一种基于流程数据与智能网络模型的就医满意度评估方法技术

本发明专利技术公开了一种基于流程数据与智能网络模型的就医满意度评估方法，包括以下步骤：步骤一：神经网络学习模型训练；步骤二：采集就医流程关键节点的数据，并对其进行分；步骤三：就医状态评估。本发明专利技术利用医院信息化基础设施的各个节点采集进行评估所需的真实物理世界的客观数据，并对就医流程所包含的各类数据进行汇总、分类、评估，能够有效且客观的实现对患者就医满意度的评估，仅在建模样本训练时需要一定的患者手动输入，在模型建立完毕后，实际使用时并不需要用户手动输入，通过在就医流程的关键节点（如挂号、缴费等）捕捉患者的表情，由设计了专门的算法自主判断患者在当时的心理状态。理状态。理状态。

【技术实现步骤摘要】
一种基于流程数据与智能网络模型的就医满意度评估方法


[0001]本专利技术属于大数据和人工智能
，特别是涉及一种基于流程数据与智能网络模型的就医满意度评估方法。

技术介绍

[0002]伴随着人工智能、大数据技术的快速发展，智慧算法在医院、医疗诊断方面取得了越来越广泛的应用，扮演了越来越重要的角色。其中患者就医状态是医患交流的重要环节，能够有效的评价诊疗的效果，从而提升医院医疗水平和服务品质。现有的测试评价系统大多通过用户评分和文字评论实现患者就医状态、满意度的采集和评估，评估结果高度依赖用户的主观看法与行为，存在评价不精准，评价不及时，评价不科学等问题，且给患者带来较大填写负担，影响患者就医过程。
[0003]现有技术中也提出了使用一些数据处理的方法进行采集和处理，但这些方法虽然采集了一些客观数据，但仍有一些数据需要患者人工参与，数据的客观性无法保证，即依然没有解决上述多个问题。
[0004]现有技术中也提出了使用神经网络或机器学习的方法处理数据，但通常这些模型都是使用通用神经网络模型，并未针对独特的数据进行优化，特别是没本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流程数据与智能网络模型的就医满意度评估方法，其特征在于：包括以下步骤：步骤一：神经网络学习模型训练：步骤1.1：在就医流程的每个关键节点，通过两台摄像机分别拍摄患者面部的图像，即正面图像和侧面图像；其中一台摄像机采集到的图像标记为基准图像，另一台摄像机采集到的图像标记为参考图像；步骤1.2：根据步骤1.1采集到关于不同患者的若干组图像，作为表情的训练样本，输入给到神经网络学习模型中，并对该模型进行训练；模型包含一个输入层、五个隐藏层和一个输出层，隐藏层的第一层到第三层负责提取粗、细两个尺度上患者面部图像的卷积特征；隐藏层的第四层建立基准图像与参考图像的融合模型，将两个通道的图像数据映射到64维的特征向量上，用于抽取表情特征；隐藏层的第五层建立表情特征的全连接网络，用于对表情特征与心理状态的映射关系进行学习、建模；其中，模型的激励函数为：；度量神经网络优化误差损失的代价函数为：；式中：表示分类的真实值，表示神经网络模型对输入进行分类的估计值；步骤二：采集就医流程关键节点的数据，并对其进行分类：采集的数据包括时序数据、表情特征数据、就诊数据三类；时序数据的采集，由医生确认或自助机自动生成相应流程节点完成的时间，并计算出时长间隔；表情特征数据的采集，将在关键节点采集到患者的面部图像输入训练完毕的神经网络模型，计算模型隐藏层第五层的输出，记为表情特征数据；就诊数据的采集，由现有诊疗系统将就诊数据导入；步骤三：就医状态评估：步骤3.1：建立基于朴素的就医状态评估模型；步骤3.2：使用就医状态评估模型进行评估；在建立模型和评估前均对关键节点的数据进行归一化，具体方法如下：对包含的K
‑
1个时序数据分量，设原分量为、、
…
、，则归一化后每个分量为：
；对表情特征数据的64个分量，设原分量分别为、、
…
、，则归一化后的向...

【专利技术属性】
技术研发人员：王亚军，顾斌，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：