医院叫号管理系统及其方法技术方案

技术编号:38257767 阅读:11 留言:0更新日期:2023-07-27 10:19
一种医院叫号管理系统及其方法,其获取排在目标就诊对象前的多个待就诊对象的就诊预约信息;采用基于深度学习的人工智能技术,挖掘所述各个待就诊对象的就诊预约信息的语义理解特征间的关联性特征分布信息,基于此对于就诊叫号等待时间进行准确地预估,以基于预估等待时间合理地规划自己的行程,提升患者体验度和满意。度和满意。度和满意。

【技术实现步骤摘要】
医院叫号管理系统及其方法


[0001]本申请涉及智能化管理
,并且更具体地,涉及一种医院叫号管理系统及其方法。

技术介绍

[0002]随着医疗系统快速发展、医院规模迅速壮大、就医人数日渐增多,患者挂号付费排队时间长、名医专家预约难、就医流程不便捷等问题尤为突出,医患人员要求改善就医环境的愿望越来越强烈。
[0003]目前,在患者就医的过程中,挂号排队等待的时间较长。在患者等待叫号的过程中,传统的提醒等待时间系统只能提示前面还有几个人,但没有办法给出预估时间,导致就诊人员无法依此进行决策,使得患者的体验度和满意度较低。
[0004]因此,期望一种优化的医院叫号管理系统。

技术实现思路

[0005]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种医院叫号管理系统及其方法,其获取排在目标就诊对象前的多个待就诊对象的就诊预约信息;采用基于深度学习的人工智能技术,挖掘所述各个待就诊对象的就诊预约信息的语义理解特征间的关联性特征分布信息,基于此对于就诊叫号等待时间进行准确地预估,以基于预估等待时间合理地规划自己的行程,提升患者体验度和满意。
[0006]第一方面,提供了一种医院叫号管理系统,其包括:
[0007]就诊预约信息数据采集模块,用于获取排在目标就诊对象前的多个待就诊对象的就诊预约信息;
[0008]预约信息语义理解模块,用于将所述各个待就诊对象的就诊预约信息分别通过包含词嵌入层的上下文编码器以得到多个就诊预约信息语义理解特征向量;
[0009]预约信息语义关联模块,用于将所述多个就诊预约信息语义理解特征向量排列为一维特征向量后通过包含第一一维卷积神经网络模型和第二一维卷积神经网络模型的双分支关联特征提取结构以得到预约信息语义关联特征向量;以及
[0010]等待时间评估模块,用于将所述预约信息语义关联特征向量通过解码器以得到解码值,所述解码值用于表示预估的等待时间。
[0011]在上述医院叫号管理系统中,所述预约信息语义理解模块,包括:分词单元,用于对所述各个待就诊对象的就诊预约信息进行分词处理以将所述各个待就诊对象的就诊预约信息转化为由多个词组成的词序列;嵌入编码单元,用于使用所述包含词嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列;以及,上下文编码单元,用于使用所述包含词嵌入层的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以获得所述多个就诊预约信息语义理解特征向量。
[0012]在上述医院叫号管理系统中,所述上下文编码单元,包括:查询向量构造子单元,
用于将所述词向量的序列进行一维排列以得到全局词特征向量;自注意子单元,用于计算所述全局词特征向量与所述词向量的序列中各个词向量的转置向量之间的乘积以得到多个自注意力关联矩阵;标准化子单元,用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵;关注度计算子单元,用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值;以及,注意力施加子单元,用于分别以所述多个概率值中各个概率值作为权重对所述词向量的序列中各个词向量进行加权以得到所述多个就诊预约信息语义理解特征向量。
[0013]在上述医院叫号管理系统中,所述预约信息语义关联模块,包括:第一卷积单元,用于使用所述双分支关联特征提取结构的第一一维卷积神经网络模型的各层在层的正向传递中分别对所述一维特征向量进行基于一维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述第一一维卷积神经网络模型的最后一层的输出为第一尺度预约信息特征向量,其中,所述第一一维卷积神经网络模型具有第一尺度的一维卷积核;第二卷积单元,用于使用所述双分支关联特征提取结构的第二一维卷积神经网络模型的各层在层的正向传递中分别对所述一维特征向量进行基于一维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述第二一维卷积神经网络模型的最后一层的输出为第二尺度预约信息特征向量,其中,其中,所述第二一维卷积神经网络模型具有第二尺度的一维卷积核,所述第一尺度不同于所述第二尺度;以及,级联单元,用于将所述第一尺度预约信息特征向量和所述第二尺度预约信息特征向量进行级联以得到所述预约信息语义关联特征向量。
[0014]在上述医院叫号管理系统中,还包括对所述包含词嵌入层的上下文编码器、所述包含第一一维卷积神经网络模型和第二一维卷积神经网络模型的双分支关联特征提取结构和所述解码器进行训练的训练模块。
[0015]在上述医院叫号管理系统中,所述训练模块,包括:训练数据采集模块,用于获取训练数据,所述训练数据包括多个待就诊对象的训练就诊预约信息,以及,所述预估的等待时间的真实值;训练预约信息语义理解模块,用于将所述各个待就诊对象的训练就诊预约信息分别通过所述包含词嵌入层的上下文编码器以得到多个训练就诊预约信息语义理解特征向量;训练预约信息语义关联模块,用于将所述多个训练就诊预约信息语义理解特征向量排列为训练一维特征向量后通过所述包含第一一维卷积神经网络模型和第二一维卷积神经网络模型的双分支关联特征提取结构以得到训练预约信息语义关联特征向量;优化模块,用于对所述训练预约信息语义关联特征向量进行特征分布优化以得到优化训练预约信息语义关联特征向量;解码损失模块,用于将所述优化训练预约信息语义关联特征向量通过所述解码器以得到解码损失函数值;以及,训练模块,用于基于所述解码损失函数值并通过梯度下降的反向传播来对所述包含词嵌入层的上下文编码器、所述包含第一一维卷积神经网络模型和第二一维卷积神经网络模型的双分支关联特征提取结构和所述解码器进行训练。
[0016]在上述医院叫号管理系统中,所述优化模块,用于:以如下优化公式对所述训练预约信息语义关联特征向量进行耿贝尔正态周期性重参数化以得到所述优化预约信息语义关联特征向量;其中,所述优化公式为:
[0017][0018]其中,v
i
表示所述训练预约信息语义关联特征向量的各个位置的特征值,μ和σ分别是所述训练预约信息语义关联特征向量的各个位置的特征值集合的均值和方差,log表示以2为底的对数函数,arcsin(
·
)表示反正弦函数,arccos(
·
)表示反余弦函数,v
i

表示所述优化训练预约信息语义关联特征向量的各个位置的特征值。
[0019]在上述医院叫号管理系统中,所述解码损失模块,包括:训练解码单元,用于使用所述解码器以如下公式对所述优化训练预约信息语义关联特征向量进行解码回归以获得训练解码值;其中,所述公式为:其中X是所述优化训练预约信息语义关联特征向量,Y是所述训练解码值,W是权重矩阵,表示矩阵乘;以及,损失函数计算单元,用于计算所述训练解码值和所述训练数据中所述预估的等待时间的真实值之间的方差作为所述解码损失函数值。
[0020]第二方面,提本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种医院叫号管理系统,其特征在于,包括:就诊预约信息数据采集模块,用于获取排在目标就诊对象前的多个待就诊对象的就诊预约信息;预约信息语义理解模块,用于将所述各个待就诊对象的就诊预约信息分别通过包含词嵌入层的上下文编码器以得到多个就诊预约信息语义理解特征向量;预约信息语义关联模块,用于将所述多个就诊预约信息语义理解特征向量排列为一维特征向量后通过包含第一一维卷积神经网络模型和第二一维卷积神经网络模型的双分支关联特征提取结构以得到预约信息语义关联特征向量;以及等待时间评估模块,用于将所述预约信息语义关联特征向量通过解码器以得到解码值,所述解码值用于表示预估的等待时间。2.根据权利要求1所述的医院叫号管理系统,其特征在于,所述预约信息语义理解模块,包括:分词单元,用于对所述各个待就诊对象的就诊预约信息进行分词处理以将所述各个待就诊对象的就诊预约信息转化为由多个词组成的词序列;嵌入编码单元,用于使用所述包含词嵌入层的上下文编码器的嵌入层将所述词序列中各个词映射到词向量以获得词向量的序列;以及上下文编码单元,用于使用所述包含词嵌入层的上下文编码器的转化器对所述词向量的序列进行基于全局的上下文语义编码以获得所述多个就诊预约信息语义理解特征向量。3.根据权利要求2所述的医院叫号管理系统,其特征在于,所述上下文编码单元,包括:查询向量构造子单元,用于将所述词向量的序列进行一维排列以得到全局词特征向量;自注意子单元,用于计算所述全局词特征向量与所述词向量的序列中各个词向量的转置向量之间的乘积以得到多个自注意力关联矩阵;标准化子单元,用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵;关注度计算子单元,用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值;以及注意力施加子单元,用于分别以所述多个概率值中各个概率值作为权重对所述词向量的序列中各个词向量进行加权以得到所述多个就诊预约信息语义理解特征向量。4.根据权利要求3所述的医院叫号管理系统,其特征在于,所述预约信息语义关联模块,包括:第一卷积单元,用于使用所述双分支关联特征提取结构的第一一维卷积神经网络模型的各层在层的正向传递中分别对所述一维特征向量进行基于一维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述第一一维卷积神经网络模型的最后一层的输出为第一尺度预约信息特征向量,其中,所述第一一维卷积神经网络模型具有第一尺度的一维卷积核;第二卷积单元,用于使用所述双分支关联特征提取结构的第二一维卷积神经网络模型的各层在层的正向传递中分别对所述一维特征向量进行基于一维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述第二一维卷积神经网络模型的最后一层的
输出为第二尺度预约信息特征向量,其中,其中,所述第二一维卷积神经网络模型具有第二尺度的一维卷积核,所述第一尺度不同于所述第二尺度;以及级联单元,用于将所述第一尺度预约信息特征向量和所述第二尺度预约信息特征向量进行级联以得到所述预约信息语义关联特征向量。5.根据权利要求4所述的医院叫号管理系统,其特征在于,还包括对所述包含词嵌入层的上下文编码器、所述包含第一一维卷积神经网络模型和第二一维卷积神经网络模型的双分支关联特征提取结构和所述解码器进行训练的训练模块。6.根据权利要求5所述的医院叫号管理系统,其特征在于,所述训练模块,包括:训练数据采集模块,用于获取训...

【专利技术属性】
技术研发人员:彭亚文柴伟白杨
申请(专利权)人:中国人民解放军总医院第一医学中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1