【技术实现步骤摘要】
一种基于HIS的处方数据校验方法及系统
[0001]本专利技术涉及数据校验
,尤其涉及一种基于HIS的处方数据校验方法及系统。
技术介绍
[0002]医疗信息系统(HIS)用于管理和记录医院的各种数据,包括患者信息、医疗记录和处方数据等。另外,在医疗领域,准确和可靠的处方数据对患者的治疗和药物安全至关重要。然而,由于复杂的处方信息和潜在的人为错误,传统的处方数据校验方法容易导致处方数据的错误和不一致,影响患者的治疗效果和用药安全。
技术实现思路
[0003]基于此,本专利技术有必要提供一种基于HIS的处方数据校验方法,以解决至少一个上述技术问题。
[0004]为实现上述目的,一种基于HIS的处方数据校验方法,包括以下步骤:步骤S1:利用无线传输技术对得到连接初始化配置信息;基于连接初始化配置信息利用网络爬虫技术对HIS数据库进行处方日志抓取处理,得到医疗处方待校验信息日志;步骤S2:对医疗处方待校验信息日志进行数据采集处理,得到医疗处方待校验信息数据;利用处方降噪算法对医疗处方待校验信息数据进行降噪处理,得到医疗处方待校验降噪数据;步骤S3:基于预设的医疗信息药品库利用数据校验算法对医疗处方待校验降噪数据进行校验处理,得到医疗处方药品校验结果;根据医疗处方药品校验结果进行判断分析处理,以得到待新增药品信息数据;并将待新增药品信息数据更新至预设的医疗信息药品库中,得到医疗信息药品更新库;步骤S4:通过HIS数据库获取患者信息,得到患者信息数据;基于患者信息数据利用个性化匹配技术对医疗信息药 ...
【技术保护点】
【技术特征摘要】
1.一种基于HIS的处方数据校验方法,其特征在于,包括以下步骤:步骤S1:利用无线传输技术对预设的HIS数据库和备份调剂中心库进行连接处理,得到连接初始化配置信息;基于连接初始化配置信息利用网络爬虫技术对HIS数据库进行处方日志抓取处理,得到医疗处方待校验信息日志;步骤S2:对医疗处方待校验信息日志进行数据采集处理,得到医疗处方待校验信息数据;利用处方降噪算法对医疗处方待校验信息数据进行降噪处理,得到医疗处方待校验降噪数据;步骤S3:基于预设的医疗信息药品库利用数据校验算法对医疗处方待校验降噪数据进行校验处理,得到医疗处方药品校验结果;根据医疗处方药品校验结果进行判断分析处理,以得到待新增药品信息数据;并将待新增药品信息数据更新至预设的医疗信息药品库中,得到医疗信息药品更新库;步骤S4:通过HIS数据库获取患者信息,得到患者信息数据;基于患者信息数据利用个性化匹配技术对医疗信息药品更新库进行模拟下单处理,得到医疗模拟处方数据;并利用自适应监测技术对医疗模拟处方数据进行自动化监测处理,得到医疗模拟处方监测结果;步骤S5:利用异常检测算法对医疗模拟处方监测结果进行异常检测处理,得到医疗处方药品精确校验结果;并利用可视化技术将医疗处方药品精确校验结果以可视化的形式展示到云端服务器;根据医疗处方药品精确校验结果生成相应的医疗处方校验报告。2.根据权利要求1所述的基于HIS的处方数据校验方法,其特征在于,步骤S1包括以下步骤:步骤S11:利用无线传输技术对预设的HIS数据库和备份调剂中心库进行连接处理,得到连接初始化配置信息;步骤S12:基于连接初始化配置信息利用网络爬虫技术对HIS数据库进行处方日志抓取处理,得到医疗处方信息日志;步骤S13:利用人工智能技术对医疗处方信息日志进行合理性分析处理,得到医疗处方信息合理性日志;步骤S14:对医疗处方信息合理性日志进行检索处理,得到医疗处方待校验信息日志。3.根据权利要求2所述的基于HIS的处方数据校验方法,其特征在于,步骤S13包括以下步骤:步骤S131:利用人工智能技术对医疗处方信息日志进行合理性分析处理,其中人工智能技术包括自然语言处理技术、特征分析模型、知识图谱构建技术和合理性比对分析技术;步骤S132:利用自然语言处理技术对医疗处方信息日志进行特征提取处理,得到医疗处方信息特征;步骤S133:利用基于深度学习算法的特征分析模型对医疗处方信息特征进行深度优化处理,得到医疗处方信息关键特征;步骤S134:通过知识图谱构建技术对医疗处方信息关键特征进行连接构建处理,得到医疗处方信息知识图谱;步骤S135:利用合理性比对分析技术将医疗处方信息日志与医疗处方信息知识图谱中的药理规则进行比对分析处理,得到医疗处方信息合理性日志。4.根据权利要求3所述的基于HIS的处方数据校验方法,其特征在于,步骤S133包括以
下步骤:步骤S1331:对医疗处方信息特征进行数据清洗处理,得到医疗处方信息特征数据集;步骤S1332:按照预设的划分规则将医疗处方信息特征数据集划分为特征训练数据集、特征验证数据集和特征测试数据集;步骤S1333:构建基于循环神经网络的特征分析模型,其中特征分析模型包括模型训练、模型验证和模型测试;步骤S1334:将特征训练数据集输入至基于循环神经网络的特征分析模型进行模型训练,并通过特征损失函数对模型参数进行调整优化处理,以生成验证模型;并将特征验证数据集输入至验证模型中进行模型验证,以生成测试模型;其中,特征损失函数的公式如下所示:;式中,为特征损失函数,为特征分析模型参数,为特征训练数据集的训练样本数量,为特征训练数据集中第个训练样本对应的医疗处方信息特征,为特征训练数据集中第个训练样本对应的标签,为均方误差调和平滑参数,为基于循环神经网络的特征分析模型,为积分项调和平滑参数,为积分项变量,为特征分析模型平滑辅助函数,为模型惩罚正则化参数,为特征分析模型参数的L2范数,为特征损失函数的修正值;步骤S1335:将特征测试数据集输入至测试模型中进行模型测试,以得到优化的特征分析模型;并将医疗处方信息特征数据集重新输入至优化的特征分析模型中进行深度优化处理,得到医疗处方信息关键特征。5.根据权利要求1所述的基于HIS的处方数据校验方法,其特征在于,步骤S2包括以下步骤:步骤S21:对医疗处方待校验信息日志进行数据采集处理,得到医疗处方待校验信息数据;步骤S22:对医疗处方待校验信息数据进行标准化处理,得到医疗处方待校验标准化数据;步骤S23:利用处方降噪算法对医疗处方待校验标准化数据进行降噪处理,得到医疗处方待校验降噪数据;其中,处方降噪算法的函数公式如下所示:;式中,为医疗处方待校验降噪数据,为医疗处方待校验标准化数据的噪声频率阈值,为医疗处方待校验标准化数据的数量,为第个医疗处方待校验标准化数据的噪声频率,为第个医疗处方待校验标准化数据的噪声均值,为第个医疗处方待校验标准化
数据的噪声标准差,为医疗处方待校验降噪数据的修正值。6.根据权利要求1所述的基于HIS的处方数据校验方法,其特征在于,步骤S3包括以下步骤:步骤S31:基于预设的医疗信息药品库利用...
【专利技术属性】
技术研发人员:匡振博,匡励午,郭建新,
申请(专利权)人:湖南远跃科技发展有限公司,
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。