CN117711594A - 基于机器学习与就诊流程优化的智慧导诊系统 - Google Patents
基于机器学习与就诊流程优化的智慧导诊系统 Download PDFInfo
- Publication number
- CN117711594A CN117711594A CN202410170547.XA CN202410170547A CN117711594A CN 117711594 A CN117711594 A CN 117711594A CN 202410170547 A CN202410170547 A CN 202410170547A CN 117711594 A CN117711594 A CN 117711594A
- Authority
- CN
- China
- Prior art keywords
- item
- medical
- time
- information
- project
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 87
- 238000010801 machine learning Methods 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims description 38
- 238000011282 treatment Methods 0.000 claims abstract description 23
- 230000001360 synchronised effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000009825 accumulation Methods 0.000 claims description 21
- 238000011369 optimal treatment Methods 0.000 claims description 21
- 238000010295 mobile communication Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 238000012552 review Methods 0.000 claims description 9
- 230000002087 whitening effect Effects 0.000 claims description 9
- 239000003814 drug Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 229940079593 drug Drugs 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 230000010365 information processing Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000007639 printing Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于机器学习与就诊流程优化的智慧导诊系统,属于导诊系统设计技术领域,包括医疗信息接入子系统,用于接入医院的医疗信息系统,获取患者当前的医疗项目信息;就诊路径规划子系统,用于根据患者当前的医疗项目信息,规划得到最优就诊路径;就诊导航子系统,用于根据最优就诊路径,进行实时的室外导航和室内导航;家人陪诊子系统,用于根据患者当前的医疗项目信息,进行代缴费和语音同步就诊导航;就诊记录子系统,用于将执行结束的患者当前的医疗项目信息作为医疗就诊记录信息进行储存,并任意选择查看医疗就诊记录。本发明解决了现有医疗导诊系统信息和功能衔接整合不足的问题。
Description
技术领域
本发明属于导诊系统设计技术领域,尤其涉及一种基于机器学习与就诊流程优化的智慧导诊系统。
背景技术
优质医疗服务指以现代服务理念为指导,为病人提供优质的服务。其不仅包括先进的医疗技术水平,也涵盖了患者在就诊前、就诊时和就诊后三个不同时间段的体验。提供优质医疗服务有助于提高医疗技术水平的附加值,提升医院社会形象,并展现人文关怀理念。医院作为一个复杂的场所,涉及到很多不同的科室和楼层,却未普及院内导航系统,这给患者带来了很多不便。对于患者来说,在陌生的环境中找到正确的地点并不容易,这也就意味着患者需要耗费更多的精力和时间来找到目的地。
早期的导诊系统通常采用纸质地图、信息桌、导诊工作人员、标识、指示牌、电话查询等方式来帮助患者找到目的地。这些方式虽然对患者的就诊起到了一定的帮助作用,但功能有限。现有的医院导诊系统的研究主要集中于就诊引导功能、精准导航、医疗服务整合等方面,在实际应用中,导诊系统各功能模块之间缺乏有效的衔接和整合,导致整体使用体验不流畅,检查报告实际输出时间与医生告知患者打印报告的时间存在较大差距,家属与患者间的就医信息也不够高效透明,在满足患者个性化需求方面也存在不足。
发明内容
针对现有技术中的上述不足,本发明提供的基于机器学习与就诊流程优化的智慧导诊系统,通过接入医院的医疗信息系统,获取到了患者当前的医疗信息,并基于患者当前的医疗信息,通过就诊路径规划子系统能够智能规划最优就诊路径,通过就诊导航子系统能够对最优就诊路径提供室外导航和室内导航,通过家人陪诊子系统实现家人代缴医疗项目费用、共享就诊路径的导航界面和同步语音对话,以实现家人陪诊,通过就诊记录子系统能够记录医疗项目执行结果,解决了现有医疗导诊系统信息和功能衔接整合不足的问题。
为了达到上述发明目的,本发明采用的技术方案为:
本发明提供的一种基于机器学习与就诊流程优化的智慧导诊系统,包括:
医疗信息接入子系统,用于接入医院的医疗信息系统,获取患者当前的医疗项目信息;
就诊路径规划子系统,用于根据患者当前的医疗项目信息,规划得到最优就诊路径;
就诊导航子系统,用于根据最优就诊路径,进行实时的室外导航和室内导航;
家人陪诊子系统,用于根据患者当前的医疗项目信息,进行代缴费和语音同步就诊导航;
就诊记录子系统,用于将执行结束的患者当前的医疗项目信息作为医疗就诊记录信息进行储存,并任意选择查看医疗就诊记录。
本发明的有益效果为:本发明提供了一种基于机器学习与就诊流程化的智慧导诊系统,通过医疗信息接入子系统获取到了患者当前的医疗项目信息,为通过就诊路径规划子系统进行最优就诊路径的规划提供了基础;本发明提供了就诊导航子系统,为患者在院内的室外和室内前往就诊目的地提供导航,高精度的室外卫星地图导航与室内的AR实景导航,保障了就诊路径的清晰明了;本发明提供了家人陪诊子系统为患者进行待缴费和语音同步就诊导航,实现了及时通过缴费进行医疗项目排队和共享就诊导航界面,远距离陪伴和辅助患者根据最优就诊路径前往就诊;本发明提供就诊记录子系统,能够存储患者的医疗就诊记录信息,便于辅助患者查询药品使用说明信息、复查日期信息和复查注意事项信息等,也便于患者用户端的就诊信息透明记录。
进一步地,所述患者当前的医疗项目信息包括待执行的每一项医疗项目的医疗项目名称、医疗项目内容信息、医疗项目优先状态信息、医疗项目位置信息、医疗项目费用信息、医疗项目缴费状态信息、医疗项目排队状态信息、医疗项目执行状态信息、项目预估等待时间信息和医疗项目报告生成状态信息。
采用上述进一步方案的有益效果为:本发明提供的患者当前医疗项目信息为确定患者所需执行医疗项目的名称、内容、优先执行性、位置信息、费用信息、缴费状态、排队状态、执行状态、预估等待时间和相关报告生成状态,通过医疗项目名称能够快速分辨确认各个医疗项目,通过医疗项目费用信息能够确认需缴费金额,通过医疗项目优先执行性、位置信息、缴费状态、排队状态、执行状态和预估等待时间能够实现规划得到最优就诊路径,并对最优就诊路径进行更新,通过医疗项目的相关报告生成状态能够及时清楚获取报告生成情况,便于及时获取医疗项目检测报告,并规划下一步的医疗计划,提高就诊效率。
进一步地,所述医疗项目内容信息包括药品和检查项目的开具信息、药品使用说明信息、复查日期信息和复查注意事项信息;所述医疗项目优先状态信息为优先状态或普通状态;所述医疗项目缴费状态信息为待缴费状态或已缴费状态;所述医疗项目排队状态信息为未排队状态、排队中状态或排队完成状态中的一种状态;所述医疗项目执行状态信息为未执行状态、执行中状态或执行完成状态中的一种状态;所述医疗项目报告生成状态信息为未生成状态或已生成状态;所述医疗项目缴费状态由待缴费状态转变为已缴费状态的同时,所述医疗项目排队状态信息由未排队状态转变为排队中状态时,并立即进行该医疗项目的排队,得到项目预估等待时间信息。
采用上述进一步方案的有益效果为:本发明通过医疗项目内容信息能够提供用药和检查项目的开具情况和使用说明,并能够提供复查提醒,通过医疗项目优先状态信息能够对待执行项目的执行必要优先顺序提前分类,便于最优路径规划,如部分医疗项目需要空腹状态,部分医疗项目需要进食后执行,通过医疗项目缴费状态自动实现排队,通过医疗项目排队状态信息、医疗项目执行状态信息为最优就诊路径的规划提供基础,且在医疗项目缴费动作发生后,能够自动进行医疗项目排队和就诊路径更新。
进一步地,所述项目预估等待时间信息的获取方法包括如下步骤:
A1、将医疗项目排队状态信息为排队中状态的医疗项目作为待估时医疗项目;
A2、基于医院的医疗信息系统,分别获取当日所有患者在待估时医疗项目的项目执行时长,并按项目执行的时间顺序构成短时预测时间序列;
A3、对获取到的短时预测时间序列进行一次累加,得到一次累加短时预测时间序列;
A4、基于一次累加短时预测时间序列,构建白化微分方程;
所述白化微分方程的计算表达式如下:
其中,表示一次累加短时预测时间序列关于项目执行时长对应时间t的二阶微分结果,t表示项目执行时长对应时间,/>表示第一微分参数,/>表示一次累加短时预测时间序列关于项目执行时长对应时间t的一阶微分结果,/>表示第二微分参数,/>表示一次累加短时预测时间序列,b表示第三微分参数;
A5、依次对一次累加短时预测时间序列中相邻两个序列元素求均值并构建序列,得到一次累加均值短时预测时间序列;
A6、对获取到的短时预测时间序列进行一次累减,得到一次累减短时预测时间序列;
A7、基于短时预测时间序列、一次累加均值短时预测时间序列和一次累减短时预测时间序列,利用最小二乘法估计白化微分方程的参数列,得到估计的参数列矩阵;
所述估计的参数列矩阵的计算表达式如下:
其中,表示估计的参数列矩阵,/>表示项目执行时长矩阵的转置矩阵,B表示项目执行时长矩阵,Y表示一次累减短时预测时间序列矩阵,/>表示短时预测时间序列中的第2个项目执行时长,/>表示短时预测时间序列中的第3个项目执行时长,/>表示短时预测时间序列中的第n个项目执行时长,/>表示一次累加均值短时预测时间序列中的第1个项目执行时长,/>表示一次累加均值短时预测时间序列中的第2个项目执行时长,/>表示一次累加均值短时预测时间序列中的第n-1个项目执行时长,/>表示一次累减短时预测时间序列中的第1个项目执行时长,/>表示一次累减短时预测时间序列中的第2个项目执行时长,/>表示一次累减短时预测时间序列中的第n-1个项目执行时长,其中,n为自然数,等于短时预测时间序列中的项目执行时长的总个数;
A8、基于估计的参数列矩阵,得到预测单人排队时长;
A9、基于预测单人排队时长,得到项目预估等待时间信息;
所述项目预估等待时间信息的计算表达式如下:
其中,T表示项目预估等待时间,表示当前在待估时医疗项目对应的排队队列中的队列号,/>表示预测单人排队时长,/>表示当前执行待估时医疗项目患者的项目已执行时长。
采用上述进一步方案的有益效果为:本发明提供了项目预估等待时间信息的获取方法,基于医疗项目排队队列中在前就诊患者的项目执行时长,得到预测的单人排队时长,并基于当前在待估时医疗项目对应的排队队列中的队列号和当前执行待估时医疗项目患者的项目已执行时长,能够较准确预测得到项目预估等待时间,为规划就诊路径提供基础。
进一步地,所述就诊路径规划子系统包括:
路径规划信息获取模块,用于获取待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目排队状态信息和项目预估等待时间信息;
最优就诊路径规划模块,用于根据待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息、医疗项目排队状态信息和项目预估等待时间信息,规划得到最优就诊路径。
采用上述进一步方案的有益效果为:本发明提供就诊路径规划子系统的功能结构,通过获取待执行的每一个医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目排队状态信息和项目预估等待时间信息,并进行综合考虑,实现了规划得到最优就诊路径。
进一步地,所述根据待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息、医疗项目排队状态信息和项目预估等待时间信息,规划得到最优就诊路径的方法包括如下步骤:
B1、获取待执行的每一项医疗项目的医疗项目排队状态信息;
B2、针对医疗项目排队状态信息为未排队状态时,则等待医疗项目排队状态信息由未排队状态转变为排队中状态,直至医疗项目排队状态信息转变为排队中状态时,则进入B3;
B3、针对医疗项目排队状态信息为排队中状态时,则将该医疗项目作为待路径规划项目,并获取待路径规划项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息和预估等待时间信息;
B4、针对待路径规划项目的医疗项目优先状态信息为优先状态时,则将该待路径规划项目作为优先路径规划项目,并通过路径规划方法对优先路径规划项目进行路径规划,得到优先执行项目路径;
B5、针对待路径规划项目的医疗项目优先状态信息为普通状态时,则将该待路径规划项目作为普通路径规划项目,并将优先执行项目路径的终点作为路径规划的初始位置,通过路径规划方法对普通路径规划项目进行路径规划,得到普通执行项目路径;
B6、拼接优先执行项目路径和普通执行项目路径,得到最优就诊路径。
采用上述进一步方案的有益效果为:本发明提供最优就诊路径规划模块规划得到最优就诊路径的方法,通过医疗项目排队状态信息更新排队中状态的医疗项目,并对排队中状态的医疗项目进行进一步的优先状态确认,分别对优先状态和普通状态的医疗项目根据医疗项目位置信息、医疗项目执行状态信息和预估等待时间信息进行路径规划,得到优先执行项目路径和普通执行项目路径,并在优先执行项目路径后拼接普通执行项目路径,能够完成最优就诊路径的规划,实现综合时效和行进距离的最高效就诊路径规划。
进一步地,所述路径规划方法包括如下步骤:
C1、基于各待路径规划项目的项目位置信息,分别获取当前位置到各待路径规划项目需要的时间和路径长度,并将当前位置到待路径规划项目需要的时间作为该待路径规划项目对应的抵达时间和抵达距离;
C2、将待路径规划项目对应的抵达时间不超过其预估等待时间信息的待路径规划项目作为可规划项目,并进入C4,并将待路径规划项目对应的抵达时间超过其预估等待时间信息的待路径规划项目作为等待规划项目,并进入C3;
C3、针对等待规划项目在路径更新后转变为可规划项目时,则进入C4;
C4、基于最小化路径成本模型依次选择可规划项目以构建执行项目路径;
所述最小化路径成本模型的计算表达式如下:
其中,min表示最小化,ft表示时间成本系数,tij表示归一化后的第i个可规划项目到第j个可规划项目处需要的时间,fs表示路径长度成本系数,sij表示归一化后的第i个可规划项目到第j个可规划项目处的路径长度,fN表示医疗项目分布系数,Nk表示归一化后的医院内第k个建筑物中可规划项目的数量,表示实际中第i个可规划项目到第j个可规划项目处需要的时间,tmin表示两可规划项目间通行需求最短时间,tmax表示两可规划项目间通信需求最长时间,/>表示实际中第i个可规划项目到第j个可规划项目处的路径长度,smin表示两可规划项目间通行最短路径长度,smax表示两可规划项目间通行最长路径长度,表示医院内第k个建筑物中可规划项目的数量,p表示可规划项目,/>表示属于,/>表示医院内第k个建筑物,Np表示可规划项目的总数,其中,i和j均为自然数,i≠j,j≥1,当i等于0时,为路径规划的初始位置;
C5、针对无可规划项目且仍存在等待规划项目时,则将执行项目路径的终点作为路径规划的初始位置,并将等待规划项目作为可规划项目,且基于最小化路径成本模型依次选择可规划项目以构建补充项目路径;
C6、拼接执行项目路径和补充项目路径,得到规划的导诊路径;
C7、针对可规划项目的医疗项目优先状态信息为优先状态时,则规划的导诊路径为优先执行项目路径;
C8、针对可规划项目的医疗项目优先状态信息为普通状态时,则规划的导诊路径为普通执行项目路径。
采用上述进一步方案的有益效果为:本发明提供路径规划方法,基于待路径规划项目对应的抵达时间与待路径规划项目预估等待时间信息的比较结果的,额定可规划项目和等待规划项目,通过更新能够将等待规划项目更新为可规划项目,并根据最小路径成本模型能够逐个对可规划项目进行路径规划得到执行项目路径,对应始终不满足更新成为可规划项目的等待规划项目,最终纳入补充项目路径,通过将补充项目路径拼接至执行项目路径后,实现完整的路径规划,本发明提供的路径规划方法,充分考虑了医疗项目执行的优先时效性、时间成本、路径成本和医疗项目分布情况,有效提升了患者就诊效率和医院整体医疗项目执行效率。
进一步地,所述C3中路径更新发生在每次可规划项目对应的抵达时间超过其预估的等待时间信息时,或发生在每次可规划项目的执行状态信息由未执行状态转变为执行中状态时。
采用上述进一步方案的有益效果为:本发明提供路径更新的发生依据,通过明确路径更新的发生依据,以实现路径的实时最优规划,使路径规划结果根据实际情况始终能够提供最优医疗项目执行方案。
进一步地,所述就诊导航子系统包括:
室外导航子系统,用于利用API接口接入卫星导航系统,根据最优就诊路径,通过移动设备中的卫星地图界面对医院内各建筑之间的室外路径进行实时导航;
室内导航子系统,用于基于医院内的各建筑内部的AR导向系统,根据最优就诊路径和AR实景导航,随患者当前位置实时导航至最优就诊路径中规划的当前建筑物内的下一个医疗项目。
采用上述进一步方案的有益效果为:本发明提供室外导航子系统和室内导航子系统的导航方案,室外为建筑物间的路径导航,通过高精度卫星地图即可实现就诊路径导航,在建筑物间沿医院道路通行,室内结构复杂,包括电梯、转向、步梯等多场景,AR实景导航能够清楚明了地进行实时路径指向,便于准确沿最优规划路径抵达目标医疗项目的位置。
进一步地,所述家人陪诊子系统包括:
家人代缴费用模块,用于获取患者当前的医疗项目信息中的医疗项目缴费状态信息和医疗项目费用信息,并根据医疗项目费用信息,基于第三方支付软件,通过移动通信终端远程缴付医疗项目缴费状态信息为待缴费状态的医疗项目对应的费用,以使该医疗项目的医疗项目缴费状态由待缴费状态转变为已缴费状态;
家人导诊陪行模块,用于基于移动通信网络,通过患者的移动通信终端和其家人的移动通信终端持续进行语音通话,并同步显示室外路径实时导航下的卫星地图界面,或医院内的各建筑内部的AR导向系统的导向界面,以通过家人语音提示就诊行进方向的变化情况。
采用上述进一步方案的有益效果为:本发明通过家人代缴费用模块,实现了帮助老年或青少年远程就医缴费,保障了医疗项目费用的及时募集与缴付,从而及时进行医疗项目排队,也保障了家庭资金的可控性与安全性,通过家人导诊陪行模块,实现了患者及其家人共享当前最优就诊路径导航界面,且能够进行实时的语音通话,从而在家人语音提醒下,保障患者在实际缺乏家人陪诊情况下仍能够准确前往医疗项目目的地,并提高医院空间利用率和工作效率。
针对于本发明还具有的其他优势将在后续的实施例中进行更细致的分析。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例中一种基于机器学习与就诊流程优化的智慧导诊系统的框图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
如图1所示,在本发明的一个实施例中,本发明提供一种基于机器学习与就诊流程优化的智慧导诊系统,包括:
医疗信息接入子系统,用于接入医院的医疗信息系统,获取患者当前的医疗项目信息;
所述患者当前的医疗项目信息包括待执行的每一项医疗项目的医疗项目名称、医疗项目内容信息、医疗项目优先状态信息、医疗项目位置信息、医疗项目费用信息、医疗项目缴费状态信息、医疗项目排队状态信息、医疗项目执行状态信息、项目预估等待时间信息和医疗项目报告生成状态信息。
所述医疗项目内容信息包括药品和检查项目的开具信息、药品使用说明信息、复查日期信息和复查注意事项信息;所述医疗项目优先状态信息为优先状态或普通状态;所述医疗项目缴费状态信息为待缴费状态或已缴费状态;所述医疗项目排队状态信息为未排队状态、排队中状态或排队完成状态中的一种状态;所述医疗项目执行状态信息为未执行状态、执行中状态或执行完成状态中的一种状态;所述医疗项目报告生成状态信息为未生成状态或已生成状态;所述医疗项目缴费状态由待缴费状态转变为已缴费状态的同时,所述医疗项目排队状态信息由未排队状态转变为排队中状态时,并立即进行该医疗项目的排队,得到项目预估等待时间信息。所述医疗项目报告生成状态信息在医疗项目开具起到执行结束后一定时间都为未生成状态,直至医院的医疗信息系统中生成了执行后的医疗项目对应的项目报告后,医疗项目报告生成状态信息转变为已生成状态,从而及时提示患者到报告打印地址进行报告打印。本实施例中,将报告填写排队位数lpos与单位报告填写时间twrite的乘积,再加上报告填写开始时刻tpstart,得到的时间,作为医疗项目报告预计生成时间,并在医疗项目报告预计生成时间提示患者及其家人到报告打印地址进行报告打印,其中,所述报告打印地址可以是具体的报告打印设备地址,也可以是医疗项目报告打印的网络链接地址。
所述项目预估等待时间信息的获取方法包括如下步骤:
A1、将医疗项目排队状态信息为排队中状态的医疗项目作为待估时医疗项目;
A2、基于医院的医疗信息系统,分别获取当日所有患者在待估时医疗项目的项目执行时长,并按项目执行的时间顺序构成短时预测时间序列;
A3、对获取到的短时预测时间序列进行一次累加,得到一次累加短时预测时间序列;
A4、基于一次累加短时预测时间序列,构建白化微分方程;
所述白化微分方程的计算表达式如下:
其中,表示一次累加短时预测时间序列关于项目执行时长对应时间t的二阶微分结果,t表示项目执行时长对应时间,/>表示第一微分参数,/>表示一次累加短时预测时间序列关于项目执行时长对应时间t的一阶微分结果,/>表示第二微分参数,/>表示一次累加短时预测时间序列,b表示第三微分参数;
A5、依次对一次累加短时预测时间序列中相邻两个序列元素求均值并构建序列,得到一次累加均值短时预测时间序列;
A6、对获取到的短时预测时间序列进行一次累减,得到一次累减短时预测时间序列;
A7、基于短时预测时间序列、一次累加均值短时预测时间序列和一次累减短时预测时间序列,利用最小二乘法估计白化微分方程的参数列,得到估计的参数列矩阵;
所述估计的参数列矩阵的计算表达式如下:
其中,表示估计的参数列矩阵,/>表示项目执行时长矩阵的转置矩阵,B表示项目执行时长矩阵,Y表示一次累减短时预测时间序列矩阵,/>表示短时预测时间序列中的第2个项目执行时长,/>表示短时预测时间序列中的第3个项目执行时长,/>表示短时预测时间序列中的第n个项目执行时长,/>表示一次累加均值短时预测时间序列中的第1个项目执行时长,/>表示一次累加均值短时预测时间序列中的第2个项目执行时长,/>表示一次累加均值短时预测时间序列中的第n-1个项目执行时长,/>表示一次累减短时预测时间序列中的第1个项目执行时长,/>表示一次累减短时预测时间序列中的第2个项目执行时长,/>表示一次累减短时预测时间序列中的第n-1个项目执行时长,其中,n为自然数,等于短时预测时间序列中的项目执行时长的总个数;
A8、基于估计的参数列矩阵,得到预测单人排队时长;
A9、基于预测单人排队时长,得到项目预估等待时间信息;
所述项目预估等待时间信息的计算表达式如下:
其中,T表示项目预估等待时间,表示当前在待估时医疗项目对应的排队队列中的队列号,/>表示预测单人排队时长,/>表示当前执行待估时医疗项目患者的项目已执行时长。
就诊路径规划子系统,用于根据患者当前的医疗项目信息,规划得到最优就诊路径;
所述就诊路径规划子系统包括:
路径规划信息获取模块,用于获取待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目排队状态信息和项目预估等待时间信息;
最优就诊路径规划模块,用于根据待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息、医疗项目排队状态信息和项目预估等待时间信息,规划得到最优就诊路径。
所述根据待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息、医疗项目排队状态信息和项目预估等待时间信息,规划得到最优就诊路径的方法包括如下步骤:
B1、获取待执行的每一项医疗项目的医疗项目排队状态信息;
B2、针对医疗项目排队状态信息为未排队状态时,则等待医疗项目排队状态信息由未排队状态转变为排队中状态,直至医疗项目排队状态信息转变为排队中状态时,则进入B3;
B3、针对医疗项目排队状态信息为排队中状态时,则将该医疗项目作为待路径规划项目,并获取待路径规划项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息和预估等待时间信息;
B4、针对待路径规划项目的医疗项目优先状态信息为优先状态时,则将该待路径规划项目作为优先路径规划项目,并通过路径规划方法对优先路径规划项目进行路径规划,得到优先执行项目路径;
所述路径规划方法包括如下步骤:
C1、基于各待路径规划项目的项目位置信息,分别获取当前位置到各待路径规划项目需要的时间和路径长度,并将当前位置到待路径规划项目需要的时间作为该待路径规划项目对应的抵达时间和抵达距离;
C2、将待路径规划项目对应的抵达时间不超过其预估等待时间信息的待路径规划项目作为可规划项目,并进入C4,并将待路径规划项目对应的抵达时间超过其预估等待时间信息的待路径规划项目作为等待规划项目,并进入C3;
C3、针对等待规划项目在路径更新后转变为可规划项目时,则进入C4;
所述C3中路径更新发生在每次可规划项目对应的抵达时间超过其预估的等待时间信息时,或发生在每次可规划项目的执行状态信息由未执行状态转变为执行中状态时。
C4、基于最小化路径成本模型依次选择可规划项目以构建执行项目路径;
所述最小化路径成本模型的计算表达式如下:
其中,min表示最小化,ft表示时间成本系数,tij表示归一化后的第i个可规划项目到第j个可规划项目处需要的时间,fs表示路径长度成本系数,sij表示归一化后的第i个可规划项目到第j个可规划项目处的路径长度,fN表示医疗项目分布系数,Nk表示归一化后的医院内第k个建筑物中可规划项目的数量,表示实际中第i个可规划项目到第j个可规划项目处需要的时间,tmin表示两可规划项目间通行需求最短时间,tmax表示两可规划项目间通信需求最长时间,/>表示实际中第i个可规划项目到第j个可规划项目处的路径长度,smin表示两可规划项目间通行最短路径长度,smax表示两可规划项目间通行最长路径长度,表示医院内第k个建筑物中可规划项目的数量,p表示可规划项目,/>表示属于,/>表示医院内第k个建筑物,Np表示可规划项目的总数,其中,i和j均为自然数,i≠j,j≥1,当i等于0时,为路径规划的初始位置;
C5、针对无可规划项目且仍存在等待规划项目时,则将执行项目路径的终点作为路径规划的初始位置,并将等待规划项目作为可规划项目,且基于最小化路径成本模型依次选择可规划项目以构建补充项目路径;
C6、拼接执行项目路径和补充项目路径,得到规划的导诊路径;
C7、针对可规划项目的医疗项目优先状态信息为优先状态时,则规划的导诊路径为优先执行项目路径;
C8、针对可规划项目的医疗项目优先状态信息为普通状态时,则规划的导诊路径为普通执行项目路径。
B5、针对待路径规划项目的医疗项目优先状态信息为普通状态时,则将该待路径规划项目作为普通路径规划项目,并将优先执行项目路径的终点作为路径规划的初始位置,通过路径规划方法对普通路径规划项目进行路径规划,得到普通执行项目路径;
B6、拼接优先执行项目路径和普通执行项目路径,得到最优就诊路径。
就诊导航子系统,用于根据最优就诊路径,进行实时的室外导航和室内导航;
所述就诊导航子系统包括:
室外导航子系统,用于利用API接口接入卫星导航系统,根据最优就诊路径,通过移动设备中的卫星地图界面对医院内各建筑之间的室外路径进行实时导航;所述卫星导航系统可以采用北斗导航系统、高德导航系统、百度导航系统等任意能够导航医院内建筑间路径的导航系统。
室内导航子系统,用于基于医院内的各建筑内部的AR导向系统,根据最优就诊路径和AR实景导航,随患者当前位置实时导航至最优就诊路径中规划的当前建筑物内的下一个医疗项目。
本实施例中,利用室外导航子系统和室内导航子系统进行就诊导航时,导航界面能够同步显示患者的就诊进度,并根据就诊进度进行就诊流程提示;所述就诊进度为医疗项目排队状态信息执行完成状态的医疗项目数量与患者当前的医疗项目信息中所有医疗项目数量的比值;本实施例中,根据就诊进度进行就诊流程提示时,提示内容为最优就诊路线中下一个要抵达的医疗项目对应的医疗项目名称和医疗项目内容信息。
家人陪诊子系统,用于根据患者当前的医疗项目信息,进行代缴费和语音同步就诊导航;
所述家人陪诊子系统包括:
家人代缴费用模块,用于获取患者当前的医疗项目信息中的医疗项目缴费状态信息和医疗项目费用信息,并根据医疗项目费用信息,基于第三方支付软件,通过移动通信终端远程缴付医疗项目缴费状态信息为待缴费状态的医疗项目对应的费用,以使该医疗项目的医疗项目缴费状态由待缴费状态转变为已缴费状态;
家人导诊陪行模块,用于基于移动通信网络,通过患者的移动通信终端和其家人的移动通信终端持续进行语音通话,并同步显示室外路径实时导航下的卫星地图界面,或医院内的各建筑内部的AR导向系统的导向界面,以通过家人语音提示就诊行进方向的变化情况。
就诊记录子系统,用于将执行结束的患者当前的医疗项目信息作为医疗就诊记录信息进行储存,并任意选择查看医疗就诊记录。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,包括:
医疗信息接入子系统,用于接入医院的医疗信息系统,获取患者当前的医疗项目信息;
就诊路径规划子系统,用于根据患者当前的医疗项目信息,规划得到最优就诊路径;
就诊导航子系统,用于根据最优就诊路径,进行实时的室外导航和室内导航;
家人陪诊子系统,用于根据患者当前的医疗项目信息,进行代缴费和语音同步就诊导航;
就诊记录子系统,用于将执行结束的患者当前的医疗项目信息作为医疗就诊记录信息进行储存,并任意选择查看医疗就诊记录。
2.根据权利要求1所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述患者当前的医疗项目信息包括待执行的每一项医疗项目的医疗项目名称、医疗项目内容信息、医疗项目优先状态信息、医疗项目位置信息、医疗项目费用信息、医疗项目缴费状态信息、医疗项目排队状态信息、医疗项目执行状态信息、项目预估等待时间信息和医疗项目报告生成状态信息。
3.根据权利要求2所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述医疗项目内容信息包括药品和检查项目的开具信息、药品使用说明信息、复查日期信息和复查注意事项信息;所述医疗项目优先状态信息为优先状态或普通状态;所述医疗项目缴费状态信息为待缴费状态或已缴费状态;所述医疗项目排队状态信息为未排队状态、排队中状态或排队完成状态中的一种状态;所述医疗项目执行状态信息为未执行状态、执行中状态或执行完成状态中的一种状态;所述医疗项目报告生成状态信息为未生成状态或已生成状态;所述医疗项目缴费状态由待缴费状态转变为已缴费状态的同时,所述医疗项目排队状态信息由未排队状态转变为排队中状态时,并立即进行该医疗项目的排队,得到项目预估等待时间信息。
4.根据权利要求3所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述项目预估等待时间信息的获取方法包括如下步骤:
A1、将医疗项目排队状态信息为排队中状态的医疗项目作为待估时医疗项目;
A2、基于医院的医疗信息系统,分别获取当日所有患者在待估时医疗项目的项目执行时长,并按项目执行的时间顺序构成短时预测时间序列;
A3、对获取到的短时预测时间序列进行一次累加,得到一次累加短时预测时间序列;
A4、基于一次累加短时预测时间序列,构建白化微分方程;
所述白化微分方程的计算表达式如下:
其中,表示一次累加短时预测时间序列关于项目执行时长对应时间t的二阶微分结果,t表示项目执行时长对应时间,/>表示第一微分参数,/>表示一次累加短时预测时间序列关于项目执行时长对应时间t的一阶微分结果,/>表示第二微分参数,/>表示一次累加短时预测时间序列,b表示第三微分参数;
A5、依次对一次累加短时预测时间序列中相邻两个序列元素求均值并构建序列,得到一次累加均值短时预测时间序列;
A6、对获取到的短时预测时间序列进行一次累减,得到一次累减短时预测时间序列;
A7、基于短时预测时间序列、一次累加均值短时预测时间序列和一次累减短时预测时间序列,利用最小二乘法估计白化微分方程的参数列,得到估计的参数列矩阵;
所述估计的参数列矩阵的计算表达式如下:
,
,
其中,表示估计的参数列矩阵,/>表示项目执行时长矩阵的转置矩阵,B表示项目执行时长矩阵,Y表示一次累减短时预测时间序列矩阵,/>表示短时预测时间序列中的第2个项目执行时长,/>表示短时预测时间序列中的第3个项目执行时长,/>表示短时预测时间序列中的第n个项目执行时长,/>表示一次累加均值短时预测时间序列中的第1个项目执行时长,/>表示一次累加均值短时预测时间序列中的第2个项目执行时长,/>表示一次累加均值短时预测时间序列中的第n-1个项目执行时长,/>表示一次累减短时预测时间序列中的第1个项目执行时长,/>表示一次累减短时预测时间序列中的第2个项目执行时长,/>表示一次累减短时预测时间序列中的第n-1个项目执行时长,其中,n为自然数,等于短时预测时间序列中的项目执行时长的总个数;
A8、基于估计的参数列矩阵,得到预测单人排队时长;
A9、基于预测单人排队时长,得到项目预估等待时间信息;
所述项目预估等待时间信息的计算表达式如下:
,
其中,T表示项目预估等待时间,表示当前在待估时医疗项目对应的排队队列中的队列号,/>表示预测单人排队时长,/>表示当前执行待估时医疗项目患者的项目已执行时长。
5.根据权利要求3所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述就诊路径规划子系统包括:
路径规划信息获取模块,用于获取待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目排队状态信息和项目预估等待时间信息;
最优就诊路径规划模块,用于根据待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息、医疗项目排队状态信息和项目预估等待时间信息,规划得到最优就诊路径。
6.根据权利要求5所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述根据待执行的每一项医疗项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息、医疗项目排队状态信息和项目预估等待时间信息,规划得到最优就诊路径的方法包括如下步骤:
B1、获取待执行的每一项医疗项目的医疗项目排队状态信息;
B2、针对医疗项目排队状态信息为未排队状态时,则等待医疗项目排队状态信息由未排队状态转变为排队中状态,直至医疗项目排队状态信息转变为排队中状态时,则进入B3;
B3、针对医疗项目排队状态信息为排队中状态时,则将该医疗项目作为待路径规划项目,并获取待路径规划项目的医疗项目优先状态信息、医疗项目位置信息、医疗项目执行状态信息和预估等待时间信息;
B4、针对待路径规划项目的医疗项目优先状态信息为优先状态时,则将该待路径规划项目作为优先路径规划项目,并通过路径规划方法对优先路径规划项目进行路径规划,得到优先执行项目路径;
B5、针对待路径规划项目的医疗项目优先状态信息为普通状态时,则将该待路径规划项目作为普通路径规划项目,并将优先执行项目路径的终点作为路径规划的初始位置,通过路径规划方法对普通路径规划项目进行路径规划,得到普通执行项目路径;
B6、拼接优先执行项目路径和普通执行项目路径,得到最优就诊路径。
7.根据权利要求6所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述路径规划方法包括如下步骤:
C1、基于各待路径规划项目的项目位置信息,分别获取当前位置到各待路径规划项目需要的时间和路径长度,并将当前位置到待路径规划项目需要的时间作为该待路径规划项目对应的抵达时间和抵达距离;
C2、将待路径规划项目对应的抵达时间不超过其预估等待时间信息的待路径规划项目作为可规划项目,并进入C4,并将待路径规划项目对应的抵达时间超过其预估等待时间信息的待路径规划项目作为等待规划项目,并进入C3;
C3、针对等待规划项目在路径更新后转变为可规划项目时,则进入C4;
C4、基于最小化路径成本模型依次选择可规划项目以构建执行项目路径;
所述最小化路径成本模型的计算表达式如下:
其中,min表示最小化,ft表示时间成本系数,tij表示归一化后的第i个可规划项目到第j个可规划项目处需要的时间,fs表示路径长度成本系数,sij表示归一化后的第i个可规划项目到第j个可规划项目处的路径长度,fN表示医疗项目分布系数,Nk表示归一化后的医院内第k个建筑物中可规划项目的数量,表示实际中第i个可规划项目到第j个可规划项目处需要的时间,tmin表示两可规划项目间通行需求最短时间,tmax表示两可规划项目间通信需求最长时间,/>表示实际中第i个可规划项目到第j个可规划项目处的路径长度,smin表示两可规划项目间通行最短路径长度,smax表示两可规划项目间通行最长路径长度,表示医院内第k个建筑物中可规划项目的数量,p表示可规划项目,/>表示属于,/>表示医院内第k个建筑物,Np表示可规划项目的总数,其中,i和j均为自然数,i≠j,j≥1,当i等于0时,为路径规划的初始位置;
C5、针对无可规划项目且仍存在等待规划项目时,则将执行项目路径的终点作为路径规划的初始位置,并将等待规划项目作为可规划项目,且基于最小化路径成本模型依次选择可规划项目以构建补充项目路径;
C6、拼接执行项目路径和补充项目路径,得到规划的导诊路径;
C7、针对可规划项目的医疗项目优先状态信息为优先状态时,则规划的导诊路径为优先执行项目路径;
C8、针对可规划项目的医疗项目优先状态信息为普通状态时,则规划的导诊路径为普通执行项目路径。
8.根据权利要求7所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述C3中路径更新发生在每次可规划项目对应的抵达时间超过其预估的等待时间信息时,或发生在每次可规划项目的执行状态信息由未执行状态转变为执行中状态时。
9.根据权利要求1所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述就诊导航子系统包括:
室外导航子系统,用于利用API接口接入卫星导航系统,根据最优就诊路径,通过移动设备中的卫星地图界面对医院内各建筑之间的室外路径进行实时导航;
室内导航子系统,用于基于医院内的各建筑内部的AR导向系统,根据最优就诊路径和AR实景导航,随患者当前位置实时导航至最优就诊路径中规划的当前建筑物内的下一个医疗项目。
10.根据权利要求9所述的基于机器学习与就诊流程优化的智慧导诊系统,其特征在于,所述家人陪诊子系统包括:
家人代缴费用模块,用于获取患者当前的医疗项目信息中的医疗项目缴费状态信息和医疗项目费用信息,并根据医疗项目费用信息,基于第三方支付软件,通过移动通信终端远程缴付医疗项目缴费状态信息为待缴费状态的医疗项目对应的费用,以使该医疗项目的医疗项目缴费状态由待缴费状态转变为已缴费状态;
家人导诊陪行模块,用于基于移动通信网络,通过患者的移动通信终端和其家人的移动通信终端持续进行语音通话,并同步显示室外路径实时导航下的卫星地图界面,或医院内的各建筑内部的AR导向系统的导向界面,以通过家人语音提示就诊行进方向的变化情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410170547.XA CN117711594B (zh) | 2024-02-06 | 2024-02-06 | 基于机器学习与就诊流程优化的智慧导诊系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410170547.XA CN117711594B (zh) | 2024-02-06 | 2024-02-06 | 基于机器学习与就诊流程优化的智慧导诊系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117711594A true CN117711594A (zh) | 2024-03-15 |
CN117711594B CN117711594B (zh) | 2024-04-26 |
Family
ID=90144780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410170547.XA Active CN117711594B (zh) | 2024-02-06 | 2024-02-06 | 基于机器学习与就诊流程优化的智慧导诊系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117711594B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19941513A1 (de) * | 1999-08-31 | 2001-03-01 | Stefan Maier | Vorrichtung und Verfahren zum Steuern der Aufnahme von elektrischer Energie in einem Kraftfahrzeug |
CN107135197A (zh) * | 2017-03-21 | 2017-09-05 | 南京邮电大学 | 一种基于灰色预测的链式k‑匿名位置隐私保护方法 |
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 |
WO2021178731A1 (en) * | 2020-03-04 | 2021-09-10 | Karl Denninghoff | Neurological movement detection to rapidly draw user attention to search results |
CN114154805A (zh) * | 2021-11-09 | 2022-03-08 | 南京市第二医院 | 一种体检彩超排号装置 |
CN116957143A (zh) * | 2023-07-03 | 2023-10-27 | 中国移动通信集团江苏有限公司 | 村庄空心率预测方法、装置、电子设备及可读存储介质 |
WO2023247089A1 (de) * | 2022-06-22 | 2023-12-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und vorrichtung zur prädiktion der wartezeit an einer ladestation |
-
2024
- 2024-02-06 CN CN202410170547.XA patent/CN117711594B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19941513A1 (de) * | 1999-08-31 | 2001-03-01 | Stefan Maier | Vorrichtung und Verfahren zum Steuern der Aufnahme von elektrischer Energie in einem Kraftfahrzeug |
CN107135197A (zh) * | 2017-03-21 | 2017-09-05 | 南京邮电大学 | 一种基于灰色预测的链式k‑匿名位置隐私保护方法 |
WO2021178731A1 (en) * | 2020-03-04 | 2021-09-10 | Karl Denninghoff | Neurological movement detection to rapidly draw user attention to search results |
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 |
CN114154805A (zh) * | 2021-11-09 | 2022-03-08 | 南京市第二医院 | 一种体检彩超排号装置 |
WO2023247089A1 (de) * | 2022-06-22 | 2023-12-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und vorrichtung zur prädiktion der wartezeit an einer ladestation |
CN116957143A (zh) * | 2023-07-03 | 2023-10-27 | 中国移动通信集团江苏有限公司 | 村庄空心率预测方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
CHEN WANG: "Migration node selection strategy based on gray prediction algorithm in trusted environment", 《2022 2ND INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS AND COMPUTER ENGINEERING (ICCECE)》, 21 February 2022 (2022-02-21), pages 931 - 936 * |
刘聪聪: "出租车资源调配的探究与设计", 《贵州师范学院学报》, vol. 32, no. 3, 28 March 2016 (2016-03-28), pages 32 - 37 * |
Also Published As
Publication number | Publication date |
---|---|
CN117711594B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184045B (zh) | 一种基于移动位置信息的医疗就诊排队方法及系统 | |
CN110132254A (zh) | 一种医院内导航和信息交互系统及路线规划方法 | |
US8688466B2 (en) | Data synchronization for booking of healthcare appointments across practice groups | |
US20130304534A1 (en) | Wait Time Notification System | |
CN108898346A (zh) | 一种派送作业路径规划方法 | |
US11442139B2 (en) | Clinic wait-time visibility and reservations | |
CN107967295A (zh) | 一种用于建筑中前端的智能服务系统及其工作方法 | |
WO2015035309A1 (en) | Appointment scheduling and check in | |
CN103020463A (zh) | 一种基于移动平台的医院智能就诊系统 | |
CN102725769A (zh) | 基于位置的移动人力管理系统 | |
CN109657825A (zh) | 一种查询展示银行营业网点信息的方法及相关设备 | |
CN102804167B (zh) | 在计算生态系统中创建复合程序模块 | |
CN109711606A (zh) | 一种基于模型的数据预测方法及装置 | |
KR101882333B1 (ko) | 출장 예약 시스템 | |
US20050267833A1 (en) | Method and a system for complex price calculations in automated financial trading | |
JP4781481B1 (ja) | サービス提供施設検索システム、サービス提供施設検索方法、およびサービス提供施設検索プログラム | |
CN117711594B (zh) | 基于机器学习与就诊流程优化的智慧导诊系统 | |
CN113435833A (zh) | 智慧社区的城市三维模型协同管理方法与系统 | |
CN112489750A (zh) | 一种基于智慧医疗云服务平台的导医系统 | |
CN111312381A (zh) | 基于二次分诊技术的门诊自动回诊 | |
CN115620879A (zh) | 医疗检查项目的智能推荐方法、装置、设备及存储介质 | |
CN107710250A (zh) | 用于管理诊所的患者的系统和方法 | |
JP5079901B1 (ja) | 事務量推移、来客数推移の予測方法および予測装置 | |
CN112802582A (zh) | 一种多用途就诊服务系统 | |
CN114692968A (zh) | 取号处理方法、装置以及电子设备 |
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 |