【技术实现步骤摘要】
回诊时间预测方法及装置、电子设备、存储介质
本说明书一个或多个实施例涉及数据处理
，尤其涉及一种回诊时间预测方法及装置、电子设备、存储介质。
技术介绍
患者回诊时间是指患者在进行相关医疗检验或测试后，再找医生根据检验报告单进行诊治的时间。现有技术中，没有对患者回诊时间的预测机制，使得患者在拿到检验报告单后，只能自行预测回诊时间。但是，患者拿到检验报告单后若自行到相关诊室进行诊治，可能会遇到诊室人满为患等情况，导致回诊效率不高。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种回诊时间预测方法及装置、电子设备、存储介质，以解决上述的问题。基于上述目的，本说明书一个或多个实施例提供了一种回诊时间预测方法，包括：获取患者的检验报告单；从所述检验报告单中提取所述患者的检验报告单特征以及对应的门诊科室特征；利用回诊时间预测模型，根据所述患者的检验报告单特征以及所述门诊科室特征，预测得到所述患者的回诊时间。可选地，所述方法还包括以下步骤至少其一：...
【技术保护点】
1.一种回诊时间预测方法，包括：/n获取患者的检验报告单；/n从所述检验报告单中提取所述患者的检验报告单特征以及对应的门诊科室特征；/n利用回诊时间预测模型，根据所述患者的检验报告单特征以及所述门诊科室特征，预测得到所述患者的回诊时间。/n
【技术特征摘要】
1.一种回诊时间预测方法，包括：
获取患者的检验报告单；
从所述检验报告单中提取所述患者的检验报告单特征以及对应的门诊科室特征；
利用回诊时间预测模型，根据所述患者的检验报告单特征以及所述门诊科室特征，预测得到所述患者的回诊时间。
2.根据权利要求1所述的方法，其中，所述方法还包括以下步骤至少其一：
输出所述患者的回诊时间；以及
将所述患者的回诊时间发送到指定的设备。
3.根据权利要求1所述的方法，其中，所述方法还包括：
获取已知的患者回诊信息数据集；
根据预先确定的检验报告单目标特征和对应的门诊科室目标特征，确定所述数据集中每个患者回诊信息对应的患者的检验报告单特征以及对应的门诊科室特征；
将每个患者的所述检验报告单特征、对应的门诊科室特征以及回诊时间信息，形成为样本数据；其中，所述回诊时间信息根据所述患者回诊信息确定；
将每个患者对应的样本数据形成为样本数据集；其中，所述样本数据集包括训练集和测试集。
4.根据权利要求3所述的方法，其中，所述方法还包括：
利用所述训练集中的样本数据，对初始模型进行训练，得到所述预训练模型；
利用所述测试集中的样本数据，对所述预训练模型进行参数调优，得到所述回诊时间预测模型。
5.根据权利要求4所述的方法，其中，所述回诊时间预测模型为集成学习模型，所述集成学习模型包括若干基学习器，所述基学习器采用的模型算法为以下算法至少其一：
决策树、梯度提升决策树、人工神经网络、支持向量机、正则化方法、近邻法、随机森林、编码-解码算法+多层感知算法。
6.根据权利要求5所述的方法，其中，利用所述训练集中的样本数据，对初始模型进行训练，得到所述预训练模型，包括：
采用序列集成方法，将所述基学习器进行集成；其中，参与训练的基学习器基于依赖关系按照顺序生成。
7.根据权利要求5所述的方法，其中，所述方法还包括：
创建初始模型，所述初始模型包括所述基学习器，所述基学习器包括编码-解码器和多层感知器；其中：
所述编码-解码器，用于对所述样本数据进行编码处理和解码处理，结合注意力机制，生成所述样本数据的特征序列；
所述多层感知器，用于对所述样本数据的特征序列进行分类和回归，进而得到预测结果。
8.根据权利要求4所述的方法，其中，利用所述测试集中的样本数据，对所述预训练模型进行参数调优，得到所述回诊时间预测模型，包括：
针对每个特征，从所述测试集中抽取包含对应特征的预设数量的样本数据；其中，所述特征为检验报告单目标特征或对应的门诊科室目标特征；
修改每个所述样本数据中与所述特征对应的参数值；
根据参数值被修改的所述样本数据，利用所述预训练模型，预测对应的患者的回诊时间；
比对所述样本数据中包含的回诊时间信息以及所述预训练模型预测得到的回诊时间，确定所述特征对应的准确率；
若所述准确率小于设定阈值，则将所述特征确定为目标特征；
若所述准确率大于或等于设定阈值，则从所述预先确...
【专利技术属性】
技术研发人员：魏小红，贺王强，王洪，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11
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。