System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及门诊诊室智能管理,尤其涉及一种基于人工智能的门诊诊室智能管理方法。
技术介绍
1、在目前的门诊管理系统中,通常使用的是传统的排队叫号系统,患者需要前往医院门诊处排队候诊,等待自己的号码被叫到才能进入诊室就诊,这种方式存在以下缺点:
2、(1)浪费时间:患者需要提前到医院排队候诊,等待时间长,浪费了患者的时间和精力;
3、(2)效率低下:传统的排队叫号系统需要大量的人力物力,医院需要配备专人负责叫号、排队、分诊等工作,效率较低,容易出现混乱的情况;
4、(3)不便患者就诊:由于排队等待时间长,患者就诊时间和诊室容量有限,可能无法得到及时的就诊,对患者的身体和心理造成负担;
5、基于现有门诊管理系统所存在的问题,我们提出了一种基于人工智能的门诊诊室智能管理方法。
技术实现思路
1、基于
技术介绍
存在的技术问题,本专利技术提出了一种基于人工智能的门诊诊室智能管理方法。
2、本专利技术提出的一种基于人工智能的门诊诊室智能管理方法,包括以下步骤:
3、s1:使用人脸识别算法进行初诊签到,其具体步骤如下所示:
4、s101:利用人脸识别设备对患者人脸进行识别,获取人脸输入数据;
5、s102:通过基于深度学习神经网络cnn算法和结合深度学习tensorflow框架进行训练,并对扫描输入的人脸图像特征进行特征提取;
6、s103:在特征提取后,使用relu函数计算方法和结合采用
7、s104:计算出差距后,使用反向传播算法来计算损失函数对模型参数的梯度,最后采用softmax函数将模型的输出转换为概率分布,以确定输入图像的类别,最终输出最终识别患者的人脸结果,从而完成初诊签到;
8、s2:使用语音合成技术进行候诊提示;
9、s3:使用医学自然语言处理算法对初诊患者进行分诊,其具体步骤如下所示:
10、s301:首先对患者基础信息进行对接收集,然后对收集的患者基础信息使用文本预处理技术进行数据清洗过滤,从而去除患者基础信息中无关的字符、空格和标点符号,并将医学术语标准化,然后将文本分解为单独的词汇或短语,识别每一个患者数据词性;
11、s302:采用tf-idf技术和结构化特征提取技术提取患者数据基本特征、症状描述、病史,利用nlp技术来处理患者信息,并抽取关键信息;
12、s303:根据设定的自动分诊策略,使用预先设定的规则或训练有素的模型评估患者的患病程度,以此对患者信息症状进行匹配,然后将患者分配到适当的分配到对应的科室诊室进行就诊。
13、优选的,所述s102中,人脸图像特征包括面部特征、轮廓、眼睛、鼻子和嘴巴等。
14、优选的,所述s2中,使用语音合成技术进行候诊提示的具体步骤如下所示:
15、s201:在初诊签到成功后,使用tts语音合成技术对初诊签到状态成功的患者文本信息进行语音转换并发出声音;
16、s202:患者在听到播报的声音信息,从而引导患者到相对应的科室诊室进行候诊。
17、优选的,所述s201中,tts语音合成技术涉及nlp自然语言处理技术、声音合成技术和深度学习算法,nlp自然语言处理技术能够把数字、缩写等非标准词语转换成可发音的单词,其接着对文本进行分析,文本分析如分词、词性标注、语法分析,nlp自然语言处理技术使用了tfidf(t,d,d)=tf(t,d)×idf(t,d)词频-逆文本数学计算来对文本进行语音分析确定单词的发音,并确定句子的语调和韵律模式,nlp自然语言处理技术使用数学模型生成语音的声学参数,然后通过数字信号处理技术合成语音波形。
18、优选的,所述s301中,患者基础信息包括患者的症状描述信息、个人健康历史信息、家族病史信息、症状信息、疾病信息、药物信息和治疗信息等。
19、优选的,所述s302中,抽取的关键信息如症状、持续时间、痛感强度等。
20、与现有的技术相比,本专利技术采用人工智能技术,实现了自动排队、智能分诊和语音叫号等功能,提高了门诊管理效率,节省了患者等待时间,从而方便了患者进行就诊。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的门诊诊室智能管理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述S102中,人脸图像特征包括面部特征、轮廓、眼睛、鼻子和嘴巴等。
3.根据权利要求1所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述S2中,使用语音合成技术进行候诊提示的具体步骤如下所示:
4.根据权利要求3所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述S201中,TTS语音合成技术涉及NLP自然语言处理技术、声音合成技术和深度学习算法,NLP自然语言处理技术能够把数字、缩写等非标准词语转换成可发音的单词,其接着对文本进行分析,文本分析如分词、词性标注、语法分析,NLP自然语言处理技术使用了TFIDF(t,d,D)=TF(t,d)×IDF(t,D)词频-逆文本数学计算来对文本进行语音分析确定单词的发音,并确定句子的语调和韵律模式,NLP自然语言处理技术使用数学模型生成语音的声学参数,然后通过数字信号处理技术合成语音波形。
5.根据权利要求1所述的一种基于
6.根据权利要求1所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述S302中,抽取的关键信息如症状、持续时间、痛感强度等。
...【技术特征摘要】
1.一种基于人工智能的门诊诊室智能管理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述s102中,人脸图像特征包括面部特征、轮廓、眼睛、鼻子和嘴巴等。
3.根据权利要求1所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述s2中,使用语音合成技术进行候诊提示的具体步骤如下所示:
4.根据权利要求3所述的一种基于人工智能的门诊诊室智能管理方法,其特征在于,所述s201中,tts语音合成技术涉及nlp自然语言处理技术、声音合成技术和深度学习算法,nlp自然语言处理技术能够把数字、缩写等非标准词语转换成可发音的单词,其接着对文本进行分析,文本分析...
【专利技术属性】
技术研发人员:关挺,
申请(专利权)人:厦门狄耐克物联智慧科技有限公司,
类型:发明
国别省市:
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。