替换药物确定方法、设备及存储介质技术

技术编号:33148050 阅读:25 留言:0更新日期:2022-04-22 14:00
本申请提供了一种替换药物确定方法、设备及存储介质。所述方法包括:获取电子处方单,识别所述电子处方单中药物的药物名称及诊断信息;根据所述药物的药物名称,确定所述药物在药房中的库存是否足够;若确定所述药物的库存不足,根据所述药物的药物名称从所述药房中确定与所述药物的药物名称相关联的可替换药物;获取受伤伤口的PH值,确定所述受伤伤口的第一愈合程度;根据所述受伤伤口的第一愈合程度、所述处方单中的诊断信息从所述可替换药物中确定替换药物。本申请可实现在检测到药房缺少相关药物时,能够快速确定出替换药物,提高了药物匹配精准度与效率,从而提高了对宠物的诊治效率。治效率。治效率。

【技术实现步骤摘要】
替换药物确定方法、设备及存储介质


[0001]本申请涉及医疗
,尤其涉及一种替换药物确定方法、设备及存储介质。

技术介绍

[0002]越来越多家庭喜欢饲养宠物,随着宠物数量的增多,给宠物医院的运营造成了一定的压力。目前宠物就医用药的流程和场景一般情况是:宠物就医,医生进行诊断,然后开具处方单,用户根据处方单去医院药房或者第三方药房进行配药,取药,然后用药。然而,医生记忆的药物可能没有存放在药房中或者储量不足,这时候就需要医生对不足的药物进行替换,但是受记忆的局限,医生难以快速确定药房存在的可替换药物,从而影响了诊治效率。

技术实现思路

[0003]鉴于以上内容,有必要提供一种替换药物确定方法、设备及存储介质,以避免因药物不足而影响诊治效率。
[0004]本申请的第一方面提供一种替换药物确定方法,所述替换药物确定方法包括:获取电子处方单,识别所述电子处方单中药物的药物名称及诊断信息;根据所述药物的药物名称,确定所述药物在药房中的库存是否足够;若确定所述药物的库存不足,根据所述药物的药物名称从所述药房中确定与所述药物的药物名称相关联的可替换药物;获取受伤伤口的PH值,确定所述受伤伤口的第一愈合程度;根据所述受伤伤口的第一愈合程度、所述处方单中的诊断信息从所述可替换药物中确定替换药物。
[0005]在一种可选的实施方式中,所述若确定所述药物的库存不足,根据所述药物的药物名称从所述药房中确定与所述药物的药物名称相关联的可替换药物包括:确定库存不足的药物为待替换药物,确定待替换药物的药物名称及对应的第一生产信息,其中,所述第一生产信息包括所述待替换药物的生产厂家、主要成分、禁忌信息、适应症、性状及用法用量中的至少一种;获取药房中所有药物的生产信息作为第二生产信息,其中,所述第二生产信息包括药房中所有药物的生产厂家、主要成分、禁忌信息、适应症、性状及用法用量中的至少一种;将所述第二生产信息与第一生产信息进行相似度匹配,将相似度高于预设阈值的第二生产信息对应的药物的确定为所述待替换药物相关联的可替换药物。
[0006]在一种可选的实施方式中,所述获取电子处方单,识别所述电子处方单中药物的药物名称及诊断信息包括:拍摄纸质处方单并得到所述电子处方单,利用光学字符识别技术对所述电子处方单进行文字识别,得到所述电子处方单中药物的药物名称及所述诊断信息;或获取所述电子处方单在生成过程中医生输入的药物名称及诊断信息。
[0007]在一种可选的实施方式中,所述方法还包括:获取训练样本图像,基于VGG网络构建深度学习模型,其中所述训练样本图像包括受伤伤口的不同愈合程度;将所述训练样本图像输入至所述深度学习模型,经过所述深度学习模型的卷积层进行卷积运算,调整所述深度学习模型参数并训练所述深度学习模型输出所述训练样本图像中的伤口的愈合程度,
并最小化损失函数得到训练完成的深度学习模型;获取受伤伤口图像,并将所述受伤伤口图像输入所述训练完成的深度学习模型,输出并分析所述受伤伤口图像中的伤口的第二愈合程度。
[0008]在一种可选的实施方式中,所述获取训练样本图像,基于VGG网络构建深度学习模型,其中所述训练样本图像包括受伤伤口的不同愈合程度图像包括:对所述训练样本图像进行数据增强处理以增加所述训练样本图像,其中所述数据增强处理包括对所述训练样本图像进行翻转、旋转、缩放比例、移位处理。
[0009]在一种可选的实施方式中,所述获取受伤伤口的PH值,确定所述受伤伤口的第一愈合程度,包括:从PH传感器中获取经测量得到的所述受伤伤口的渗液的PH值作为所述受伤伤口的PH值,根据所述受伤伤口的PH值,确定所述受伤伤口的第三愈合程度;根据所述受伤伤口的第二愈合程度及所述受伤伤口第三愈合程度确定所述受伤伤口的第一愈合程度。
[0010]在一种可选的实施方式中,所述诊断信息包括年龄信息、过敏史信息、体重信息、宠物种类信息、药物的用法用量及过往病症信息,所述根据所述受伤伤口的第一愈合程度、所述处方单中的诊断信息从所述可替换药物中确定替换药物包括:根据所述年龄信息、过敏史信息、体重信息、宠物种类信息、药物的用法用量及过往病症信息及所述受伤伤口的第一愈合程度从所述待替换药物中确定替换药物。
[0011]在一种可选的实施方式中,所述方法还包括:若确定所述药物的库存不足时,发出预警信息至指定设备;若确定所述药物库存充足时,发出取药信息,并将所述取药信息显示于显示屏。
[0012]本申请的第二方面提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现所述的替换药物确定方法。
[0013]本申请的第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现所述的替换药物确定方法。
[0014]本申请的技术方案中,解决了需要过度依赖医生的记忆力确定所需药物是否存在药房中及当医生需要根据常识替换药物而造成的替换不准确的问题,实现了在检测到药房缺少相关药物时,能够快速确定出替换药物,提高了药物匹配精准度与效率,从而提高了对宠物的诊治效率。
附图说明
[0015]图1为本申请实施例提供的一种替换药物确定方法的流程图。
[0016]图2为本申请实施例提供的处方单示意图。
[0017]图3为本申请实施例提供的预警信息示意图。
[0018]图4为本申请实施例提供的第一愈合程度的确定示意图。
[0019]图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0020]为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
[0021]在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
[0022]以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的一些实施例的描述中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请的一些实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
[0023]除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
[0024]参阅图1所示,图1为本申请实施例提供的一种替换药物确本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种替换药物确定方法,其特征在于,所述替换药物确定方法包括:获取电子处方单,识别所述电子处方单中药物的药物名称及诊断信息;根据所述药物的药物名称,确定所述药物在药房中的库存是否足够;若确定所述药物的库存不足,根据所述药物的药物名称从所述药房中确定与所述药物的药物名称相关联的可替换药物;获取受伤伤口的PH值,确定所述受伤伤口的第一愈合程度;根据所述受伤伤口的第一愈合程度、所述处方单中的诊断信息从所述可替换药物中确定替换药物。2.根据权利要求1所述的替换药物确定方法,其特征在于,所述若确定所述药物的库存不足,根据所述药物的药物名称从所述药房中确定与所述药物的药物名称相关联的可替换药物包括:确定库存不足的药物为待替换药物,确定待替换药物的药物名称及对应的第一生产信息,其中,所述第一生产信息包括所述待替换药物的生产厂家、主要成分、禁忌信息、适应症、性状及用法用量中的至少一种;获取药房中所有药物的生产信息作为第二生产信息,其中,所述第二生产信息包括药房中所有药物的生产厂家、主要成分、禁忌信息、适应症、性状及用法用量中的至少一种;将所述第二生产信息与第一生产信息进行相似度匹配,将相似度高于预设阈值的第二生产信息对应的药物的确定为所述待替换药物相关联的可替换药物。3.根据权利要求1所述的替换药物确定方法,其特征在于,所述获取电子处方单,识别所述电子处方单中药物的药物名称及诊断信息包括:拍摄纸质处方单并得到所述电子处方单,利用光学字符识别技术对所述电子处方单进行文字识别,得到所述电子处方单中药物的药物名称及所述诊断信息;或获取所述电子处方单在生成过程中医生输入的药物名称及诊断信息。4.根据权利要求1所述的替换药物确定方法,其特征在于,所述方法还包括:获取训练样本图像,基于VGG网络构建深度学习模型,其中所述训练样本图像包括受伤伤口的不同愈合程度;将所述训练样本图像输入至所述深度学习模型,经过所述深度学习模型的卷积层进行卷积运算,调整所述深度学习模型参数并训练所述深度学习模型输出所述训练样本图像中的伤口的愈合程度,并...

【专利技术属性】
技术研发人员:张延忠
申请(专利权)人:新瑞鹏宠物医疗集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1