基于深度学习算法的医院用药品管理系统技术方案

本发明专利技术提供基于基于深度学习算法的医院用药品管理系统，其特征在于：包含登录模块、基本信息管理模块、库房库存管理模块、药房管理模块、后台管理模块。本发明专利技术提高医院用药品管理系统的智能化使其更加有效。理系统的智能化使其更加有效。理系统的智能化使其更加有效。

【技术实现步骤摘要】
基于深度学习算法的医院用药品管理系统


[0001]本专利技术涉及一种医院管理系统领域，具体地说是一种基于深度学习算法的医院用药品管理系统。

技术介绍

[0002]传统药品管理系统并不存在时间序列的概念，数据的存储以及传输都是实时且基于人为因素操作的，因此当以人为主体进行控制与决策时，对操作者本身经验的要求就大过了系统本身对历史数据保留所预期的决策支持。

技术实现思路

[0003]本专利技术提供基于深度学习算法的医院用药品管理系统，其目的是解决现有技术的缺点，提高医院用药品管理系统的智能化使其更加有效。
[0004]本专利技术解决其技术问题的方案在于：
[0005]基于深度学习算法的医院用药品管理系统，其特征在于：
[0006]包含以下模块：
[0007]A：登录模块：
[0008]提供登录系统功能：
[0009]B：基本信息管理模块：
[0010]维护药品基本信息、供货商以及客户的相关信息；
[0011]C：库房库存管理模块：
[0012]提供药品入库、药品出库、药品盘点、药品调价、药品报损、药品调拨、药品结账、统计查询功能：
[0013]其中，统计查询功能：对现存药品、短缺、积压药品、药品出库情况等进行查询，在此模块中，集成以RNN算法为基础的神经网络模型，根据以往的药品采购数据、出入库数据、报损数据、调拨数据、药品库龄数据、药品保质期，通过时间线维度的历史趋势分析，生成每种药品的数据模型，并且此模型在药品的每一次采购、入库、出库、调拨等动作中，都会作为自身神经网络的一个节点不断的完善数据模型，从而在现有药品库存信息的基础上得到药品的完整且多维度的属性信息；在此基础上，操作员可以看到药品的历史使用情况，以及基于神经网络模型下对药品未来使用情况的预测情况；
[0014]D：药房管理模块：
[0015]提供药品需求申请、医嘱处方发药、其他情况发药、药品盘存、药品报损、药品调拨、门诊发药、统计查询功能：
[0016]其中，药品需求申请：各药房在日常的药品使用中，系统记录详细的药品使用情况，并根据深度学习算法绘制药品的使用模型，根据时间维度上药品的使用情况对药房药品的安全库存量进行动态调节，统计出低于限定安全库存数量的药品，向库房发出需求药品申请，打印药品需求申请单；
[0017]其中，医嘱处方发药：当药房接到医生开具的处方信息时，药师根据处方进行拿药，在系统中创建发药单，同时该出库信息也会回写更新到药品的使用模型中，通过神经网络模型不断的完善药品使用模型；
[0018]其中，统计查询：药房自主查询药品的使用情况、短缺的药品以及医生用药特点，通过RNN算法建立药品使用模型，为药品的申请、调拨以及安全库存提供指导性意见；
[0019]E：后台管理模块：
[0020]提供系统设置功能：
[0021]在后台管理模块中，管理员可以对系统的基础参数以及环境变量进行设置，设置RNN算法模型的时间记忆范围、初始的安全库存变量、药品申请预期频次、药品正常出入库及非正常损耗权重系数，通过基础参数构建药品的初始模型，从而便于RNN算法在此基础上不断优化数据模型，从而达到管理员对药品管理目标的预期。
[0022]进一步的：所述基于深度学习算法的医院用药品管理系统以Tensorflow运行。
[0023]进一步的：在登录模块中：在登录系统时，用户在此界面选择用户所属的科室，从而进入各自科室所属的特定系统模块，并且当选择不同科室时，系统所提供的数据也是隶属于各个不同科室；
[0024]进一步的：在基本信息管理模块中，管理员在此模块维护药品的主数据信息、药品的供货商信息、药品与各药房的对应关系；另外，所有药品默认均隶属于库房。
[0025]本专利技术的有益之处在于：
[0026]本专利技术通过TensorFlow深度学习框架以及RNN循环神经网络，可以大大的增强药品管理系统本身对数据在时间线上的变化趋势的把握，以及在基于一定时间区间范围内的数据采样、对比、分析、继承、影响等方式下，减小传统方式下决策、预测与风险防范行为颗粒度过大的问题，从而提高医院用药品管理系统的智能化使其更加有效。
附图说明
[0027]下面结合附图和实施例对本专利技术进一步说明。
[0028]图1为本专利技术系统程序架构示意图；
[0029]图2为RNN算法原理图。
具体实施方式
[0030]为了更清楚地说明本专利技术的技术方案，下面将对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本专利技术的一些实施例，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实施例。为了便于理解本专利技术，下面结合附图和具体实施例，对本专利技术进行更详细的说明。
[0031]需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的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专利技术和简化描述，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专利技术的限制。此外，术语
“
第一”、“第二”“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0032]本专利技术的基于深度学习算法的医院用药品管理系统，包含以下模块系统
[0033]A：登录模块：
[0034]提供登录系统功能：
[0035]由于医院对于药品的管理，各个药房以及库房是相对独立的，因此在登录系统时，用户需要在此界面选择用户所属的科室，从而进入各自科室所属的特定系统模块，并且当选择不同科室时，系统所提供的数据也是隶属于各个不同科室的。如选择急诊药房进入时，在发药模块中可选的药品信息就是隶属于急诊药房专属，而并不会出现门诊药房的相关信息。
[0036]B：基本信息管理模块：
[0037]维护药品基本信息、供货商以及客户的相关信息：
[0038]在基本信息管理模块中，管理员会将药品的主数据信息维护在这里，如西药的商品名、通用名、规格、生产厂家、批次号、批准文号、功能主治、禁忌、不良反应，保质期等等；中药的名称、产地、规格、保质期、部分有批准文号等。同时，还将在此模块维护药品的供货商名称、联系方式、地址、供货周期、结算方式等等。因各药房自主管理下属药品，所以在此模块还将维护药品与各药房的对应关系，另外，所有药品默认均隶属于库房，相当于总仓的概念。当医院采购或启用新药时，应当优先在此模块维护好药品的相关信息。
[0039]在基本信息管理模块中，管理员还应当维护各个药房的基本信息，如药房名称(急诊药房、住院药房、门诊药房)、药房管理员、隶属科室、药品目录本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习算法的医院用药品管理系统，其特征在于：包含以下模块：A：登录模块：提供登录系统功能：B：基本信息管理模块：维护药品基本信息、供货商以及客户的相关信息；C：库房库存管理模块：提供药品入库、药品出库、药品盘点、药品调价、药品报损、药品调拨、药品结账、统计查询功能：其中，统计查询功能：对现存药品、短缺、积压药品、药品出库情况等进行查询，在此模块中，集成以RNN算法为基础的神经网络模型，根据以往的药品采购数据、出入库数据、报损数据、调拨数据、药品库龄数据、药品保质期，通过时间线维度的历史趋势分析，生成每种药品的数据模型，并且此模型在药品的每一次采购、入库、出库、调拨等动作中，都会作为自身神经网络的一个节点不断的完善数据模型，从而在现有药品库存信息的基础上得到药品的完整且多维度的属性信息；在此基础上，操作员可以看到药品的历史使用情况，以及基于神经网络模型下对药品未来使用情况的预测情况；D：药房管理模块：提供药品需求申请、医嘱处方发药、其他情况发药、药品盘存、药品报损、药品调拨、门诊发药、统计查询功能：其中，药品需求申请：各药房在日常的药品使用中，系统记录详细的药品使用情况，并根据深度学习算法绘制药品的使用模型，根据时间维度上药品的使用情况对药房药品的安全库存量进行动态调节，统计出低于限定安全库存数量的药品，向库房发出需求药品申请，打印药品需求申请单；其中，医嘱处方发药：当药房接到医生开具的...

【专利技术属性】
技术研发人员：林调金，
申请(专利权)人：上海静汇医院管理有限公司，
类型：发明
国别省市：