CN117253594A - 一种动态监测配置优化方法、装置、设备及其存储介质 - Google Patents
一种动态监测配置优化方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117253594A CN117253594A CN202311155425.5A CN202311155425A CN117253594A CN 117253594 A CN117253594 A CN 117253594A CN 202311155425 A CN202311155425 A CN 202311155425A CN 117253594 A CN117253594 A CN 117253594A
- Authority
- CN
- China
- Prior art keywords
- configuration
- monitoring
- user terminal
- optimal
- configuration item
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 300
- 238000005457 optimization Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000003745 diagnosis Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例属于数字医疗技术领域,应用于数字医疗服务流程监测过程中,涉及一种动态监测配置优化方法、装置、设备及其存储介质,包括获取并根据历史用户终端分别设置的自定义监测配置项,训练出配置项优化模型;获取新用户终端提交的监测配置项配置请求;将最优配置项组合以及最优配置项组合中不同配置项分别对应的配置参数值发送到新用户终端的监测配置页面,进行配置项动态优化。通过结合历史用户终端的监测配置项训练出配置项优化模型,获得不同被监测系统对应的最优配置项,后续仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行智能化配置,减少了人工配置步骤,便于用户终端对数字医疗服务流程进行监测。
Description
技术领域
本申请涉及数字医疗技术领域,应用于数字医疗服务流程监测过程中,尤其涉及一种动态监测配置优化方法、装置、设备及其存储介质。
背景技术
以往的系统监测配置方式,大多数情况下都是服务端提供具体的配置AP I,用户终端在进行配置时,根据配置AP I进行逐项输入配置项以及配置项对应的配置参数值,但是这种基于服务端的配置方式比较单板,且一旦固化配置项,无法进行优化,随着计算机行业的发展,逐渐出现了基于客户端的自主配置方式,该种配置方式由不同用户终端自主定义配置字段,虽然增加了配置项的灵活自主性,但是对于新手用户终端或者互联网知识比较欠缺的用户终端来说,无法很多的进行合理配置。
随着医疗行业的转型,传统医疗行业也结合互联网技术往数字医疗领域发展,由于病症的多样性、医疗机构的多样性,如果采用基于服务端的配置方式,仅仅提供一套配置方案,会无法满足多样性的医疗机构和病症监测,如果对每个医疗机构或者病症分别提供监测配置方案,显然工作量太大,目前在对于数字医疗服务流程监测过程中,还缺乏一种动态监测配置优化方法,无法智能化和自动化的进行监测项动态优化,不利于对数字医疗服务流程的监测。
发明内容
本申请实施例的目的在于提出一种动态监测配置优化方法、装置、设备及其存储介质,以解决现有技术在对于数字医疗服务流程监测过程中,还缺乏一种动态监测配置优化方法,无法智能化和自动化的进行监测项动态优化,不利于对数字医疗服务流程进行监测的问题。
为了解决上述技术问题,本申请实施例提供动态监测配置优化方法,采用了如下所述的技术方案:
一种动态监测配置优化方法,包括下述步骤:
获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,其中,N为正整数;
根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;
获取新用户终端向所述目标监测系统提交的监测配置项配置请求;
基于所述配置请求,识别出所述新用户终端对应的配置输入地址;
根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;
根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化。
进一步的,所述自定义监测配置项包括不同维度的监测配置字段信息分别对应的配置参数值,所述获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项的步骤,具体包括:
获取N个历史用户终端在目标监测系统中分别设置的不同维度的监测配置字段信息以及各个监测配置字段信息分别对应的配置参数值,其中,所述不同维度的监测配置字段信息包括诊断维度的监测配置字段信息、治疗维度的监测配置字段信息、康复维度的监测配置字段信息、费用报销维度的监测配置字段信息以及异常告警维度的监测配置字段信息。
进一步的,在执行所述根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型的步骤之前,所述方法还包括:
获取所述N个历史用户终端在相应被监测系统中分别对应的实时业务数据;
所述根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型的步骤,具体包括:
将同一用户终端在相应被监测系统中对应的实时业务数据,以及在目标监测系统中设置的配置参数值组合作为一组相对数据,构建相对数据组,其中,所述配置参数值组合由不同监测配置字段信息分别对应的配置参数值按照一定的序列顺序构成;
获取所述N个历史用户终端分别对应的相对数据组;
按照被监测系统的不同,对所述N个历史用户终端分别对应的相对数据组进行分类,获取不同被监测系统分别对应的相对数据组;
依次将不同被监测系统设置为当前被监测系统;
筛选出当前被监测系统对应的所有相对数据组,作为当前被监测系统对应的训练数据;
将所述训练数据输入预构建的配置项优化模型,通过所述预构建的配置项优化模型中的数据分析组件,对每个相对数据组中的实时业务数据进行分析,获取分析结果;
根据所述分析结果和所述预构建的配置项优化模型中的告警次数计算组件,计算每个相对数据组中实时业务数据对应的告警次数;
筛选出每个相对数据组中告警次数为最小值时的实时业务数据对应的配置参数值组合,作为所述当前被监测系统对应的最优配置参数值组合;
根据所述最优配置参数值组合,获得所述最优配置参数值组合中不同配置参数值分别对应的监测配置字段信息,根据所述不同配置参数值分别对应的监测配置字段信息构建出所述当前被监测系统对应的最优配置项组合;
直到所有的被监测系统都获得对应的最优配置参数值组合和最优配置项组合,所述配置项优化模型完成训练。
进一步的,所述获取新用户终端向所述目标监测系统提交的监测配置项配置请求的步骤,具体包括:
通过人机交互方式,获取新用户终端向所述目标监测系统提交的监测配置项配置请求信息,其中,所述配置请求信息中包含了新用户终端进行监测配置项输入时的页面IP地址信息;
所述基于所述配置请求,识别出所述新用户终端的配置输入地址的步骤,具体包括:
根据所述配置请求,获得新用户终端进行监测配置项输入时的页面IP地址信息;
将所述页面IP地址信息设置为所述新用户终端进行监测配置项配置时的配置输入地址。
进一步的,所述配置请求信息中还包含了新用户终端需要监测的系统信息,所述根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值的步骤,具体包括:
根据所述配置请求,获得新用户终端需要监测的系统信息;
基于所述新用户终端需要监测的系统信息,确定出目标被监测系统,其中,所述目标被监测系统是属于被所述目标监测系统监测的至少任一系统;
根据训练完成的配置项优化模型,获得所述目标被监测系统对应的最优配置参数值组合和最优配置项组合;
基于所述最优配置参数值组合获得所述最优配置项组合中不同配置项分别对应的配置参数值。
进一步的,所述根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面的步骤,具体包括:
根据所述配置输入地址,识别出新用户终端进行监测配置项输入时的页面IP地址信息;
基于所述页面IP地址信息,获得所述新用户终端的监测配置页面;
以所述新用户终端的监测配置页面为目标页面,将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述目标页面;
所述进行配置项动态优化的步骤,具体包括:
通过对所述目标页面进行DOM解析,识别所述目标页面中是否已存在基于所述新用户终端预先输入的监测配置项;
若所述目标页面中不存在基于所述新用户终端预先输入的监测配置项,则将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值填充到相应的预留位置处;
若所述目标页面中存在基于所述新用户终端预先输入的监测配置项,则将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值填充到相应的预留位置处,以替换所述新用户终端预先输入的监测配置项;
获得经所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值优化后的页面,完成配置项动态优化。
进一步的,在执行所述根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化的步骤之后,所述方法还包括:
获取经动态优化后的配置项;
根据所述动态优化后的配置项,初始化所述目标被监测系统对应的监测系统;
启动初始化完成的所述监测系统,并实时获取所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据;
根据所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据,进行综合分析,并生成多维度监测报告;
将所述多维度监测报告传输到所述目标被监测系统供所述新用户终端进行实时查看。
为了解决上述技术问题,本申请实施例还提供动态监测配置优化装置,采用了如下所述的技术方案:
一种动态监测配置优化装置,包括:
历史监测配置项获取模块,用于获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,其中,N为正整数;
配置项优化模型训练模块,用于根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;
新配置请求获取模块,用于获取新用户终端向所述目标监测系统提交的监测配置项配置请求;
配置输入地址识别模块,用于基于所述配置请求,识别出所述新用户终端对应的配置输入地址;
最优配置获取模块,用于根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;
配置项动态优化模块,用于根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的动态监测配置优化方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的动态监测配置优化方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述动态监测配置优化方法,通过获取历史用户终端在目标监测系统中分别设置的自定义监测配置项;根据历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;获取新用户终端向目标监测系统提交的监测配置项配置请求;识别出新用户终端对应的配置输入地址;获取配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;根据配置输入地址将最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到新用户终端的监测配置页面,进行配置项动态优化。通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用A I智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化,便于用户终端对数字医疗服务流程进行监测。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的动态监测配置优化方法的一个实施例的流程图;
图3是图2所示步骤202的一个具体实施例的流程图;
图4是图2所示步骤205的一个具体实施例的流程图;
图5是图2所示步骤206的一个具体实施例的流程图;
图6根据本申请的动态监测配置优化装置的一个实施例的结构示意图;
图7根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户终端可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的动态监测配置优化方法一般由服务器/终端设备执行,相应地,动态监测配置优化装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的动态监测配置优化方法的一个实施例的流程图。所述的动态监测配置优化方法,包括以下步骤:
步骤201,获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,其中,N为正整数。
本实施例中,所述目标监测系统可以为数字医疗平台连接的多个不同医疗机构的诊疗服务信息整合系统。由于医疗机构的不同,所述目标监测系统可能存在执行程序的不同,但是在整体的系统功能上应当是大同小异的,都包含了诊疗服务过程中的所有实时业务数据,其中,所述诊疗服务信息整合系统中至少储备了患者在诊断、治疗、康复、费用报销整个周期内的相关业务数据。
本实施例中,所述自定义监测配置项包括不同维度的监测配置字段信息分别对应的配置参数值。
本实施例中,所述获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项的步骤,具体包括:获取N个历史用户终端在目标监测系统中分别设置的不同维度的监测配置字段信息以及各个监测配置字段信息分别对应的配置参数值,其中,所述不同维度的监测配置字段信息包括诊断维度的监测配置字段信息、治疗维度的监测配置字段信息、康复维度的监测配置字段信息、费用报销维度的监测配置字段信息以及异常告警维度的监测配置字段信息。
具体的,所述诊断维度的配置字段信息,主要包括对患者进行病情诊断时,诊断医生的个人信息、患者的个人信息、患者的症状信息、所使用的诊断设备仪器信息、诊断后确诊的病种信息、诊断收费信息等。所述诊断维度的监测配置字段信息指用于对所述诊断维度的配置字段信息进行监测的监测字段。
具体的,所述治疗维度的配置字段信息,主要包括对患者进行治疗过程中,治疗医生的个人信息、患者的个人信息、所使用的医疗耗材统计信息、所使用的医药用品的规格、价格、生产商信息、治疗收费信息等。所述治疗维度的监测配置字段信息指用于对所述治疗维度的配置字段信息进行监测的监测字段。
具体的,所述康复维度的配置字段信息,主要包括院内康复阶段的康复耗材统计信息、康复用药信息、康复收费信息、患者身体健康状态信息、精神状态信息,以及院外康复阶段的康复用药信息、患者身体健康状态信息、精神状态信息。所述康复维度的监测配置字段信息指用于对所述康复维度的配置字段信息进行监测的监测字段。
具体的,所述费用报销维度的配置字段信息,主要包括诊断收费信息、治疗收费信息、康复收费信息、农合/医保信息、是否为五保户/困难户、报销百分比等。所述费用报销维度的监测配置字段信息指用于对所述费用报销维度的配置字段信息进行监测的监测字段。
具体的,所述异常告警维度的配置字段信息,主要包括用于对程序逻辑异常进行监测的监测配置字段信息和用于对程序执行行为异常进行监测的监测配置字段信息,一般结合日志输出框架,例如l og4j,通过系统输出的执行日志进行监测。所述异常告警维度的监测配置字段信息指用于对所述异常告警维度的配置字段信息进行监测的监测字段。
本实施例中,通过获取N个历史用户终端在目标监测系统中分别设置的不同维度的监测配置字段信息以及各个监测配置字段信息分别对应的配置参数值,可以了解到历史用户终端在诊断、治疗、康复、费用报销整个周期内对诊疗服务信息整合系统的监测结果,便于根据所述监测结果对医疗机构的诊疗服务信息进行分析,筛选出最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值。
步骤202,根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型。
本实施例中,在执行所述根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型的步骤之前,所述方法还包括:获取所述N个历史用户终端在相应被监测系统中分别对应的实时业务数据。
本实施例中,所述目标监测系统可以监测多个不同的被监测系统。所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项可以是基于所述多个不同的被监测系统的监测配置项。
继续参考图3,图3是图2所示步骤202的一个具体实施例的流程图,包括:
步骤301,将同一用户终端在相应被监测系统中对应的实时业务数据,以及在目标监测系统中设置的配置参数值组合作为一组相对数据,构建相对数据组,其中,所述配置参数值组合由不同监测配置字段信息分别对应的配置参数值按照一定的序列顺序构成;
步骤302,获取所述N个历史用户终端分别对应的相对数据组;
步骤303,按照被监测系统的不同,对所述N个历史用户终端分别对应的相对数据组进行分类,获取不同被监测系统分别对应的相对数据组;
步骤304,依次将不同被监测系统设置为当前被监测系统;
步骤305,筛选出当前被监测系统对应的所有相对数据组,作为当前被监测系统对应的训练数据;
步骤306,将所述训练数据输入预构建的配置项优化模型,通过所述预构建的配置项优化模型中的数据分析组件,对每个相对数据组中的实时业务数据进行分析,获取分析结果;
步骤307,根据所述分析结果和所述预构建的配置项优化模型中的告警次数计算组件,计算每个相对数据组中实时业务数据对应的告警次数;
步骤308,筛选出每个相对数据组中告警次数为最小值时的实时业务数据对应的配置参数值组合,作为所述当前被监测系统对应的最优配置参数值组合;
步骤309,根据所述最优配置参数值组合,获得所述最优配置参数值组合中不同配置参数值分别对应的监测配置字段信息,根据所述不同配置参数值分别对应的监测配置字段信息构建出所述当前被监测系统对应的最优配置项组合;
步骤310,直到所有的被监测系统都获得对应的最优配置参数值组合和最优配置项组合,所述配置项优化模型完成训练。
通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用AI智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化。
步骤203,获取新用户终端向所述目标监测系统提交的监测配置项配置请求。
本实施例中,所述获取新用户终端向所述目标监测系统提交的监测配置项配置请求的步骤,具体包括:通过人机交互方式,获取新用户终端向所述目标监测系统提交的监测配置项配置请求信息,其中,所述配置请求信息中包含了新用户终端进行监测配置项输入时的页面IP地址信息。
步骤204,基于所述配置请求,识别出所述新用户终端对应的配置输入地址。
本实施例中,所述基于所述配置请求,识别出所述新用户终端的配置输入地址的步骤,具体包括:根据所述配置请求,获得新用户终端进行监测配置项输入时的页面IP地址信息;将所述页面IP地址信息设置为所述新用户终端进行监测配置项配置时的配置输入地址。
通过新用户终端的配置请求,获得所述新用户终端进行监测配置项配置时的配置输入地址,即获得新用户终端输入配置项的页面IP地址信息。
步骤205,根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值。
本实施例中,所述配置请求信息中还包含了新用户终端需要监测的系统信息。
继续参考图4,图4是图2所示步骤205的一个具体实施例的流程图,包括:
步骤401,根据所述配置请求,获得新用户终端需要监测的系统信息;
步骤402,基于所述新用户终端需要监测的系统信息,确定出目标被监测系统,其中,所述目标被监测系统是属于被所述目标监测系统监测的至少任一系统;
步骤403,根据训练完成的配置项优化模型,获得所述目标被监测系统对应的最优配置参数值组合和最优配置项组合;
本实施例中,由于在步骤310完成时,所有的被监测系统都获得对应的最优配置参数值组合和最优配置项组合,因此,在执行步骤403时,根据训练完成的配置项优化模型,可直接获得所述目标被监测系统对应的最优配置参数值组合和最优配置项组合,具体实现方式这里不再赘述。
步骤404,基于所述最优配置参数值组合获得所述最优配置项组合中不同配置项分别对应的配置参数值。
通过所述新用户终端需要监测的系统信息,识别出目标被监测系统,通过训练完成的配置项优化模型和所述目标被监测系统,识别出所述目标被监测系统对应的最优配置参数值组合和最优配置项组合。直接通过训练完成的模型,获取目标被监测系统的最优配置参数值组合和最优配置项组合,减少了人工进行配置筛选的步骤,更加智能化。
步骤206,根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化。
继续参考图5,图5是图2所示步骤206的一个具体实施例的流程图,包括:
步骤501,根据所述配置输入地址,识别出新用户终端进行监测配置项输入时的页面IP地址信息;
步骤502,基于所述页面IP地址信息,获得所述新用户终端的监测配置页面;
步骤503,以所述新用户终端的监测配置页面为目标页面,将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述目标页面;
步骤504,通过对所述目标页面进行DOM解析,识别所述目标页面中是否已存在基于所述新用户终端预先输入的监测配置项;
步骤505,若所述目标页面中不存在基于所述新用户终端预先输入的监测配置项,则将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值填充到相应的预留位置处;
步骤506,若所述目标页面中存在基于所述新用户终端预先输入的监测配置项,则将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值填充到相应的预留位置处,以替换所述新用户终端预先输入的监测配置项;
步骤507,获得经所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值优化后的页面,完成配置项动态优化。
本实施例中,所述配置请求信息中也可以包含新用户终端提交的各个配置项以及所述各个配置项分别对应的配置参数值,或者不包含新用户终端提交的各个配置项以及所述各个配置项分别对应的配置参数值,如果包含则直接采用步骤506中所示的替换方式填充所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值,如果不包含则直接采用步骤505中所示的填充方式填充所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值。
本实施例中,在执行所述根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化的步骤之后,所述方法还包括:获取经动态优化后的配置项;根据所述动态优化后的配置项,初始化所述目标被监测系统对应的监测系统;启动初始化完成的所述监测系统,并实时获取所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据;根据所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据,进行综合分析,并生成多维度监测报告;将所述多维度监测报告传输到所述目标被监测系统供所述新用户终端进行实时查看。
通过实时获取所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据;根据所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据,进行综合分析,并生成多维度监测报告,使得新用户终端能够对整个医疗开销及服务过程进行监测。
本申请通过获取历史用户终端在目标监测系统中分别设置的自定义监测配置项;根据历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;获取新用户终端向目标监测系统提交的监测配置项配置请求;识别出新用户终端对应的配置输入地址;获取配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;根据配置输入地址将最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到新用户终端的监测配置页面,进行配置项动态优化。通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用AI智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化,便于用户终端对数字医疗服务流程进行监测。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用A I智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化,便于用户终端对数字医疗服务流程进行监测。
进一步参考图6,作为对上述图2所示方法的实现,本申请提供了动态监测配置优化装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例所述的动态监测配置优化装置600包括:历史监测配置项获取模块601、配置项优化模型训练模块602、新配置请求获取模块603、配置输入地址识别模块604、最优配置获取模块605和配置项动态优化模块606。其中:
历史监测配置项获取模块601,用于获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,其中,N为正整数;
配置项优化模型训练模块602,用于根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;
新配置请求获取模块603,用于获取新用户终端向所述目标监测系统提交的监测配置项配置请求;
配置输入地址识别模块604,用于基于所述配置请求,识别出所述新用户终端对应的配置输入地址;
最优配置获取模块605,用于根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;
配置项动态优化模块606,用于根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化。
本申请通过获取历史用户终端在目标监测系统中分别设置的自定义监测配置项;根据历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;获取新用户终端向目标监测系统提交的监测配置项配置请求;识别出新用户终端对应的配置输入地址;获取配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;根据配置输入地址将最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到新用户终端的监测配置页面,进行配置项动态优化。通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用A I智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化,便于用户终端对数字医疗服务流程进行监测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图7,图7为本实施例计算机设备基本结构框图。
所述计算机设备7包括通过系统总线相互通信连接存储器7a、处理器7b、网络接口7c。需要指出的是,图中仅示出了具有组件7a-7c的计算机设备7,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户终端通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器7a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器7a可以是所述计算机设备7的内部存储单元,例如该计算机设备7的硬盘或内存。在另一些实施例中,所述存储器7a也可以是所述计算机设备7的外部存储设备,例如该计算机设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器7a还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中,所述存储器7a通常用于存储安装于所述计算机设备7的操作系统和各类应用软件,例如一种动态监测配置优化方法的计算机可读指令等。此外,所述存储器7a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器7b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器7b通常用于控制所述计算机设备7的总体操作。本实施例中,所述处理器7b用于运行所述存储器7a中存储的计算机可读指令或者处理数据,例如运行所述动态监测配置优化方法的计算机可读指令。
所述网络接口7c可包括无线网络接口或有线网络接口,该网络接口7c通常用于在所述计算机设备7与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于数字医疗技术领域,应用于数字医疗服务流程监测过程中。本申请通过获取历史用户终端在目标监测系统中分别设置的自定义监测配置项;根据历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;获取新用户终端向目标监测系统提交的监测配置项配置请求;识别出新用户终端对应的配置输入地址;获取配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;根据配置输入地址将最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到新用户终端的监测配置页面,进行配置项动态优化。通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用AI智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化,便于用户终端对数字医疗服务流程进行监测。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的动态监测配置优化方法的步骤。
本实施例提出的计算机可读存储介质,属于数字医疗技术领域,应用于数字医疗服务流程监测过程中。本申请通过获取历史用户终端在目标监测系统中分别设置的自定义监测配置项;根据历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;获取新用户终端向目标监测系统提交的监测配置项配置请求;识别出新用户终端对应的配置输入地址;获取配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;根据配置输入地址将最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到新用户终端的监测配置页面,进行配置项动态优化。通过结合历史用户终端的监测项,进行模型训练,训练出配置项优化模型,采用A I智能模型方式,筛选出不同被监测系统对应的最优配置项,使得在后续对被监测系统进行配置时,仅仅需要获悉配置页面信息,以及识别出目标被监测系统,即可自动选择最优配置项进行配置,减少了人工配置的步骤,直接智能化和自动化的进行配置项优化,便于用户终端对数字医疗服务流程进行监测。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种动态监测配置优化方法,其特征在于,包括下述步骤:
获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,其中,N为正整数;
根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;
获取新用户终端向所述目标监测系统提交的监测配置项配置请求;
基于所述配置请求,识别出所述新用户终端对应的配置输入地址;
根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;
根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化。
2.根据权利要求1所述的动态监测配置优化方法,其特征在于,所述自定义监测配置项包括不同维度的监测配置字段信息分别对应的配置参数值,所述获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项的步骤,具体包括:
获取N个历史用户终端在目标监测系统中分别设置的不同维度的监测配置字段信息以及各个监测配置字段信息分别对应的配置参数值,其中,所述不同维度的监测配置字段信息包括诊断维度的监测配置字段信息、治疗维度的监测配置字段信息、康复维度的监测配置字段信息、费用报销维度的监测配置字段信息以及异常告警维度的监测配置字段信息。
3.根据权利要求2所述的动态监测配置优化方法,其特征在于,在执行所述根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型的步骤之前,所述方法还包括:
获取所述N个历史用户终端在相应被监测系统中分别对应的实时业务数据;
所述根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型的步骤,具体包括:
将同一用户终端在相应被监测系统中对应的实时业务数据,以及在目标监测系统中设置的配置参数值组合作为一组相对数据,构建相对数据组,其中,所述配置参数值组合由不同监测配置字段信息分别对应的配置参数值按照一定的序列顺序构成;
获取所述N个历史用户终端分别对应的相对数据组;
按照被监测系统的不同,对所述N个历史用户终端分别对应的相对数据组进行分类,获取不同被监测系统分别对应的相对数据组;
依次将不同被监测系统设置为当前被监测系统;
筛选出当前被监测系统对应的所有相对数据组,作为当前被监测系统对应的训练数据;
将所述训练数据输入预构建的配置项优化模型,通过所述预构建的配置项优化模型中的数据分析组件,对每个相对数据组中的实时业务数据进行分析,获取分析结果;
根据所述分析结果和所述预构建的配置项优化模型中的告警次数计算组件,计算每个相对数据组中实时业务数据对应的告警次数;
筛选出每个相对数据组中告警次数为最小值时的实时业务数据对应的配置参数值组合,作为所述当前被监测系统对应的最优配置参数值组合;
根据所述最优配置参数值组合,获得所述最优配置参数值组合中不同配置参数值分别对应的监测配置字段信息,根据所述不同配置参数值分别对应的监测配置字段信息构建出所述当前被监测系统对应的最优配置项组合;
直到所有的被监测系统都获得对应的最优配置参数值组合和最优配置项组合,所述配置项优化模型完成训练。
4.根据权利要求1所述的动态监测配置优化方法,其特征在于,所述获取新用户终端向所述目标监测系统提交的监测配置项配置请求的步骤,具体包括:
通过人机交互方式,获取新用户终端向所述目标监测系统提交的监测配置项配置请求信息,其中,所述配置请求信息中包含了新用户终端进行监测配置项输入时的页面IP地址信息;
所述基于所述配置请求,识别出所述新用户终端的配置输入地址的步骤,具体包括:
根据所述配置请求,获得新用户终端进行监测配置项输入时的页面IP地址信息;
将所述页面IP地址信息设置为所述新用户终端进行监测配置项配置时的配置输入地址。
5.根据权利要求4所述的动态监测配置优化方法,其特征在于,所述配置请求信息中还包含了新用户终端需要监测的系统信息,所述根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值的步骤,具体包括:
根据所述配置请求,获得新用户终端需要监测的系统信息;
基于所述新用户终端需要监测的系统信息,确定出目标被监测系统,其中,所述目标被监测系统是属于被所述目标监测系统监测的至少任一系统;
根据训练完成的配置项优化模型,获得所述目标被监测系统对应的最优配置参数值组合和最优配置项组合;
基于所述最优配置参数值组合获得所述最优配置项组合中不同配置项分别对应的配置参数值。
6.根据权利要求5所述的动态监测配置优化方法,其特征在于,所述根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面的步骤,具体包括:
根据所述配置输入地址,识别出新用户终端进行监测配置项输入时的页面IP地址信息;
基于所述页面IP地址信息,获得所述新用户终端的监测配置页面;
以所述新用户终端的监测配置页面为目标页面,将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述目标页面;
所述进行配置项动态优化的步骤,具体包括:
通过对所述目标页面进行DOM解析,识别所述目标页面中是否已存在基于所述新用户终端预先输入的监测配置项;
若所述目标页面中不存在基于所述新用户终端预先输入的监测配置项,则将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值填充到相应的预留位置处;
若所述目标页面中存在基于所述新用户终端预先输入的监测配置项,则将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值填充到相应的预留位置处,以替换所述新用户终端预先输入的监测配置项;
获得经所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值优化后的页面,完成配置项动态优化。
7.根据权利要求2所述的动态监测配置优化方法,其特征在于,在执行所述根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化的步骤之后,所述方法还包括:
获取经动态优化后的配置项;
根据所述动态优化后的配置项,初始化所述目标被监测系统对应的监测系统;
启动初始化完成的所述监测系统,并实时获取所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据;
根据所述目标被监测系统对应的诊断维度、治疗维度、康复维度、费用报销维度以及异常告警维度的监测数据,进行综合分析,并生成多维度监测报告;
将所述多维度监测报告传输到所述目标被监测系统供所述新用户终端进行实时查看。
8.一种动态监测配置优化装置,其特征在于,包括:
历史监测配置项获取模块,用于获取N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,其中,N为正整数;
配置项优化模型训练模块,用于根据所述N个历史用户终端在目标监测系统中分别设置的自定义监测配置项,训练出配置项优化模型;
新配置请求获取模块,用于获取新用户终端向所述目标监测系统提交的监测配置项配置请求;
配置输入地址识别模块,用于基于所述配置请求,识别出所述新用户终端对应的配置输入地址;
最优配置获取模块,用于根据所述配置请求,获取所述配置项优化模型输出的最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值;
配置项动态优化模块,用于根据所述配置输入地址将所述最优配置项组合以及所述最优配置项组合中不同配置项分别对应的配置参数值发送到所述新用户终端的监测配置页面,进行配置项动态优化。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的动态监测配置优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的动态监测配置优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311155425.5A CN117253594A (zh) | 2023-09-07 | 2023-09-07 | 一种动态监测配置优化方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311155425.5A CN117253594A (zh) | 2023-09-07 | 2023-09-07 | 一种动态监测配置优化方法、装置、设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117253594A true CN117253594A (zh) | 2023-12-19 |
Family
ID=89136076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311155425.5A Pending CN117253594A (zh) | 2023-09-07 | 2023-09-07 | 一种动态监测配置优化方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117253594A (zh) |
-
2023
- 2023-09-07 CN CN202311155425.5A patent/CN117253594A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117057935A (zh) | 基于领域设计的数据处理方法、装置、设备及其存储介质 | |
CN117252362A (zh) | 基于人工智能的调度方法、装置、计算机设备及存储介质 | |
CN116798623A (zh) | 基于人工智能的睡眠评估方法、装置、设备及存储介质 | |
CN116796140A (zh) | 基于人工智能的异常分析方法、装置、设备及存储介质 | |
CN116431731A (zh) | 数据异步导出方法、装置、设备及其存储介质 | |
CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
CN117253594A (zh) | 一种动态监测配置优化方法、装置、设备及其存储介质 | |
CN115525192A (zh) | 面向用户的报价计费方法、装置、计算机设备及存储介质 | |
CN113780855A (zh) | 医疗机构监管方法、装置、计算机设备及存储介质 | |
CN117219244A (zh) | 一种医疗耗材成本分配预测方法及其相关设备 | |
CN117275719A (zh) | 一种健康状态监测方法、装置、设备及其存储介质 | |
CN117376297A (zh) | 一种消息推送控制方法、装置、设备及其存储介质 | |
CN116738084A (zh) | 埋点数据处理方法、装置、计算机设备及存储介质 | |
CN117275688A (zh) | 一种就医方案制定方法、装置、设备及其存储介质 | |
CN116795882A (zh) | 数据获取方法、装置、计算机设备及存储介质 | |
CN117292826A (zh) | 基于人工智能的健康评估方法、装置、设备及存储介质 | |
CN116956831A (zh) | 医疗对话生成方法、装置、计算机设备及存储介质 | |
CN117034173A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN116578630A (zh) | 数据采集方法、装置、计算机设备及存储介质 | |
CN118096399A (zh) | 一种业务推荐方法、装置、设备及其存储介质 | |
CN117422523A (zh) | 产品上线方法、装置、计算机设备及存储介质 | |
CN118708975A (zh) | 基于人工智能的数据分析装置、计算机设备及存储介质 | |
CN118734337A (zh) | 心电图数据的处理方法、装置、计算机设备及存储介质 | |
CN117421312A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN117217182A (zh) | 基于人工智能的报告生成方法、装置、设备及存储介质 |
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 |