【技术实现步骤摘要】
本申请涉及医疗系统，具体而言，涉及一种合作医疗系统中手术优化的调度方法及系统。
技术介绍
1、近年来随着经济的迅速发展，医疗服务行业面临市场竞争压力。选择科学的调度方法对医疗资源进行高效管理是提高医疗服务机构竞争力和患者满意度的重要途径之一。
2、目前医疗服务行业中，通常是由人工根据待实施手术的需求，调配医生以及病床，然而此种方式的医疗资源调度效率较低。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种合作医疗系统中手术优化的调度方法及系统，以解决上述技术问题。
2、本申请提供了一种合作医疗系统中手术优化的调度方法，包括：
3、获取待实施手术的需求属性；其中，所述待实施手术的需求属性包括手术时长、手术日期、术间类型、专科类型、资源需求数据、患者偏好以及手术护理质量需求数据；
4、从智慧合作医疗系统中获取医疗资源的使用状态信息；其中，所述医疗资源包括手术室、医生、医疗设备、医疗耗材、以及病床；
5、从获取到的所述医疗资源中筛选出处于空闲状态的医疗资源，得到待调度的医疗资源；
6、根据所述待实施手术的需求属性，对所述待调度的医疗资源进行调度，得到针对所述待实施手术的医疗资源调度信息；
7、将针对待实施手术的医疗资源调度信息上传至所述智慧合作医疗系统，以更新所述智慧合作医疗系统中医疗资源的使用状态信息。
8、进一步地，所述根据所述待实施手术
9、根据所述待实施手术的需求属性包括的资源需求数据，确定资源调度场景；其中，所述资源需求数据包括设备资源需求数据、物资资源需求数据以及技术资源需求数据；
10、根据所述资源调度场景以及所述待实施手术的需求属性，使用自动化工具生成资源需求特征；其中，所述自动化工具用于通过第一深度特征合成方法从所述待实施手术的需求属性中探索和生成所述资源需求特征；
11、根据所述资源调度场景以及所述待调度的医疗资源，使用所述自动化工具基于生成资源待调度特征；其中，所述自动化工具还用于通过第二深度特征合成方法从所述待调度的医疗资源中探索和生成所述资源待调度特征；
12、基于所述资源需求特征和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息。
13、进一步地，所述基于所述资源需求特征和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息，包括：
14、基于所述资源需求特征确定所述待实施手术对应的第一图结构；
15、对于所述第一图结构中的每个节点，确定与该节点关联的边；基于与该节点关联的边确定该节点的特征信息；基于每个节点的特征信息，将各个节点划分至第一节点集合或者第二节点集合中，其中，所述第一节点集合中的数据信息与手术时长、手术日期、术间类型、专科类型以及资源需求数据具有关联性，所述第二节点集合中的数据信息与手术时长、手术日期、术间类型、专科类型以及资源需求数据无关联性；
16、根据所述第一节点集合中的数据信息，利用第一深度学习神经网络预测针对所述待实施手术的第一资源需求量；
17、根据所述第二节点集合中的数据信息，利用第二深度学习神经网络预测针对所述待实施手术的第二资源需求量，
18、对预测到的针对所述待实施手术的所述第一资源需求量以及预测到的针对所述待实施手术的所述第二资源需求量分别赋予权值，得到针对所述待实施手术的模拟资源需求量；
19、基于针对所述待实施手术的所述模拟资源需求量和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息。
20、进一步地，所述根据所述第一节点集合中的数据信息，利用第一深度学习神经网络预测针对所述待实施手术的第一资源需求量，包括：
21、根据所述第一节点集合中的数据信息，构建第一分布式数据集；
22、采用自适应学习速率方法对所述第一节点集合中的各个节点的学习速率进行调整；
23、利用所述第一深度神经网络的学习状态预测针对所述待实施手术的第一资源需求量。
24、进一步地，所述根据所述第二节点集合中的数据信息，利用第二深度学习神经网络预测针对所述待实施手术的第二资源需求量，包括：
25、根据所述第二节点集合中的数据信息，构建第二分布式数据集；
26、采用自适应学习速率方法对所述第二节点集合中的各个节点的学习速率进行调整；
27、利用所述第二深度神经网络的学习状态预测针对所述待实施手术的第二资源需求量。
28、进一步地，所述基于针对所述待实施手术的所述模拟资源需求量和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息，包括：
29、对针对所述待实施手术的所述模拟资源需求量和所述资源待调度特征进行归一化处理；
30、以经过归一化处理后的所述模拟资源需求量和所述资源待调度特征作为输入层，以针对所述待实施手术的医疗资源调度信息作为输出层，采用深度神经网络进行训练，对所述待实施手术的医疗资源调度信息进行预测；
31、其中，所述深度神经网络包括所述输入层、隐藏层和所述输出层；所述隐藏层包括多层，其中，第一个隐藏层的节点数量等于所述输入层的单元数量的三倍，每个后续隐藏层的节点数量逐渐减少；所述隐藏层采用的激活函数为sigmoid函数；
32、进一步地，所述手术护理质量需求数据包括术前准备质量要求数据、术中监护质量要求数据和术后护理质量要求数据。
33、本申请提供了一种合作医疗系统中手术优化的调度系统，包括需求属性获取单元、医疗资源状态获取单元、待调度医疗资源筛选单元、医疗资源调度单元以及医疗资源状态更新单元；其中，
34、所述需求属性获取单元，用于获取待实施手术的需求属性；其中，所述待实施手术的需求属性包括手术时长、手术日期、术间类型、专科类型、资源需求数据、患者偏好以及手术护理质量需求数据；
35、所述医疗资源状态获取单元，用于从智慧合作医疗系统中获取医疗资源的使用状态信息；其中，所述医疗资源包括手术室、医生、医疗设备、医疗耗材、以及病床；
36、所述待调度医疗资源筛选单元，用于从获取到的所述医疗资源中筛选出处于空闲状态的医疗资源，得到待调度的医疗资源；
37、所述医疗资源调度单元，用于根据所述待实施手术的需求属性，对所述待调度的医疗资源进行调度，得到针对所述待实施手术的医疗资源调度信息；
38、所述医疗资源状态更新单元，用于将针对待实施手术的医疗资源调度信息上传至所述智慧合作医疗系统，以更新所述智慧合作医疗系统中医疗资源的使用状态信息。
39、进一步地，所述根据所述待实施手术的需求属性，对所述待调度的医疗资源进行调度，得到针对所述待实施手术的本文档来自技高网...
【技术保护点】
1.一种合作医疗系统中手术优化的调度方法，其特征在于，包括：
2.根据权利要求1所述的合作医疗系统中手术优化的调度方法，其特征在于，所述根据所述待实施手术的需求属性，对所述待调度的医疗资源进行调度，得到针对所述待实施手术的医疗资源调度信息，包括：
3.根据权利要求2所述的合作医疗系统中手术优化的调度方法，其特征在于，所述基于所述资源需求特征和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息，包括：
4.根据权利要求3所述的合作医疗系统中手术优化的调度方法，其特征在于，所述根据所述第一节点集合中的数据信息，利用第一深度学习神经网络预测针对所述待实施手术的第一资源需求量，包括：
5.根据权利要求3所述的合作医疗系统中手术优化的调度方法，其特征在于，所述根据所述第二节点集合中的数据信息，利用第二深度学习神经网络预测针对所述待实施手术的第二资源需求量，包括：
6.根据权利要求3所述的合作医疗系统中手术优化的调度方法，其特征在于，所述基于针对所述待实施手术的所述模拟资源需求量和所述资源待调度特征，确定针对所述待实施手术
7.根据权利要求1所述的合作医疗系统中手术优化的调度方法，其特征在于，
8.一种合作医疗系统中手术优化的调度系统，其特征在于，包括需求属性获取单元、医疗资源状态获取单元、待调度医疗资源筛选单元、医疗资源调度单元以及医疗资源状态更新单元；其中，
9.根据权利要求8所述的合作医疗系统中手术优化的调度系统，其特征在于，所述根据所述待实施手术的需求属性，对所述待调度的医疗资源进行调度，得到针对所述待实施手术的医疗资源调度信息，包括：
10.根据权利要求8所述的合作医疗系统中手术优化的调度系统，其特征在于，所述基于所述资源需求特征和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息，包括：
...【技术特征摘要】
1.一种合作医疗系统中手术优化的调度方法，其特征在于，包括：
2.根据权利要求1所述的合作医疗系统中手术优化的调度方法，其特征在于，所述根据所述待实施手术的需求属性，对所述待调度的医疗资源进行调度，得到针对所述待实施手术的医疗资源调度信息，包括：
3.根据权利要求2所述的合作医疗系统中手术优化的调度方法，其特征在于，所述基于所述资源需求特征和所述资源待调度特征，确定针对所述待实施手术的医疗资源调度信息，包括：
4.根据权利要求3所述的合作医疗系统中手术优化的调度方法，其特征在于，所述根据所述第一节点集合中的数据信息，利用第一深度学习神经网络预测针对所述待实施手术的第一资源需求量，包括：
5.根据权利要求3所述的合作医疗系统中手术优化的调度方法，其特征在于，所述根据所述第二节点集合中的数据信息，利用第二深度学习神经网络预测针对所述待实施手术的第二资源需求量，包括：
...
【专利技术属性】
技术研发人员：罗敏，焦慧芳，
申请(专利权)人：深圳信息职业技术学院，
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。