基于深度学习的智慧导诊系统研究.docxVIP

基于深度学习的智慧导诊系统研究 　　摘要：该文是对开发的基于深度学习的智慧导诊系统进行探索研究。通过对当前医疗健康背景进行分析后，和现有医疗导诊系统进行了对比，解析所开发的系统想要解决的问题以及存在的优势，并对未来的推广前景进行了分析。借助该系统可以良好的解决病患就医时的导诊问题，为提升用户体验和医疗部门工作效率提供支持。 　　关键词：深度学习;智能;导诊系统 　　中图分类号：tp319文献标识码：a 　　文章编号：1009-3044（2020）10-0223-02 　　1研究背景 　　随着现代病症分类的细化和病患医学常识的缺乏，很多病人来到医院，面对细化的就诊科室，并不十分准确清楚知道自己应该到哪个科室挂号就诊。挂错号，造成病情的耽误和来回的奔波，都可能会给病人带来负面情绪，激发医患矛盾。如何结合信息技术和智能技术化解医院导诊问题，是此系统要解决的重点问题。 　　2018年4月18日，国家出台的《关于促进“互联网+医疗健康”发展的意见》建议从服务体系、支撑体系、加强行业监管和安全保障等三方面有效规范“互联网+医疗健康”的发展，以满足百姓日益增长的医疗卫生健康需求。为了解决这一难题，笔者构思开发一个智能信息系统。该系统在病人挂号前通过两三个简单的问题，对病人病症进行初步的了解分类，为病人推荐就诊科室乃至就诊医生，实现智慧导诊，达到为病人提供良好的医疗体验服务的目的。 　　2系统对比 　　目前国内外有很多关于智慧医疗的app软件，国内比较典型的产品有：春雨医生、微医网、好大夫在线等，国外比较典型的产品有：askmd（美国）、isabel（英国）、earlydoc（荷兰）等，不同的平台专注提供的服务类型也不尽相同。 　　这些系统大多是运行在智能终端的软件，并没有研究如何在传统医院中结合现有设备利用智慧医疗建立起以病患为中心的智慧导诊系统。 　　基于深度学习的医院智能导诊系统与现有的这些系统存在以下差异：第一，系统所处的信息处理层次不同。现有软件是基于互联网技术的处于初级的操作层的数据处理型软件，不带有决策支持功能，无法为病患提供参考信息;第二，系统运行平台不同。现有软件大多是运行在智能终端的软件，而本系统的运行平台是基于医院现有的挂号缴费设备进行开发的;第三，系统完整性不同。现有软件普遍是操作型的系统，将原先人工窗口的功能结合互联网技术转变为用户自主操作型，大多缺乏对治疗效果的反馈。而本系统除了可以实现医院就诊的挂号操作外，还加入了病患对就诊状况的反馈，并且将反馈环节放到了挂号操作之前，以达到收集数据的广泛性和有效性，实现了医疗服务的闭环。 　　相较于已有的医疗app软件，本系统具有较强的实用性，在数据分析方面也有了显著的进步。 　　3解决问题 　　系统主要解决三个问题：第一，解决病患去医院就诊时挂错号的问题。常常有病患因为对医学知识的缺乏，导致就医时挂错科室，这样浪费时间和精力，甚至会产生贻误病情等问题，笔者通过参阅《医学主题词表mesh》《医学大百科》和中国知网等并结合知识图谱技术将病患就诊常见症状按照身体部位进行分类，并结合深度学习技术，根据患者情况和时间周期，为病患挂号提供精准的就诊科室，让病有所治，优化就医体验;第二，解决病患与医院之间的知识不对等问题。普通病患大多缺乏对医院医生的了解认识，在选择哪位医生就医时，有些是纯粹随机选择，有些是在医院网站上浏览医生简介后选择。无论是哪种选择方式，都很难像医院对医生的了解那样精准。因此，系统将会通过收集各个医院的医生简介，将各个医生的擅长领域，主治病症按照一定数值进行评分，结合医生排班情况，为就医病患提供医生推荐;第三，解决医疗效果反馈不充分的问题。医院是一个比较特殊的服务机构。但相较于其他服务行业，医院缺少对服务对象反馈意见的收集，并没有完成医疗过程的完整闭环。无论是对改进医院的服务，还是提升医生的医疗水平，病患的反馈意见都是十分重要的。系统加入了就医反馈环节，在每次就诊前对上次就诊情况进行反馈，通过大数据分析为优化医院资源分配提供帮助。 　　4系统优势 　　国内医疗机构体量巨大。国内卫生部门备案的医院约有20多万家，其中三甲医院超过1000家;注册医生总数超过200万人;总计就诊量约65亿人次每年。 　　就医环境面临的主要问题有：国内医疗资源分布不平衡;误诊率较高;病人满意度低。本系统的主要功能是起到辅助决策的作用：帮助病人完成挂号;帮助医院收集病人反馈意见;充分合理使用医疗资源;实现医生病患合理配对;提高医生诊断效率;提升病人就诊满意度。 　　相较于医院使用的现有系统，本系统具有以下优点：①带有决策支持功能：本系统不仅提供基本的操作