基于神经网络的医院门诊等待时间预测方法技术

本发明专利技术公开了一种基于神经网络的医院门诊等待时间预测方法，涉及计算机模拟预测技术领域。该方法首先获取作为病人预测等待时间的初始数据，获取到每个医生问诊时间后，使用人工智能中的神经网络算法对所有医生的问诊时间进行训练学习，将训练得到所有医生最优问诊时间与医生所在诊室的情况结合，利用卷积神经网络对每个诊室内所有医生的问诊时间进行训练学习，通过医生最优问诊时间和诊室最优问诊时间分别对病人等待时间进行计算，分别得出基于所有医生的问诊等待时间和基于所有诊室的问诊等待时间，两个时间取平均值既初步算出病人等待时间。

Prediction method of waiting time of outpatient service based on Neural Network

【技术实现步骤摘要】
基于神经网络的医院门诊等待时间预测方法
本专利技术涉及计算机模拟预测
，具体涉及一种基于神经网络的医院门诊等待时间预测方法。
技术介绍
随着生活水平的不断提高，人们对医疗保健的关注日渐提升，对医院而言不仅仅是门诊量的增加，社会对医院的服务和人性化程度也有了新的要求，医院排队叫号系统的建设成为一种趋势。目前排队叫号系统已成为各大医院信息化建设的必不可少的部分，现有的医院排队系统多为传统的就医系统，包括手机挂号、预约、付费等功能，人们通常取号后在现场等待叫号，花费很长的等待时间，很多时候还会由于现场嘈杂或短暂的离开而导致错过自己的号码。
技术实现思路
本专利技术的目的是针对上述不足，提出了一种利用神经网络的学习算法对医院的问诊信息数据进行训练学习从而计算出较为准确的排队时间的医院门诊等待时间预测方法。本专利技术具体采用如下技术方案：基于神经网络的医院门诊等待时间预测方法，包括以下步骤：a、获取作为病人预测等待时间的初始数据；b、医院提供数据库接口，通过数据库接口获取每个医生的问诊时间后，利用循环神经网络对每个医生的最近2000次问诊时间进行训练学习，训练最终得到每个医生下一次问诊的预测时间DTi，利用每个医生下一次问诊的预测时间DTi以及获取到的问诊排队人数AN初步计算问诊等待时间WT1，c、将医生问诊时间与医生所在诊室相结合，同时利用循环神经网络对每个诊室内最近5000次的问诊时间进行训练学习，通过训练最终得到每个诊室下一次问诊的预测时间RTj，将每个诊室下一次问诊的预测时间RTi与每个医生下一次问诊的预测时间DTi结合求出稳定的问诊等待时间WT2，d、当病人第一次问诊医生无法确诊，需进一步检查时，不需要进行训练学习直接采用检查时间CT进行计算，遍历检查队列，求出第i个病人检查等待时间ETi，ETi＝CT*i(3)；e、将问诊等待时间WT2和病人检查等待时间ETi相结合，从检测队列i＝0开始，将病人检查等待时间ETi与问诊等待时间WT2进行比较，如果ETi小于WT2，则问诊排队人数需要AN加一，再次计算问诊等待时间WT2，计算完成后再次对问诊等待时间WT2与下一个病人检查所需时间ETi进行比较，直至最后将所有检查队列的插队人数遍历完成后，计算出的问诊等待时间WT2为最终的用户问诊预测时间WT。优选地，获取作为病人预测等待时间的初始数据过程中，医院提供数据库接口，病人通过挂号号码从医院数据库接口获取挂号详情、医生人数DN、医生问诊时间DT、诊室数RN、诊室问诊时间RT，问诊排队人数AN、检查排队人数CN、检查时间CT的详细数据。优选地，在长时间等待过程中，如果出现只做检查不问诊或者挂上号没有排队的特殊情况，每隔一分钟进行一次问诊预测时间WT的计算，动态的推送给病人，从而保证在特殊情况下能够及时调整等待时间病人，也能保证在没有特殊情况下因长时间等待而出现的偏差。本专利技术具有如下有益效果：该基于神经网络的医院门诊等待时间预测方法，通过医院就诊数据库交互，利用神经网络的学习算法进行训练学习从而计算出较为准确地排队时间，实现在排队系统中就诊时间的预测，为病人提供参考，病人可以合理安排时间，使病人能够在不错过自己号码的基础上为病人节省排队时间，提高排队效率。附图说明图1为循环神经网络结构图；图2为时间预测方法流程图。具体实施方式下面结合附图和具体实施例对本专利技术的具体实施方式做进一步说明：结合图1和图2，基于神经网络的医院门诊等待时间预测方法，包括以下步骤：a、获取作为病人预测等待时间的初始数据，获取作为病人预测等待时间的初始数据过程中，医院提供数据库接口，病人通过挂号号码从医院数据库接口获取挂号详情、医生人数DN、医生问诊时间DT、诊室数RN、诊室问诊时间RT，问诊排队人数AN、检查排队人数CN、检查时间CT的详细数据。b、医院提供数据库接口，通过数据库接口获取每个医生的问诊时间后，利用循环神经网络对每个医生的最近2000次问诊时间进行训练学习，训练最终得到每个医生下一次问诊的预测时间DTi，利用每个医生下一次问诊的预测时间DTi以及获取到的问诊排队人数AN初步计算问诊等待时间WT1，c、将医生问诊时间与医生所在诊室相结合，同时利用循环神经网络对每个诊室内最近5000次的问诊时间进行训练学习，通过训练最终得到每个诊室下一次问诊的预测时间RTj，将每个诊室下一次问诊的预测时间RTi与每个医生下一次问诊的预测时间DTi结合求出稳定的问诊等待时间WT2，d、当病人第一次问诊医生无法确诊，需进一步检查时，不需要进行训练学习直接采用检查时间CT进行计算，遍历检查队列，求出第i个病人检查等待时间ETi，ETi＝CT*i(3)；e、将问诊等待时间WT2和病人检查等待时间ETi相结合，从检测队列i＝0开始，将病人检查等待时间ETi与问诊等待时间WT2进行比较，如果ETi小于WT2，则问诊排队人数需要AN加一，再次计算问诊等待时间WT2，计算完成后再次对问诊等待时间WT2与下一个病人检查所需时间ETi进行比较，直至最后将所有检查队列的插队人数遍历完成后，计算出的问诊等待时间WT2为最终的用户问诊预测时间WT。在长时间等待过程中，如果出现只做检查不问诊或者挂上号没有排队的特殊情况，这样会导致最终预测时间出现偏差，每隔一分钟进行一次问诊预测时间WT的计算，动态的推送给病人，从而保证在特殊情况下能够及时调整等待时间病人，也能保证在没有特殊情况下因长时间等待而出现的偏差。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。当然，上述说明并非是对本专利技术的限制，本专利技术也并不仅限于上述举例，本
的技术人员在本专利技术的实质范围内所做出的变化、改型、添加或替换，也应属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.基于神经网络的医院门诊等待时间预测方法，其特征在于，包括以下步骤：/na、获取病人预测等待时间的初始数据；/nb、医院提供数据库接口，通过数据库接口获取每个医生的问诊时间后，利用循环神经网络对每个医生的最近2000次问诊时间进行训练学习，训练最终得到每个医生下一次问诊的预测时间DT

【技术特征摘要】
1.基于神经网络的医院门诊等待时间预测方法，其特征在于，包括以下步骤：
a、获取病人预测等待时间的初始数据；
b、医院提供数据库接口，通过数据库接口获取每个医生的问诊时间后，利用循环神经网络对每个医生的最近2000次问诊时间进行训练学习，训练最终得到每个医生下一次问诊的预测时间DTi，利用每个医生下一次问诊的预测时间DTi以及获取到的问诊排队人数AN初步计算问诊等待时间WT1，
c、将医生问诊时间与医生所在诊室相结合，同时利用循环神经网络对每个诊室内最近5000次的问诊时间进行训练学习，通过训练最终得到每个诊室下一次问诊的预测时间RTj，将每个诊室下一次问诊的预测时间RTi与每个医生下一次问诊的预测时间DTi结合求出稳定的问诊等待时间WT2，
d、当病人第一次问诊医生无法确诊，需进一步检查时，不需要进行训练学习直接采用检查时间CT进行计算，遍历检查队列，求出第i个病人检查等待时间ETi，ETi＝CT*i(3)；
e、将问诊等待时间WT2和病人检查等待时间ETi相结合，从检测队列i＝0开始，把病人检查等待...

【专利技术属性】
技术研发人员：花嵘，朱文强，贾斌，王志余，傅游，于建志，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37