CN117238467A - 一种用于急诊的智能化医技检查预约方法 - Google Patents
一种用于急诊的智能化医技检查预约方法 Download PDFInfo
- Publication number
- CN117238467A CN117238467A CN202311525019.3A CN202311525019A CN117238467A CN 117238467 A CN117238467 A CN 117238467A CN 202311525019 A CN202311525019 A CN 202311525019A CN 117238467 A CN117238467 A CN 117238467A
- Authority
- CN
- China
- Prior art keywords
- medical technology
- scheduling
- intelligent
- reservation
- time
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 230000010354 integration Effects 0.000 claims abstract description 15
- 238000012423 maintenance Methods 0.000 claims abstract description 8
- 238000011084 recovery Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- 230000015556 catabolic process Effects 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种用于急诊的智能化医技检查预约方法，方法包括：数据获取、数据集成、智能排班系统、智能预约平台、智能化医技检查预约系统运维和优化智能化医技检查预约系统。本发明属于医疗信息技术领域，具体是指一种用于急诊的智能化医技检查预约方法，本方案采用计算基于编辑距离和最长公共子序列的联合相似度，全面评估字符串之间的相似程度，增强数据集成能力；采用智能排班系统，建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值，保持系统稳定性；采用设置故障检查点，计算故障最佳检查点间隔，及时发现故障，降低风险损失，确保故障发生时快速恢复到可靠状态。
Description
技术领域
本发明属于医疗信息技术领域，具体是一种用于急诊的智能化医技检查预约方法。
背景技术
医技检查预约是一种安排患者进行医学技术检查的预约服务，其目的是让患者能够提前预约到合适的时间和医生进行检查，方便患者就诊并优化医疗资源利用，降低患者就医等待时间，提高就诊的效率和准确性。但是现有的医技检查预约，存在医技检查预约系统与其他医疗信息系统的数据集成能力不足，导致信息交换不畅或重复录入，增加工作量的技术问题；存在医生排班系统混乱，导致患者就医体验受到影响，耽误病情，医生工作负担加重的技术问题；存在预约系统出现故障的情况，包括系统崩溃、预约信息丢失和无法正常响应的技术问题。
发明内容
针对上述情况，为克服现有技术的缺陷，本发明提供了一种用于急诊的智能化医技检查预约方法，针对存在医技检查预约系统与其他医疗信息系统的数据集成能力不足，导致信息交换不畅或重复录入，增加工作量的技术问题，采用计算基于编辑距离和最长公共子序列的联合相似度，全面评估字符串之间的相似程度，增强数据集成能力；针对存在医生排班系统混乱，导致患者就医体验受到影响，耽误病情，医生工作负担加重的技术问题，采用智能排班系统，建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值，保持系统稳定性；针对存在预约系统出现故障的情况，包括系统崩溃、预约信息丢失和无法正常响应的技术问题，采用设置故障检查点，计算故障最佳检查点间隔，及时发现故障，降低风险损失，确保故障发生时快速恢复到可靠状态。
本发明采取的技术方案如下：本发明提供的一种用于急诊的智能化医技检查预约方法，该方法包括以下步骤：
步骤S1：数据获取；
步骤S2：数据集成，具体为计算基于编辑距离的相似度和基于最长公共子序列的相似度，得到联合相似度，评估字符串的相似程度；
步骤S3：智能排班系统，具体为建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值；
步骤S4：智能预约平台；
步骤S5：智能化医技检查预约系统运维，具体为设置故障检查点，计算故障最佳检查点间隔，进行系统性能监测；
步骤S6：优化智能化医技检查预约系统。
进一步地，在步骤S1中，所述数据获取，具体为从多个数据源获取医技检查预约信息，包括医生排班、医技检查设备的可用性，所述医技检查预约信息来自医院内部系统，包括电子病历系统、医技设备管理系统。
进一步地，在步骤S2中，所述数据集成，包括以下步骤：
步骤S21：数据清洗，对不同数据源获取的医技检查预约信息进行数据清洗和预处理；
步骤S22：文本分析，对医技检查预约信息进行文本分析，提取关键词、短语和特征，进行文本相似度计算；
步骤S23：基于编辑距离的相似度计算，定义字符串ξ1和字符串ξ2，包括以下步骤：
步骤S231：初始化，所用公式如下：
DP[i，j]=i+j；
式中，DP[i，j]表示字符串ξ1的前i个字符和字符串ξ2的前j个字符之间的最小编辑距离，i∈[0，length（ξ1）]，j∈[0，length（ξ2）]，当ij=0时初始化；
步骤S232：递归，所用公式如下：
；
式中，表示字符串ξ1的第i个字符不等于字符串ξ2的第j个字符，表示字符串ξ1的第i个字符等于字符串ξ2的第j个字符；
步骤S24：基于最长公共子序列的相似度计算，包括以下步骤：
步骤S241：初始化，所用公式如下：
DQ[i，j]=i+j；
式中，DQ[i，j]表示字符串ξ1的前i个字符到字符串ξ2的前j个字符的最大子字符串长度，i∈[0，length（ξ1）]，j∈[0，length（ξ2）]，当ij=0时初始化；
步骤S242：递归，所用公式如下：
；
步骤S25：计算联合相似度，所用公式如下：
；
式中，s是联合相似度，DP是基于编辑距离的相似度计算值，DQ是基于最长公共子序列相似度计算值。
进一步地，在步骤S3中，所述智能排班系统，包括以下步骤：
步骤S31：收集排班信息，收集医生的排班情况、患者的需求和医疗资源的可用性，所述医生排班情况包括工作时间、休假时间，所述患者的需求包括预约时间、医生的偏好，所述医疗资源包括医技检查设备、药物；
步骤S32：建立排班决策模型，平衡影响排班信息的因素，保持智能排班系统的稳定性，计算排班信息熵，所用公式如下：
；
；
式中，H是排班信息熵，N表示有N个排班结果，每个排班结果的概率为pa，pa≥0，a表示第a个排班结果；
步骤S33：定义函数，定义排班信息的时间熵为TH，用于衡量排班信息在一个调度周期内的平衡度，时间熵越大，排班越平衡；
步骤S34：计算排班信息的时间熵，所用公式如下：
；
式中，TH是排班信息的时间熵，是两个相邻排班信息活动与排班周期中单位时间总数之比，N是排班信息的时间熵的总数，Sa-1是时间间隔的总数，n表示第n个时间间隔；
步骤S35：计算排班信息的时间熵最大值，所用公式如下：
；
式中，THmax是计算排班信息的时间熵最大值；
步骤S36：计算排班平衡函数的最大值，所用公式如下：
；
式中，THRmax是排班平衡函数的最大值。
进一步地，在步骤S4中，所述智能预约平台，包括以下步骤：
步骤S41：患者急诊情况评估，根据患者提供的信息和症状描述，初步判断患者急诊情况的紧急性和严重程度，将患者划分为不同优先级，以便进行预约和调度安排；
步骤S42：预约请求通知，一旦患者提交预约请求，智能预约平台立即通知医院的相关人员，包括医生、护士和技术人员；
步骤S43：医技检查调度，根据预约的急诊优先级，调度医技检查的时间和地点，通过智能预约平台，查看医技设备使用情况，考虑技术人员的工作时间和工作负荷，快速安排患者进行医技检查。
进一步地，在步骤S5中，所述智能化医技检查预约系统运维，包括以下步骤：
步骤S51：智能化医技检查预约系统监控，持续监控智能化医技检查预约系统的运行状态，包括服务器健康状况、数据库负载和网络连接；
步骤S52：故障检测，设置故障检查点，计算故障最佳检查点间隔，及时发现故障，降低损失和风险，确保故障发生时能够快速还原到可靠状态，所用公式如下：
；
式中，φopt是故障最佳检查点间隔，δ是检查点的时间，M是处理器发生故障的平均时间；
步骤S53：安全管理，智能化医技检查预约系统涉及患者个人隐私，确保系统有合规的访问控制、数据加密和日志监测；
步骤S54：数据备份，定期备份数据，在智能化医技检查预约系统故障和数据丢失时进行快速恢复；
步骤S55：智能化医技检查预约系统性能监测，保持系统的高性能和响应速度，监测智能化医技检查预约系统的性能指标，包括响应时间、吞吐量，进行相应的性能调优，确保系统高效运行。
进一步地，在步骤S6中，所述优化智能化医技检查预约系统，具体为建立预约服务质量监控机制，对预约过程中产生的数据进行实时监控，包括预约成功率、响应时间和预约变更情况，根据患者反馈，及时优化并更新智能化医技检查预约系统，保证服务质量。
采用上述方案本发明取得的有益成果如下：
（1）针对存在医技检查预约系统与其他医疗信息系统的数据集成能力不足，导致信息交换不畅或重复录入，增加工作量的技术问题，采用计算基于编辑距离和最长公共子序列的联合相似度，全面评估字符串之间的相似程度，增强数据集成能力；
（2）针对存在医生排班系统混乱，导致患者就医体验受到影响，耽误病情，医生工作负担加重的技术问题，采用智能排班系统，建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值，保持系统稳定性；
（3）针对存在预约系统出现故障的情况，包括系统崩溃、预约信息丢失和无法正常响应的技术问题，采用设置故障检查点，计算故障最佳检查点间隔，及时发现故障，降低风险损失，确保故障发生时快速恢复到可靠状态。
附图说明
图1为本发明提供的一种用于急诊的智能化医技检查预约方法的流程示意图；
图2为步骤S2的流程示意图；
图3为步骤S3的流程示意图；
图4为步骤S5的流程示意图。
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示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。
实施例一，参阅图1，本发明提供的一种用于急诊的智能化医技检查预约方法，该方法包括以下步骤：
步骤S1：数据获取；
步骤S2：数据集成，具体为计算基于编辑距离的相似度和基于最长公共子序列的相似度，得到联合相似度，评估字符串的相似程度；
步骤S3：智能排班系统，具体为建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值；
步骤S4：智能预约平台；
步骤S5：智能化医技检查预约系统运维，具体为设置故障检查点，计算故障最佳检查点间隔，进行系统性能监测；
步骤S6：优化智能化医技检查预约系统。
实施例二，参阅图1，该实施例基于上述实施例，在步骤S1中，所述数据获取，具体为从多个数据源获取医技检查预约信息，包括医生排班、医技检查设备的可用性，所述医技检查预约信息来自医院内部系统，包括电子病历系统、医技设备管理系统。
实施例三，参阅图1和图2，该实施例基于上述实施例，在步骤S2中，所述数据集成，包括以下步骤：
步骤S21：数据清洗，对不同数据源获取的医技检查预约信息进行数据清洗和预处理；
步骤S22：文本分析，对医技检查预约信息进行文本分析，提取关键词、短语和特征，进行相似度计算；
步骤S23：基于编辑距离的相似度计算，定义字符串ξ1和字符串ξ2，包括以下步骤：
步骤S231：初始化，所用公式如下：
DP[i，j]=i+j；
式中，DP[i，j]表示字符串ξ1的前i个字符和字符串ξ2的前j个字符之间的最小编辑距离，i∈[0，length（ξ1）]，j∈[0，length（ξ2）]，当ij=0时初始化；
步骤S232：递归，所用公式如下：
；
式中，表示字符串ξ1的第i个字符不等于字符串ξ2的第j个字符，表示字符串ξ1的第i个字符等于字符串ξ2的第j个字符；
步骤S24：基于最长公共子序列的相似度计算，包括以下步骤：
步骤S241：初始化，所用公式如下：
DQ[i，j]=i+j；
式中，DQ[i，j]表示字符串ξ1的前i个字符到字符串ξ2的前j个字符的最大子字符串长度，i∈[0，length（ξ1）]，j∈[0，length（ξ2）]，当ij=0时初始化；
步骤S242：递归，所用公式如下：
；
步骤S25：计算联合相似度，所用公式如下：
；
式中，s是联合相似度，DP是基于编辑距离的相似度计算值，DQ是基于最长公共子序列相似度计算值。
在上述操作中，本方案采用计算基于编辑距离和最长公共子序列的联合相似度，全面评估字符串之间的相似程度，增强数据集成能力，解决了医技检查预约系统与其他医疗信息系统的数据集成能力不足，导致信息交换不畅或重复录入，增加工作量的技术问题。
实施例四，参阅图1和图3，该实施例基于上述实施例，在步骤S3中，所述智能排班系统，包括以下步骤：
步骤S31：收集排班信息，收集医生的排班情况、患者的需求和医疗资源的可用性，所述医生排班情况包括工作时间、休假时间，所述患者的需求包括预约时间、医生的偏好，所述医疗资源包括医技检查设备、药物；
步骤S32：建立排班决策模型，平衡排班信息的因素，保持智能排班系统的稳定性，计算排班信息熵，所用公式如下：
；
；
式中，H是排班信息熵，N表示有N个排班结果，每个排班结果的概率为pa，pa≥0，a表示第a个排班结果；
步骤S33：定义函数，定义排班信息的时间熵为TH，用于衡量排班信息在一个调度周期内的平衡度，时间熵越大，排班越平衡；
步骤S34：计算排班信息的时间熵，所用公式如下：
；
式中，TH是排班信息的时间熵，是两个相邻排班信息活动与排班周期中单位时间总数之比，N是排班信息的时间熵的总数，Sa-1是时间间隔的总数，n表示第n个时间间隔；
步骤S35：计算排班信息的时间熵最大值，所用公式如下：
；
式中，THmax是计算排班信息的时间熵最大值；
步骤S36：计算排班平衡函数的最大值，所用公式如下：
；
式中，THRmax是排班平衡函数的最大值。
在上述操作中，本方案采用智能排班系统，建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值，保持系统稳定性，解决了医生排班系统混乱，导致患者就医体验受到影响，耽误病情，医生工作负担加重的技术问题。
实施例五，参阅图1，该实施例基于上述实施例，在步骤S4中，所述智能预约平台，包括以下步骤：
步骤S41：患者急诊情况评估，根据患者提供的信息和症状描述，初步判断患者急诊情况的紧急性和严重程度，将患者划分为不同优先级，以便进行预约和调度安排；
步骤S42：预约请求通知，一旦患者提交预约请求，智能预约平台立即通知医院的相关人员，包括医生、护士和技术人员；
步骤S43：医技检查调度，根据预约的急诊优先级，调度医技检查的时间和地点，通过智能预约平台，查看医技设备使用情况，考虑技术人员的工作时间和工作负荷，快速安排患者进行医技检查。
实施例六，参阅图1和图4，该实施例基于上述实施例，在步骤S5中，所述智能化医技检查预约系统运维，包括以下步骤：
步骤S51：智能化医技检查预约系统监控，运维人员需要持续监控智能化医技检查预约系统的运行状态，包括服务器健康状况、数据库负载和网络连接；
步骤S52：故障检测，设置故障检查点，计算故障最佳检查点间隔，所用公式如下：
；
式中，φopt是故障最佳检查点间隔，δ是检查点的时间，M是处理器发生故障的平均时间；
步骤S53：安全管理，智能化医技检查预约系统涉及患者个人隐私，确保医技检查预约系统有合规的访问控制、数据加密和日志监测；
步骤S54：数据备份，定期备份数据，在智能化医技检查预约系统故障和数据丢失时进行快速恢复；
步骤S55：智能化医技检查预约系统性能监测，监测系统的性能指标，包括响应时间、吞吐量。
在上述操作中，本方案采用设置故障检查点，计算故障最佳检查点间隔，及时发现故障，降低风险损失，确保故障发生时快速恢复到可靠状态，解决了预约系统出现故障的情况，包括系统崩溃、预约信息丢失和无法正常响应的技术问题。
实施例七，参阅图1，该实施例基于上述实施例，在步骤S6中，所述优化智能化医技检查预约系统，具体为建立预约服务质量监控机制，对预约过程中产生的数据进行实时监控，包括预约成功率、响应时间和预约变更情况，根据患者反馈，及时优化并更新智能化医技检查预约系统，保证服务质量。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神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，本发明的范围由所附权利要求及其等同物限定。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (7)
1.一种用于急诊的智能化医技检查预约方法，其特征在于：该方法包括以下步骤：
步骤S1：数据获取；
步骤S2：数据集成，具体为计算基于编辑距离的相似度和基于最长公共子序列的相似度，得到联合相似度，评估字符串的相似程度；
步骤S3：智能排班系统，具体为建立排班决策模型，计算排班信息熵和排班信息的时间熵最大值，得到排班平衡函数的最大值；
步骤S4：智能预约平台；
步骤S5：智能化医技检查预约系统运维，具体为设置故障检查点，计算故障最佳检查点间隔，进行系统性能监测；
步骤S6：优化智能化医技检查预约系统。
2.根据权利要求1所述的一种用于急诊的智能化医技检查预约方法，其特征在于：在步骤S2中，所述数据集成，包括以下步骤：
步骤S21：数据清洗，对医技检查预约信息进行数据清洗和预处理；
步骤S22：文本分析，对医技检查预约信息进行文本分析，提取特征，进行文本相似度计算；
步骤S23：基于编辑距离的相似度计算，定义字符串ξ1和字符串ξ2，包括以下步骤：
步骤S231：初始化，所用公式如下：
DP[i，j]=i+j；
式中，DP[i，j]表示字符串ξ1的前i个字符和字符串ξ2的前j个字符之间的最小编辑距离，i∈[0，length（ξ1）]，j∈[0，length（ξ2）]，当ij=0时初始化；
步骤S232：递归，所用公式如下：
；
式中，表示字符串ξ1的第i个字符不等于字符串ξ2的第j个字符，/>表示字符串ξ1的第i个字符等于字符串ξ2的第j个字符；
步骤S24：基于最长公共子序列的相似度计算，包括以下步骤：
步骤S241：初始化，所用公式如下：
DQ[i，j]=i+j；
式中，DQ[i，j]表示字符串ξ1的前i个字符到字符串ξ2的前j个字符的最大子字符串长度，i∈[0，length（ξ1）]，j∈[0，length（ξ2）]，当ij=0时初始化；
步骤S242：递归，所用公式如下：
；
步骤S25：计算联合相似度，所用公式如下：
；
式中，s是联合相似度，DP是基于编辑距离的相似度计算值，DQ是基于最长公共子序列相似度计算值。
3.根据权利要求1所述的一种用于急诊的智能化医技检查预约方法，其特征在于：在步骤S3中，所述智能排班系统，包括以下步骤：
步骤S31：收集排班信息，收集医生的排班情况、患者的需求和医疗资源的可用性；
步骤S32：建立排班决策模型，计算排班信息熵，所用公式如下：
；
；
式中，H是排班信息熵，N表示有N个排班结果，每个排班结果的概率为pa，pa≥0，a表示第a个排班结果；
步骤S33：定义函数，定义TH为排班信息的时间熵；
步骤S34：计算排班信息的时间熵，所用公式如下：
；
式中，TH是排班信息的时间熵，是两个相邻排班信息活动与排班周期中单位时间总数之比，N是排班信息的时间熵的总数，Sa-1是时间间隔的总数，n表示第n个时间间隔；
步骤S35：计算排班信息的时间熵最大值，所用公式如下：
；
式中，THmax是计算排班信息的时间熵最大值；
步骤S36：计算排班平衡函数的最大值，所用公式如下：
；
式中，THRmax是排班平衡函数的最大值。
4.根据权利要求1所述的一种用于急诊的智能化医技检查预约方法，其特征在于：在步骤S5中，所述智能化医技检查预约系统运维，包括以下步骤：
步骤S51：智能化医技检查预约系统监控，持续监控智能化医技检查预约系统的运行状态，包括服务器健康状况、数据库负载和网络连接；
步骤S52：故障检测，设置故障检查点，计算故障最佳检查点间隔，所用公式如下：
；
式中，φopt是故障最佳检查点间隔，δ是检查点的时间，M是处理器发生故障的平均时间；
步骤S53：安全管理，智能化医技检查预约系统涉及患者个人隐私，确保医技检查预约系统有合规的访问控制、数据加密和日志监测；
步骤S54：数据备份，定期备份数据，在智能化医技检查预约系统故障和数据丢失时进行快速恢复；
步骤S55：智能化医技检查预约系统性能监测。
5.根据权利要求1所述的一种用于急诊的智能化医技检查预约方法，其特征在于：在步骤S4中，所述智能预约平台，包括以下步骤：
步骤S41：患者急诊情况评估，根据患者提供的信息和症状描述，初步判断患者急诊情况的紧急性和严重程度，将患者划分为不同优先级；
步骤S42：预约请求通知，一旦患者提交预约请求，智能预约平台立即通知医院的相关人员；
步骤S43：医技检查调度，根据预约的急诊优先级，调度医技检查的时间和地点，通过智能预约平台，查看医技设备使用情况，考虑技术人员的工作时间和工作负荷，快速安排患者进行医技检查。
6.根据权利要求1所述的一种用于急诊的智能化医技检查预约方法，其特征在于：在步骤S1中，所述数据获取，具体为从多个数据源获取医技检查预约信息，包括医生排班、医技检查设备的可用性。
7.根据权利要求1所述的一种用于急诊的智能化医技检查预约方法，其特征在于：在步骤S6中，所述优化智能化医技检查预约系统，具体为建立预约服务质量监控机制，对预约过程中产生的数据进行实时监控，包括预约成功率、响应时间和预约变更情况，根据患者反馈，及时优化并更新智能化医技检查预约系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311525019.3A CN117238467A (zh) | 2023-11-16 | 2023-11-16 | 一种用于急诊的智能化医技检查预约方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311525019.3A CN117238467A (zh) | 2023-11-16 | 2023-11-16 | 一种用于急诊的智能化医技检查预约方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117238467A true CN117238467A (zh) | 2023-12-15 |
Family
ID=89084852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311525019.3A Pending CN117238467A (zh) | 2023-11-16 | 2023-11-16 | 一种用于急诊的智能化医技检查预约方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117238467A (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815785A (zh) * | 2017-01-13 | 2017-06-09 | 浙江康邻科技有限公司 | 基于区域的便民就医平台及其便民就医方法 |
| 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 |
| CN109117464A (zh) * | 2018-03-02 | 2019-01-01 | 南京邮电大学 | 一种基于编辑距离的数据相似度检测方法 |
| CN111193616A (zh) * | 2019-12-13 | 2020-05-22 | 广州朗国电子科技有限公司 | 自动运维方法、装置、系统、存储介质及自动运维服务器 |
| CN111462874A (zh) * | 2020-03-10 | 2020-07-28 | 佛山市妇幼保健院 | 一种医技多媒体导诊系统 |
| CN111971909A (zh) * | 2018-03-08 | 2020-11-20 | 米兰综合工科大学 | 用于监测光通信系统的方法 |
| CN113284595A (zh) * | 2021-06-16 | 2021-08-20 | 广东德澳智慧医疗科技有限公司 | 面向医院和诊所经营者的智能排班和患者预约管理系统 |
| CN113393929A (zh) * | 2021-07-01 | 2021-09-14 | 深圳市联影医疗数据服务有限公司 | 一种智能化智慧型医院信息集成平台系统 |
| CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
| CN114548503A (zh) * | 2022-01-14 | 2022-05-27 | 北京全路通信信号研究设计院集团有限公司 | 一种基于均衡性和可调整性的检查方法及系统 |
| CN115458137A (zh) * | 2022-09-02 | 2022-12-09 | 浙江大学 | 一种急诊科智能联动控制系统和方法 |
| CN116072275A (zh) * | 2023-03-10 | 2023-05-05 | 安徽亚创电子科技有限责任公司 | 一种自助式网络预约停车挂号一体化医疗系统及其方法 |
| CN116721755A (zh) * | 2023-06-12 | 2023-09-08 | 重庆橡树信息科技有限公司 | 一种一体化急救保障平台及方法 |
| CN116721751A (zh) * | 2023-08-10 | 2023-09-08 | 四川大学 | 一种基于临床大数据的医护排班方法及系统 |
| CN116884585A (zh) * | 2023-06-09 | 2023-10-13 | 重庆凯桥信息技术有限公司 | 一种基于人工智能的智慧门诊管理系统及方法 |
| CN116895372A (zh) * | 2023-09-11 | 2023-10-17 | 之江实验室 | 一种基于大规模语言模型与元学习的智能急救分级系统 |
-
2023
- 2023-11-16 CN CN202311525019.3A patent/CN117238467A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815785A (zh) * | 2017-01-13 | 2017-06-09 | 浙江康邻科技有限公司 | 基于区域的便民就医平台及其便民就医方法 |
| 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 |
| CN109117464A (zh) * | 2018-03-02 | 2019-01-01 | 南京邮电大学 | 一种基于编辑距离的数据相似度检测方法 |
| CN111971909A (zh) * | 2018-03-08 | 2020-11-20 | 米兰综合工科大学 | 用于监测光通信系统的方法 |
| CN111193616A (zh) * | 2019-12-13 | 2020-05-22 | 广州朗国电子科技有限公司 | 自动运维方法、装置、系统、存储介质及自动运维服务器 |
| CN111462874A (zh) * | 2020-03-10 | 2020-07-28 | 佛山市妇幼保健院 | 一种医技多媒体导诊系统 |
| CN113284595A (zh) * | 2021-06-16 | 2021-08-20 | 广东德澳智慧医疗科技有限公司 | 面向医院和诊所经营者的智能排班和患者预约管理系统 |
| CN113393929A (zh) * | 2021-07-01 | 2021-09-14 | 深圳市联影医疗数据服务有限公司 | 一种智能化智慧型医院信息集成平台系统 |
| CN114171176A (zh) * | 2021-12-15 | 2022-03-11 | 华中科技大学同济医学院附属协和医院 | 一种基于互联网的医院分诊数据处理方法及系统 |
| CN114548503A (zh) * | 2022-01-14 | 2022-05-27 | 北京全路通信信号研究设计院集团有限公司 | 一种基于均衡性和可调整性的检查方法及系统 |
| CN115458137A (zh) * | 2022-09-02 | 2022-12-09 | 浙江大学 | 一种急诊科智能联动控制系统和方法 |
| CN116072275A (zh) * | 2023-03-10 | 2023-05-05 | 安徽亚创电子科技有限责任公司 | 一种自助式网络预约停车挂号一体化医疗系统及其方法 |
| CN116884585A (zh) * | 2023-06-09 | 2023-10-13 | 重庆凯桥信息技术有限公司 | 一种基于人工智能的智慧门诊管理系统及方法 |
| CN116721755A (zh) * | 2023-06-12 | 2023-09-08 | 重庆橡树信息科技有限公司 | 一种一体化急救保障平台及方法 |
| CN116721751A (zh) * | 2023-08-10 | 2023-09-08 | 四川大学 | 一种基于临床大数据的医护排班方法及系统 |
| CN116895372A (zh) * | 2023-09-11 | 2023-10-17 | 之江实验室 | 一种基于大规模语言模型与元学习的智能急救分级系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108415789B (zh) | 面向大规模混合异构存储系统的节点故障预测系统及方法 | |
| US20210241923A1 (en) | Sensor-based machine learning in a health prediction environment | |
| EP4091110B1 (en) | Systems and methods for distributed incident classification and routing | |
| US9799007B2 (en) | Method of collaborative software development | |
| Lee et al. | Remote patient monitoring: what impact can data analytics have on cost? | |
| JP2014167667A (ja) | 設備点検順位設定装置 | |
| Tambe et al. | Cluster-based real-time analysis of mobile healthcare application for prediction of physiological data | |
| Nisar | Smart home: multisensor information fusion towards better healthcare | |
| US10937545B2 (en) | Method and system for centralized patient monitoring management | |
| CN116755964A (zh) | 一种加固服务器的故障预测与健康管理系统 | |
| CN117331794A (zh) | 基于大数据的应用软件监控分析系统及方法 | |
| KR102188987B1 (ko) | 서버 관리 장치를 구비한 클라우드 서버 및 로컬 서버를 이용하는 제로클라이언트 단말기용 클라우드 컴퓨팅 시스템의 운영 방법 | |
| CN117238467A (zh) | 一种用于急诊的智能化医技检查预约方法 | |
| US11837359B2 (en) | Method and system for centralized patient monitoring management | |
| KR102509380B1 (ko) | 머신러닝을 통한 어플리케이션 트랜잭션 학습 및 실시간 장애 예측과 해결을 위한 방법 | |
| CN114548769B (zh) | 一种智能电网it资产大数据监测系统及方法 | |
| Hutchinson et al. | Assessing quality of care from hospital case notes: comparison of reliability of two methods | |
| US20210216927A1 (en) | Systems And Methods For Identifying An Officer At Risk Of An Adverse Event | |
| Elsayed et al. | A self-healing model for QoS-aware web service composition. | |
| CN114927230A (zh) | 基于机器学习的重症心衰患者预后决策支持系统及方法 | |
| CN111738335A (zh) | 一种基于神经网络的时间序列数据异常检测方法 | |
| CN113064812A (zh) | 一种项目开发过程质量缺陷预测方法、装置及介质 | |
| JP4881761B2 (ja) | システムリソース監視方法、監視装置、及びプログラム | |
| Telagam et al. | Smart Healthcare Monitoring System Using LoRaWAN IoT and Machine Learning Methods | |
| CN115935705B (zh) | 一种基于多源数据的工控信息数字化管理系统及方法 |
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 |