【技术实现步骤摘要】
本专利技术属于深度学习和医疗管理领域，具体涉及一种基于深度信念网络的医院门诊量预测方法。
技术介绍
随着我国医疗改革越来越深入，对智能化、高效化、现代化医院的需求变得越来越迫切。医院门诊是病患接受医院诊疗工作的基础环节，是医院面向社会的窗口。对医院门诊量的精准预测有助于后续医疗工作的顺利展开，因此实现医院门诊量的预测是建立现代智能化医院的重要基石。通过对医院门诊量数据的深入挖掘，建立一个门诊量预测模型，能够有效帮助医院对医疗资源实现高效管理和合理分配。传统的门诊量预测方法主要有ARIMA模型、BP神经网络、曲线回归拟合法以及支持向量机等预测方法，这些方法模型建立在一定规模的门诊量数据上，取得了一些预测结果，但是随着大数据时代的来临使得医疗数据的规模越来越大，同时随着对医疗管理方面的逐步重视，越来越多的医疗管理人员参与到医疗数据挖掘中，使得医疗数据的“量”和“质”都有了极大的改善，然而现有的一些门诊量预测模型例如BP神经网络和支持向量机等预测模型很难对海量的医疗数据进行完全有效的信息挖掘，无法获得最佳的预测效果。人工神经网络作为数据挖掘技术中较早应用成功的算法之一...
【技术保护点】
一种基于深度信念网络的医院门诊量预测方法，其特征在于：所述预测方法包括以下步骤：步骤一：医疗管理数据收集和统计，收集医疗管理数据，所述医疗管理数据包括病患姓名编号、挂号的科室类型、患者的病情、挂号的日期和问诊的医师等；对医院各科室的门诊量数据进行分类统计，将门诊量数据按照门诊科室类型划分为M组，并将每组数据按一定的时间段统计出N条门诊量数据，生成了一个A*M*N的门诊量数据集(l1；l2；l3……lN‑A+1)以及对应的标签数据集M*N(y1；y2；y3……yN‑A+1)；其中A是常数，表示用第Ti‑1，Ti‑2……Ti‑A个时间段门诊量数据预测第Ti个时间段的门诊量(1＜...
【技术特征摘要】
1.一种基于深度信念网络的医院门诊量预测方法，其特征在于：所述预测方法包括以下步骤：步骤一：医疗管理数据收集和统计，收集医疗管理数据，所述医疗管理数据包括病患姓名编号、挂号的科室类型、患者的病情、挂号的日期和问诊的医师等；对医院各科室的门诊量数据进行分类统计，将门诊量数据按照门诊科室类型划分为M组，并将每组数据按一定的时间段统计出N条门诊量数据，生成了一个A*M*N的门诊量数据集(l1；l2；l3……lN-A+1)以及对应的标签数据集M*N(y1；y2；y3……yN-A+1)；其中A是常数，表示用第Ti-1，Ti-2……Ti-A个时间段门诊量数据预测第Ti个时间段的门诊量(1＜A＜i＜＜N)；步骤二：构建一个基于深度信念网络的预测模型，该模型的输入层有A*M个输入，B个隐藏层，一个逻辑回归层和一个输出层，其中逻辑回归层叠加在第B个隐藏层之上以预测未来的门诊量；输出层有R个输出表示R个科室的门诊量预测值，0＜R≤M；深度信念网络由多个受限玻尔兹曼机组成，受限玻尔兹曼机由一个显层和一个隐层构成，即将上述深度信念网络中的输入层作为显层，第一个隐藏层作为隐层构成了第一个受限玻尔兹曼机，以此类推，直至第i-1个隐藏层作为显层和...
【专利技术属性】
技术研发人员：杨旭华，钟楠祎，沈敏，肖杰，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。