考图2,上述步骤S110具体包括:基于病患预约挂号数据,获取同一科室的每个医师的病患预约人数,并生成病患预约人数序列;计算病患预约人数序列中所有元素的均值,基于均值得到预设阈值;将病患预约人数大于预设阈值的医师确定为热门医师,病患预约人数小于或等于预设阈值的医师确定为非热门医师。本实施例中,预设阈值设置为(均值+均值*0.3),将大于(均值+均值*0.3)的元素对应医师记为热门医师,将小于或等于(均值+均值*0.3)的元素对应医师记为非热门医师。
对热门医师的较难处理,即患者数量较多的时间段,对该时间段的患者,需要通过将患者交给同类型的对应时间段的压力不是很大的医师来负责,来减小热门医师压力的同时,充分利用医疗资源,因此首先需要得到每个热门医师的忙碌时间段。
如图1所示,在步骤S120中,对热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果。
参考图3,上述步骤S120具体包括:将热门医师或非热门医师的所有病患预约时间生成预约时间序列;对预约时间序列进行otsu多阈值分割,得到热门医师或非热门医师的多个预约时间段的分类结果。具体的,每个医师的预约时间分为上午和下午,本实施例中将一上午或一下午记为工作时间。以任意一个热门医师为例,将该热门医师的任意一个工作时间的所有病患预约时间形成的序列,记为预约时间序列,通过对预约时间序列进行otsu多阈值分割得到多个类别,同一个类别内的预约时间相近,不同类别内的预约时间相差较大,比如聚类得到的医师A的某个类别为:[9:50,10:20,11:10],则对应分类得到的预约时间段为:9:50-11:10。
如图1所示,在步骤S130中,基于聚类结果,获取热门医师的忙碌时段和忙碌时段的实际病患超限人数,以及非热门医师的空闲时段和空闲时段的实际病患不足人数,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师。
本实施例中,基于对各时间段的预约量与实际可接诊量比较,得到热门医师的忙碌时段及忙碌时段对应的实际病患超限人数,以及非热门医师的空闲时段及空闲时段对应的实际病患不足人数。
参考图4,上述步骤S130具体包括:获取每个预约时间段内包含的预约时间元素的个数n,即为每个预约时间段内的预约量a;计算每个预约时间段的预设天数的历史接诊量均值,即为热门医师或非热门医师在每个预约时间段的实际可接诊量b,例如:首先根据历史接诊数据可以得到医师A每天在上午9:50-11:10这个时间段的就诊人数,这里选取前一个月的就诊人数计算平均值;若a大于b,则对应的预约时间段为相应热门医师的忙碌时段,a与b的差值为相应热门医师在对应忙碌时段的实际病患超限人数;若a小于b,则对应的预约时间段为相应非热门医师的空闲时段,b与a的差值为相应非热门医师在对应空闲时段的实际病患不足人数。每个热门医师可能有多个忙碌时段,每个非热门医师也可能有多个空闲时段。
如图1所示,在步骤S140中,基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师。
每个科室中往往有多个热门医师和非热门医师,需要通过KM匹配来计算每个非热门医师可以接收的超出热门医师处理能力的患者,因此首先要得到多个属于同一忙碌时间段的热门医师和处于同样时间段的,未达实际就诊数量的非热门医师的预约数量,进行两者的匹配。
另外,在步骤S140之前,该方法具体还包括:基于热门医师的忙碌时段的最迟预约时间确定多个预设时间点;将医师工作时间根据预设时间点划分为多个连续的时间段。
本实施例中,将每个热门医师所有的忙碌时段对应的分类均记为第一类别,将第一类别内的最迟预约时间作为第一类别的第一预约时间;获取同一科室中所有热门医师的第一类别的第一预约时间,将获取的第一预约时间按先后顺序排序,依次得到预设时间点一、预设时间点二、……预设时间点i;将医师的工作时间(比如一整个上午、一整个下午)根据得到的多个预设时间点划分为多个连续的时间段,对每个时间段下的超限医师和空闲医师进行匹配。
参考图6,上述步骤S140具体包括:将同一时间段下超限医师的第一病患超限人数作为左侧节点,空闲医师的第一病患不足人数作为右侧节点;将左侧节点与右侧节点分别按照大小顺序进行排列,按顺序依次取个数对等的左右节点进行一对一匹配,多出来的节点不参与此次匹配;若左侧存在多出的节点,则此次匹配存在未匹配上空闲医师的超限医师,例如同一时间段下超限医师有4个,空闲医师有3个,那么会剩余1个超限医师没有匹配上;参与此次匹配的左侧每个节点与参与此次匹配的右侧每个节点连接,边值为边连接的两个节点小值与大值的比值,通过KM匹配计算得到左侧和右侧节点的一对一匹配关系。
上述步骤S140具体还包括:若在某一时间段下,存在若干超限医师和若干空闲医师;如果超限医师的当前忙碌时段或空闲医师的当前空闲时段完全包含在该时间段内,则将超限医师在忙碌时段的实际病患超限人数或空闲医师在空闲时段的实际病患不足人数作为超限医师的第一病患超限人数或空闲医师的第一病患不足人数进行KM匹配;如果超限医师的当前忙碌时段或空闲医师的当前空闲时段仅部分包含在该时间段内,则计算超限医师的当前忙碌时段或空闲医师的当前空闲时段包含在该时间段内的部分与忙碌时段或空闲时段的时长占比,将时长占比乘以超限医师的实际病患超限人数或空闲医师的实际病患不足人数得到的结果,作为超限医师的第一病患超限人数或空闲医师的第一病患不足人数进行KM匹配。
例如,某一热门医师A的忙碌时段为10:00-10:20,热门医师B的忙碌时段为10:00-10:30,经划分的时间段一为10:00-10:20和时间段二为10: 20-10:30;在时间段一10:00-10:20下,医师A的忙碌时段10:00-10:20完全包含在时间段一内,医师B的忙碌时段10:00-10:30只有部分包含在时间段一10:00-10:20内,此时A和B均参与匹配,A参与匹配的第一病患超限人数即为A在忙碌时段10:00-10:20的实际病患超限人数,而B参与匹配的第一病患超限人数按照时长占比分配,比如B在忙碌时段10:00-10:30的超限人数为20人,B的忙碌时段10:00-10:30包含在时间段一内的部分是10:00-10:20,是B的忙碌时段10:00-10:30的2/3的时间,将20*(2/3)(四舍五入取整)作为B在时间段一10:00-10:20内的第一病患超限人数进行匹配;在时间段二10: 20-10:30下,仅有B参与匹配,此时B参与匹配的第一病患超限人数为20*(1/3);空闲医师的第一病患不足人数的计算方式同理。
如图5所示,在步骤S150中,基于匹配结果,判断在当前时间段下超限医师的第一病患超限人数是否超过所匹配到的空闲医师的第一病患不足人数。
如图5所示,在步骤S160中,若超限医师的第一病患超限人数超过所匹配到的空闲医师的第一病患不足人数,则根据所匹配到的空闲医师的第一病患不足人数将超限医师对应数量的超限病患分配至所匹配到的空闲医师,分配后超限医师仍存在剩余超限病患。
本实施例中,在将超限医师的超限患者分配至所匹配到的空闲医师时,优先将超限医师的预约时间靠后的病患分配至所匹配到的空闲医师。例如:超限医师A的超限数量为3,匹配到的空闲医师B的病患不足人数为2,超限医师A可以将2个患者分配到空闲医师B,还有一个患者未曾分配,该未分配患者为超限医师A的3个超限患者中预约时间最迟的患者。
如图5所示,在步骤S170中,若超限医师的第一病患超限人数未超过所匹配到的空闲医师的第一病患不足人数,则根据超限医师的第一病患超限人数将超限医师对应数量的超限病患分配至所匹配到的空闲医师,并判断是否存在分配后病患数仍未饱和的空闲医师。例如:超限医师A的超限数量为3,匹配到的空闲医师B的病患不足人数为4,超限医师A可以将3个患者分配到空闲医师B,分配后空闲医师B仍有1个不饱和名额。
如图5所示,在步骤S180中,若当前存在分配后病患数仍未饱和的空闲医师,则将分配后存在剩余超限病患的超限医师和/当前未匹配上空闲医师的超限医师与当前分配后病患数仍未饱和的空闲医师进行再次匹配。例如,分配后仍有1个未分配的超限患者的医师A可以与分配后仍有1个不饱和名额的医师B进行再次匹配,如果同时存在没有匹配上空闲医师的超限医师,可以同样参与再次匹配。
如图5所示,在步骤S190中,若当前不存在分配后病患数仍未饱和的空闲医师,则将分配后超限医师仍存在的剩余超限病患和/当前未匹配上空闲医师的超限医师的超限病患转移至下一时间段再次进行匹配。具体为,如果当前时间段下的空闲医师均分配饱和,则将本阶段没有分配完的超限病患转移到下一时间段去匹配空闲医师,实现超限患者的合理分配,此时病患的预约时间按照实际分配时间来确定。
依次类推,通过多次的匹配和患者的分配,可以实现热门医师在忙碌时段下的超限患者的重新分配。由此根据该方法完成对每个时间段每个患者的挂号的更新,实现智能排号。另外,本实施例中每一次挂号行为可以作为一个交易被记录在区块链上,包括挂号时间、科室、医生等信息,这些数据是透明且可追踪的,医院、患者和相关机构都可以查询到,实现基于区块链的智能挂号。
本发明实施例提出的一种医院智能挂号方法,基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;对热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;基于聚类结果,获取热门医师的忙碌时段和忙碌时段的实际病患超限人数,以及非热门医师的空闲时段和空闲时段的实际病患不足人数,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一时间段下的超限医师和空闲医师的一对一匹配结果,根据匹配结果将超限医师的超限病患分配至所匹配到的空闲医师。通过对相同时间段下超限医师和空闲医师的匹配,将预约人数较多的超限医师的多余病患转移至同时段下的空闲医师进行诊断处理,实现对热门医师多余患者的合理分配,进而提高实际的就诊质量和效率,有助于合理分配患者,避免患者积压的情况,充分利用医疗资源。
与上述实施例相对应的,本发明的第二实施例提出了一种医院智能挂号系统,如图7所示,该系统包括:
第一医师分类模块210,用于基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;
预约时间聚类模块220,用于对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;
第二医师分类模块230,用于基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;
医师匹配模块240,用于基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师;
超限病患分配模块250,用于基于所述匹配结果,判断在所述时间段下超限医师的第一病患超限人数是否超过所匹配到的空闲医师的第一病患不足人数;
若超限医师的第一病患超限人数超过所匹配到的空闲医师的第一病患不足人数,则根据所匹配到的空闲医师的第一病患不足人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,分配后所述超限医师仍存在剩余超限病患;
若超限医师的第一病患超限人数未超过所匹配到的空闲医师的第一病患不足人数,则根据所述超限医师的第一病患超限人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,并判断是否存在分配后病患数仍未饱和的空闲医师;
若当前存在分配后病患数仍未饱和的空闲医师,则将分配后存在剩余超限病患的超限医师和/当前未匹配上空闲医师的超限医师与当前分配后病患数仍未饱和的空闲医师进行再次匹配;
若当前不存在分配后病患数仍未饱和的空闲医师,则将分配后超限医师仍存在的剩余超限病患和/当前未匹配上空闲医师的超限医师的超限病患转移至下一时间段再次进行匹配。
本发明实施例提供的一种医院智能挂号系统中各部件所执行的功能均已在上述实施例中做了详细介绍,因此这里不做过多赘述。
本发明实施例提出的一种医院智能挂号系统,基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,根据匹配结果将超限医师的超限病患分配至所匹配到的空闲医师。通过对相同时间段下超限医师和空闲医师的匹配,将预约人数较多的超限医师的多余病患转移至同时段下的空闲医师进行诊断处理,实现对热门医师多余患者的合理分配,进而提高实际的就诊质量和效率,有助于合理分配患者,避免患者积压的情况,充分利用医疗资源。
与上述实施例相对应的,本发明的第三实施例提出一种医院智能挂号设备,所述设备包括:处理器和存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如上实施例所述的医院智能挂号方法。
与上述实施例相对应的,本发明一个实施例提出了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令,一个或多个程序指令用于被一种医院智能挂号系统执行如上实施例所述的医院智能挂号方法。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (7)
1.一种医院智能挂号方法,其特征在于,所述方法包括:
基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;
对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;
对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果,具体包括:
将所述热门医师或非热门医师的所有病患预约时间生成预约时间序列;
对所述预约时间序列进行otsu多阈值分割,得到所述热门医师或非热门医师的多个预约时间段的分类结果;
基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;
基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,具体包括:
获取每个所述预约时间段内包含的预约时间元素的个数n,即为每个所述预约时间段内的预约量a;
计算每个所述预约时间段的预设天数的历史接诊量均值,即为热门医师或非热门医师在每个所述预约时间段的实际可接诊量b;
若a大于b,则对应的预约时间段为相应热门医师的忙碌时段,a与b的差值为相应热门医师在对应忙碌时段的实际病患超限人数;
若a小于b,则对应的预约时间段为相应非热门医师的空闲时段,b与a的差值为相应非热门医师在对应空闲时段的实际病患不足人数;
基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师;
基于所述匹配结果,判断在所述时间段下超限医师的第一病患超限人数是否超过所匹配到的空闲医师的第一病患不足人数;
若超限医师的第一病患超限人数超过所匹配到的空闲医师的第一病患不足人数,则根据所匹配到的空闲医师的第一病患不足人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,分配后所述超限医师仍存在剩余超限病患;
若超限医师的第一病患超限人数未超过所匹配到的空闲医师的第一病患不足人数,则根据所述超限医师的第一病患超限人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,并判断是否存在分配后病患数仍未饱和的空闲医师;
若当前存在分配后病患数仍未饱和的空闲医师,则将分配后存在剩余超限病患的超限医师和/当前未匹配上空闲医师的超限医师与当前分配后病患数仍未饱和的空闲医师进行再次匹配;
若当前不存在分配后病患数仍未饱和的空闲医师,则将分配后超限医师仍存在的剩余超限病患和/当前未匹配上空闲医师的超限医师的超限病患转移至下一时间段再次进行匹配;
基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,具体还包括:
若在某一所述时间段下,存在若干超限医师和若干空闲医师;
如果所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段完全包含在所述时间段内,则将所述超限医师在所述忙碌时段的实际病患超限人数或所述空闲医师在所述空闲时段的实际病患不足人数,作为所述超限医师的第一病患超限人数或所述空闲医师的第一病患不足人数进行KM匹配;
如果所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段仅部分包含在所述时间段内,则计算所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段包含在所述时间段内的部分与所述忙碌时段或空闲时段的时长占比,将所述时长占比乘以所述超限医师的实际病患超限人数或所述空闲医师的实际病患不足人数得到的结果,作为所述超限医师的第一病患超限人数或所述空闲医师的第一病患不足人数进行KM匹配。
2.根据权利要求1所述的一种医院智能挂号方法,其特征在于,基于病患预约挂号数据,确定同一科室的热门医师和非热门医师,具体包括:
基于所述病患预约挂号数据,获取同一科室的每个医师的病患预约人数,并生成病患预约人数序列;
计算所述病患预约人数序列中所有元素的均值,基于所述均值得到预设阈值;
将病患预约人数大于所述预设阈值的医师确定为热门医师,病患预约人数小于或等于所述预设阈值的医师确定为非热门医师。
3.根据权利要求1所述的一种医院智能挂号方法,其特征在于,基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师,具体包括:
将同一时间段下超限医师的第一病患超限人数作为左侧节点,空闲医师的第一病患不足人数作为右侧节点;
将左侧节点与右侧节点分别按照大小顺序进行排列,按顺序依次取个数对等的左右节点进行一对一匹配,多出来的节点不参与此次匹配;
若左侧存在多出的节点,则此次匹配存在未匹配上空闲医师的超限医师;
参与此次匹配的左侧每个节点与参与此次匹配的右侧每个节点连接,边值为边连接的两个节点小值与大值的比值,通过KM匹配计算得到左侧和右侧节点的一对一匹配关系。
4.根据权利要求1所述的一种医院智能挂号方法,其特征在于,基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果之前,所述方法还包括:
基于热门医师的忙碌时段的最迟预约时间确定多个预设时间点;
将医师工作时间根据所述预设时间点划分为多个连续的时间段。
5.一种医院智能挂号系统,其特征在于,所述系统包括:
第一医师分类模块,用于基于病患预约挂号数据,确定同一科室的热门医师和非热门医师;
预约时间聚类模块,用于对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果;
对所述热门医师和非热门医师的病患预约时间进行聚类,得到聚类结果,具体包括:
将所述热门医师或非热门医师的所有病患预约时间生成预约时间序列;
对所述预约时间序列进行otsu多阈值分割,得到所述热门医师或非热门医师的多个预约时间段的分类结果;
第二医师分类模块,用于基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,将忙碌时段的热门医师记为超限医师,空闲时段的非热门医师记为空闲医师;
基于所述聚类结果,获取所述热门医师的忙碌时段以及非热门医师的空闲时段,具体包括:
获取每个所述预约时间段内包含的预约时间元素的个数n,即为每个所述预约时间段内的预约量a;
计算每个所述预约时间段的预设天数的历史接诊量均值,即为热门医师或非热门医师在每个所述预约时间段的实际可接诊量b;
若a大于b,则对应的预约时间段为相应热门医师的忙碌时段,a与b的差值为相应热门医师在对应忙碌时段的实际病患超限人数;
若a小于b,则对应的预约时间段为相应非热门医师的空闲时段,b与a的差值为相应非热门医师在对应空闲时段的实际病患不足人数;
医师匹配模块,用于基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,并判断是否存在未匹配上空闲医师的超限医师;
超限病患分配模块,用于基于所述匹配结果,判断在所述时间段下超限医师的第一病患超限人数是否超过所匹配到的空闲医师的第一病患不足人数;
若超限医师的第一病患超限人数超过所匹配到的空闲医师的第一病患不足人数,则根据所匹配到的空闲医师的第一病患不足人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,分配后所述超限医师仍存在剩余超限病患;
若超限医师的第一病患超限人数未超过所匹配到的空闲医师的第一病患不足人数,则根据所述超限医师的第一病患超限人数将所述超限医师对应数量的超限病患分配至所匹配到的空闲医师,并判断是否存在分配后病患数仍未饱和的空闲医师;
若当前存在分配后病患数仍未饱和的空闲医师,则将分配后存在剩余超限病患的超限医师和/当前未匹配上空闲医师的超限医师与当前分配后病患数仍未饱和的空闲医师进行再次匹配;
若当前不存在分配后病患数仍未饱和的空闲医师,则将分配后超限医师仍存在的剩余超限病患和/当前未匹配上空闲医师的超限医师的超限病患转移至下一时间段再次进行匹配;
基于KM匹配算法,通过对同一时间段下超限医师的第一病患超限人数和空闲医师的第一病患不足人数的匹配,获取同一所述时间段下的超限医师和空闲医师的一对一匹配结果,具体还包括:
若在某一所述时间段下,存在若干超限医师和若干空闲医师;
如果所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段完全包含在所述时间段内,则将所述超限医师在所述忙碌时段的实际病患超限人数或所述空闲医师在所述空闲时段的实际病患不足人数,作为所述超限医师的第一病患超限人数或所述空闲医师的第一病患不足人数进行KM匹配;
如果所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段仅部分包含在所述时间段内,则计算所述超限医师的当前忙碌时段或所述空闲医师的当前空闲时段包含在所述时间段内的部分与所述忙碌时段或空闲时段的时长占比,将所述时长占比乘以所述超限医师的实际病患超限人数或所述空闲医师的实际病患不足人数得到的结果,作为所述超限医师的第一病患超限人数或所述空闲医师的第一病患不足人数进行KM匹配。
6.一种医院智能挂号设备,其特征在于,所述设备包括:处理器和存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-4任一项所述的医院智能挂号方法。
7.一种计算机存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被一种医院智能挂号系统执行如权利要求1-4任一项所述的医院智能挂号方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311370505.2A CN117133427B (zh) | 2023-10-23 | 2023-10-23 | 一种医院智能挂号方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311370505.2A CN117133427B (zh) | 2023-10-23 | 2023-10-23 | 一种医院智能挂号方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117133427A CN117133427A (zh) | 2023-11-28 |
CN117133427B true CN117133427B (zh) | 2024-03-19 |
Family
ID=88851073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311370505.2A Active CN117133427B (zh) | 2023-10-23 | 2023-10-23 | 一种医院智能挂号方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117133427B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515379A (zh) * | 2009-02-20 | 2009-08-26 | 上海健业文化传播有限公司 | 一种双轨道挂号就诊服务系统 |
CN106557639A (zh) * | 2015-09-18 | 2017-04-05 | 中兴通讯股份有限公司 | 挂号方法和系统 |
CN107871533A (zh) * | 2017-11-17 | 2018-04-03 | 哈尔滨商业大学 | 一种智能化门诊调度控制系统 |
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 |
JP2022160794A (ja) * | 2021-04-07 | 2022-10-20 | 株式会社Linc’well | 医療予約システム、方法およびプログラム |
CN115588495A (zh) * | 2022-11-03 | 2023-01-10 | 中电通商数字技术(上海)有限公司 | 一种基于区域内人员工作量智能调度的方法及系统 |
CN115688760A (zh) * | 2022-11-11 | 2023-02-03 | 深圳市蒲睿科技有限公司 | 一种智能化导诊方法、装置、设备及存储介质 |
WO2023178958A1 (zh) * | 2022-03-22 | 2023-09-28 | 康键信息技术(深圳)有限公司 | 线上医疗问诊的医生分配方法、装置、存储介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230005607A1 (en) * | 2021-06-25 | 2023-01-05 | Daniel Kogan | System And Method For Optimizing Home Visit Appointments And Related Travel |
-
2023
- 2023-10-23 CN CN202311370505.2A patent/CN117133427B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515379A (zh) * | 2009-02-20 | 2009-08-26 | 上海健业文化传播有限公司 | 一种双轨道挂号就诊服务系统 |
CN106557639A (zh) * | 2015-09-18 | 2017-04-05 | 中兴通讯股份有限公司 | 挂号方法和系统 |
CN107871533A (zh) * | 2017-11-17 | 2018-04-03 | 哈尔滨商业大学 | 一种智能化门诊调度控制系统 |
JP2022160794A (ja) * | 2021-04-07 | 2022-10-20 | 株式会社Linc’well | 医療予約システム、方法およびプログラム |
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 |
WO2023178958A1 (zh) * | 2022-03-22 | 2023-09-28 | 康键信息技术(深圳)有限公司 | 线上医疗问诊的医生分配方法、装置、存储介质及设备 |
CN115588495A (zh) * | 2022-11-03 | 2023-01-10 | 中电通商数字技术(上海)有限公司 | 一种基于区域内人员工作量智能调度的方法及系统 |
CN115688760A (zh) * | 2022-11-11 | 2023-02-03 | 深圳市蒲睿科技有限公司 | 一种智能化导诊方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
加强空闲诊室动态分配管理 提高门诊诊室使用效率;刘畅;曹秀堂;;中国医院(05);67-68 * |
Also Published As
Publication number | Publication date |
---|---|
CN117133427A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20040078339A1 (en) | Priority based licensing | |
CN108510140A (zh) | 一种工作量分配方法、存储介质和服务器 | |
Liu et al. | Dynamic and static job allocation for multi-server systems | |
CN114300106A (zh) | 医疗资源分配方法、装置及电子设备 | |
Robinson et al. | Computer simulation of hospital patient scheduling systems | |
CN113689941B (zh) | 一种具有智能化监管的医疗数据治理系统 | |
CN109065138B (zh) | 多院区门诊医生排班方法及系统 | |
McRae et al. | Assessing the impact of uncertainty and the level of aggregation in case mix planning | |
CN117133427B (zh) | 一种医院智能挂号方法、系统、设备及存储介质 | |
Yan et al. | Dynamic appointment scheduling for outpatient clinics with multiple physicians and patient choice | |
CN115588495A (zh) | 一种基于区域内人员工作量智能调度的方法及系统 | |
CN108847278A (zh) | 线上问诊自动分配方法、装置、计算机设备和存储介质 | |
US6754658B1 (en) | Database server processing system, method, program and program storage device | |
CN111930514B (zh) | 一种资源优化分配方法及系统 | |
CN109118127B (zh) | 一种基于统计学习的卫星数据接收资源预规划方法 | |
CN116153475A (zh) | 就医分诊排队方法、装置、设备及存储介质 | |
CN113506602B (zh) | 远程医疗平台医生调度方法和装置 | |
CN114334106A (zh) | 一种基于问诊数据的医生分配算法 | |
CN114649087A (zh) | 资源预约方法、资源预约系统、电子设备和存储装置 | |
CN114724694A (zh) | 医疗资源处理方法、装置及可读存储介质 | |
CN113886086A (zh) | 云平台计算资源分配方法、系统、终端及存储介质 | |
CN114493113A (zh) | 任务分配方法、装置、电子装置和存储介质 | |
CN107993696B (zh) | 一种数据采集方法、装置、客户端及系统 | |
CN112200335A (zh) | 基于人工智能的图书馆座位预约管理方法、系统及介质 | |
CN109587257B (zh) | 一种远程会诊的通话线路分配方法、存储介质和服务器 |
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 |