本发明专利技术公开了一种实时门诊数据修正平台，属于数据修正领域，包括管理平台、患者登记模块、监控摄像头、信息收集模块、患者匹配模块、图谱构造模块、数据纠错模块以及云服务器；本发明专利技术能够准确的对患者特征信息进行采集，方便后期进行核对匹配，能够有效地实现对患者进行实时跟踪，方便工作人员使用，能够自行对登记错误的患者信息进行纠错处理，提高患者信息准确性，同时简化工作人员操作步骤，提高医护人员工作效率。员工作效率。员工作效率。
【技术实现步骤摘要】
一种实时门诊数据修正平台
[0001]本专利技术涉及数据修正领域，尤其涉及一种实时门诊数据修正平台。
技术介绍
[0002]随着社会的发展，各行各业、各个领域都会对自身的行为结果做出评估，数据不可避免含有不确定的随机误差,会导致试验研究和性能分析出现偏差。尤其在医院的门诊登记中，患者从到达医院号到看完病离开医院，需要在门诊信息系统中录人大量的数据。这个过程中，如果挂号、收费或者药房取药各个环节的信息没有完全贯通，则需要在每个操作环节均输入患者姓名等基本信息，这样无形中操作员会增加许多工作量，因此，门诊数据修正平台在保证患者数据的过程中起到了不可忽视的作用；
[0003]经检索，中国专利号CN109886184A公开了实时门诊数据修正平台，该专利技术虽然实现了对医院门诊数据的及时、准确管理，但是无法准确的对患者特征信息进行采集，不方便后期进行核对匹配；此外，现有的实时门诊数据修正平台需要人工对登记错误的患者信息进行纠错处理，容易导致患者信息存在偏差，降低医护人员工作效率，为此，我们提出一种实时门诊数据修正平台。
技术实现思路
[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种实时门诊数据修正平台。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种实时门诊数据修正平台，包括管理平台、患者登记模块、监控摄像头、信息收集模块、患者匹配模块、图谱构造模块、数据纠错模块以及云服务器；
[0007]其中，所述管理平台用于医护人员查看并修改错误的患者信息；
[0008]所述患者登记模块用于医护人员登记患者基本身份信息以及就诊信息；
[0009]所述监控摄像头用于采集医院内各行人影像信息；
[0010]所述信息收集模块用于接收各影像信息，同时对各行人特征信息进行采集；
[0011]所述患者匹配模块用于将采集到的患者信息与医护人员录入的患者信息进行匹配；
[0012]所述图谱构造模块用于收集各医生信息并构建相对应的知识图谱模型；
[0013]所述数据纠错模块用于依据构建的知识图谱模型对人工登记的患者就诊信息进行纠错；
[0014]所述云服务器用于接收并存储登记的各组患者信息，同时接收管理平台指令进行数据的调用与修改。
[0015]作为本专利技术的进一步方案，所述信息收集模块患者特征信息采集步骤具体如下：
[0016]步骤一：信息收集模块接收监控摄像头采集的各患者影像信息，再对各组影像信息进行逐帧提取以获取相对应的患者图片数据，并依据各组图片数据的显示比例将各图片
数据进行分块处理；
[0017]步骤二：通过傅里叶正反变换对各组图片数据进行频率空间以及图像空间的转换，并提取频率空间中的图像数据的高频成分，同时对其进行滤波处理减少噪声干扰，再将其转换至图像空间并还原各组图像数据；
[0018]步骤三：依据图像数据的不同尺寸构建图片数据集，再根据多尺度训练策略对各组巡检图片上相应的尺寸生成图片切块，同时将不同尺度的图片切块放缩到同样的大小，再将原始标签中符合相应大小范围的标签分配给相对应的图片切块，之后通过图像金字塔对其进行尺度归一化处理；
[0019]步骤四：骨干神经网络提取各组图像数据特征，并将其送入双向特征金字塔进行特征融合，再将输出结果进行分类回归输出相对应的检测框以及类别，之后一级目标检测网络接收各组图像数据中行人检测框信息，并对相关图像数据进行扩大化剪裁；
[0020]步骤五：二级目标检测网络过滤各组行人图片中属于背景的简单负样本，挑选出可能含有目标的区域进行分类和回归，在五个语义信息有高有低的行人图片的每一个点上生成多组不同比例的锚框并对这些锚框进行分类和回归，通过扩大化剪裁对各组行人图片的行人位置进行检测，同时过滤重复的行人信息，并对各行人身体以及脸部特征进行提取，并将各组行人特征上传至云服务器进行存储。
[0021]作为本专利技术的进一步方案，所述患者匹配模块信息匹配具体步骤如下：
[0022]步骤(1)：患者匹配模块接收登记完成的各组患者身份信息，之后依据各患者的身份信息获取相对应的患者特征信息；
[0023]步骤(2)：之后将提取的各组行人特征与记录的患者特征信息进行对比匹配，若存在对比结果一致的特征信息，则对该患者所去的诊室信息进行收集并记录。
[0024]作为本专利技术的进一步方案，所述图谱构造模块知识图谱模型具体构建步骤如下：
[0025]步骤Ⅰ：图谱构造模块接收诊室信息、医生信息以及患者信息，并将医生信息作为单独概念进行抽取，之后将医生信息与相对应的诊室信息进行关联以进行数据整合；
[0026]步骤Ⅱ：将患者信息做为单独概念进行抽取，再对诊室信息、医生信息以及患者信息进行定义并添加约束条件，之后生成诊室表、医生表以及患者表记录并存储各组信息；
[0027]步骤Ⅲ：将诊室表以及医生表作为实体表，同时加入“:LABEL”标记，设定为实体名,患者表作为关系表，加入“:TYPE”标记，并设定关系的头节点和尾节点，并安装配置Neo4j数据库，同时启动Neo4j服务，之后使用相关操作指令导入收集的各组信息，完成数据导入后，知识图谱构建结束，同时启动Neo4j数据浏览器进行知识检索。
[0028]作为本专利技术的进一步方案，所述数据纠错模块信息纠错具体步骤如下：
[0029]步骤
①
：数据纠错模块接收构建完成的知识图谱，同时构建并优化一组分析网络模型，之后接收各医护人员登记的患者数据，将患者数据中非二进制数据转换为二进制；
[0030]步骤
②
：分析网络模型计算各组患者数据方差系数，并依据计算出的各组方差系数筛选出能够表示关联信息的特征参数，并筛除对于表征能力差的特征参数，之后登记的患者数据划分为训练集和测试集，并对训练集进行标准化处理以获取训练样本；
[0031]步骤
③
：将训练样本输送到分析网络模型中，设置模型具体参数，采用长期迭代法训练该分析网络模型，并将测试集输入到训练好的模型中，再依据知识图谱中的关联关系对登记错误的患者信息进行修改调整。
[0032]作为本专利技术的进一步方案，所述分析网络模型具体优化步骤如下：
[0033]第一步：云服务器传输多组过往门诊数据，分析网络模型从多组门诊数据中选择一组作为验证数据，并使用剩下的门诊数据拟合一组测试模型，并用验证数据来检测测试模型精度，并重复n次通过均方根误差对该测试模型的检测能力进行计算；
[0034]第二步：初始化参数范围，同时列出所有可能的数据结果，对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集对测试模型进行训练，训练完成后对测试集进行预测，统计测试结果的均方根误差；
[0035]第三步：将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种实时门诊数据修正平台，其特征在于，包括管理平台、患者登记模块、监控摄像头、信息收集模块、患者匹配模块、图谱构造模块、数据纠错模块以及云服务器；其中，所述管理平台用于医护人员查看并修改错误的患者信息；所述患者登记模块用于医护人员登记患者基本身份信息以及就诊信息；所述监控摄像头用于采集医院内各行人影像信息；所述信息收集模块用于接收各影像信息，同时对各行人特征信息进行采集；所述患者匹配模块用于将采集到的患者信息与医护人员录入的患者信息进行匹配；所述图谱构造模块用于收集各医生信息并构建相对应的知识图谱模型；所述数据纠错模块用于依据构建的知识图谱模型对人工登记的患者就诊信息进行纠错；所述云服务器用于接收并存储登记的各组患者信息，同时接收管理平台指令进行数据的调用与修改。2.根据权利要求1所述的一种实时门诊数据修正平台，其特征在于，所述信息收集模块患者特征信息采集步骤具体如下：步骤一：信息收集模块接收监控摄像头采集的各患者影像信息，再对各组影像信息进行逐帧提取以获取相对应的患者图片数据，并依据各组图片数据的显示比例将各图片数据进行分块处理；步骤二：通过傅里叶正反变换对各组图片数据进行频率空间以及图像空间的转换，并提取频率空间中的图像数据的高频成分，同时对其进行滤波处理减少噪声干扰，再将其转换至图像空间并还原各组图像数据；步骤三：依据图像数据的不同尺寸构建图片数据集，再根据多尺度训练策略对各组巡检图片上相应的尺寸生成图片切块，同时将不同尺度的图片切块放缩到同样的大小，再将原始标签中符合相应大小范围的标签分配给相对应的图片切块，之后通过图像金字塔对其进行尺度归一化处理；步骤四：骨干神经网络提取各组图像数据特征，并将其送入双向特征金字塔进行特征融合，再将输出结果进行分类回归输出相对应的检测框以及类别，之后一级目标检测网络接收各组图像数据中行人检测框信息，并对相关图像数据进行扩大化剪裁；步骤五：二级目标检测网络过滤各组行人图片中属于背景的简单负样本，挑选出可能含有目标的区域进行分类和回归，在五个语义信息有高有低的行人图片的每一个点上生成多组不同比例的锚框并对这些锚框进行分类和回归，通过扩大化剪裁对各组行人图片的行人位置进行检测，同时过滤重复的行人信息，并对各行人身体以及脸部特征进行提取，并将各组行人特征上传至云服务器进行存储。3.根据权利要求2所述的一种实时门诊数据修正平台，其特征在于，所述患者匹配模块信息匹配具体步骤如下：步骤(1)：患者匹配模块接收登记完成的各组患者身份信息，之后依据各患者的身份信息获取相对应的患者特征信息；步骤(2)：之后将提取的各组行人特征与记录的患者特征信息进行对比匹配，...
【专利技术属性】
技术研发人员：胡国琼，廖亚军，刘君，唐夏，
申请(专利权)人：遂宁市中心医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。