【技術實現步驟摘要】
本專利技術涉及就診流程優化，尤其涉及一種基于ai分析反饋的就診流程優化調整方法及系統。
技術介紹
1、在現代醫療環境中，醫院面臨著日益增長的患者需求和復雜的醫療流程管理挑戰。傳統的就診流程通常依賴于固定的步驟和規則，缺乏靈活性和適應性，導致患者等待時間長、醫療資源利用效率低下、醫療人員工作負荷不均等問題。
2、在醫療高峰時期，傳統的就診流程因為就診流程的重復性，從而導致患者進行就診時出現重復往返就診的問題，并且因為就診人數過多而導致等待時間過長，從而出現不同的就診區域的患者數量不同，導致就診時間增長。同時，因為患者對實時就診區域內的就診情況的無法預知性，以及對就診流程之間的先后順序和必要性不夠了解，導致在出現兩種及以上的就診流程出現是，患者無法首先選擇醫療資源充裕的就診流程進行完成，從而出現個別就診流程人員聚集人員過多的問題。并且，對于患者人員過多的就診流程區域，很容易出現疾病交叉感染的問題，因此，如何優化就診流程并避免因等待患者過多而導致疾病交叉感染是一個亟待解決的重要問題。
技術實現思路
1、本專利技術克服了現有技術的缺陷，提供了一種基于ai分析反饋的就診流程優化調整方法及系統，其重要目的在于提高醫院的整體運營效率和患者的就醫體驗。
2、為實現上述目的本專利技術第一方面提供了一種基于ai分析反饋的就診流程優化調整方法，包括：
3、基于數據檢索獲取目標醫院的歷史就診數據，根據所述歷史就診數據提取歷史就診流程及對應的診療疾病特征并進行就診流程分類
4、根據所述就診流程分類信息進行各疾病類別的就診流程分析，并構建各疾病類別的petri網流程模型；
5、基于構建的各疾病類別的petri網流程模型分析各就診流程節點之間的節點關系屬性，并進行就診流程優化生成就診流程優化方案進行推薦；
6、構建就診流程預測模型，對目標用戶進行實時就診流程預測，并對預測就診流程進行疾病風險評估，進行風險預測和等待區域推薦。
7、本方案中，所述基于數據檢索獲取目標醫院的歷史就診數據，根據所述歷史就診數據提取歷史就診流程及對應的診療疾病特征并進行就診流程分類，得到各疾病類別的就診流程，具體包括：
8、基于數據檢索獲取目標醫院的歷史就診數據，對所述歷史就診數據進行數據預處理，根據預處理后的歷史就診數據提取歷史診療流程特征及對應的疾病特征，得到歷史就診特征信息；
9、導入k-means模糊聚類算法，結合所述歷史就診特征信息進行就診流程分類，將就診疾病作為分類依據并設定分類類別，根據所述歷史就診特征信息構建樣本數據；
10、初始化聚類中心的個數，計算每一樣本數據的疾病特征到各個聚類中心的歐式距離值，對所述歐式距離值進行排序，獲取歐式距離排序結果，從所述歐式距離排序結果中獲取最小的歐式距離值；
11、將所述最小的歐式距離值作為當前樣本數據的類簇，并將每一樣本數據分類到對應的類簇中，當所有的樣本數據均分類完成之后，輸出若干類簇，得到就診流程分類信息。
12、本方案中，所述根據所述就診流程分類信息進行各疾病類別的就診流程分析，并構建各疾病類別的petri網流程模型，具體包括：
13、獲取就診流程分類信息，根據所述就診流程分類信息提取各疾病類別下的就診流程特征，提取的就診流程特征對應著各歷史就診事件，通過就診流程特征構成各歷史就診事件的跡；
14、所述歷史就診事件的跡通過歷史就診事件的各就診流程節點進行構建，統計各歷史就診事件的跡的出現頻率，根據所述出現頻率生成各歷史就診事件的跡的排序表；
15、預設選取閾值，結合所述各歷史就診事件的跡的排序表生成對應疾病類別的行為輪廓表，從所述行為輪廓表中選取出現頻率最高的行為輪廓作為對應疾病類別的就診流程行為表征基準；
16、基于所述行為輪廓表獲取對應疾病類別下的其余行為輪廓，與所述就診流程行為表征基準進行差異分析，獲取差異就診流程節點及對應的就診流程特征，得到差異就診流程特征信息；
17、根據所述差異就診流程特征信息分析出現差異流程和結束差異流程的流程節點，將差異流程對應的就診流程特征作為流程觸發條件，構建各疾病類別的petri網流程模型并進行一致性檢驗和模型調整。
18、本方案中，所述基于構建的各疾病類別的petri網流程模型分析各就診流程節點之間的節點關系屬性，并進行就診流程優化生成就診流程優化方案進行推薦，具體包括：
19、獲取各疾病類別的歷史就診信息，結合各疾病類別對應的petri網流程模型分析各就診流程節點之間的節點關系屬性，得到關系屬性分析信息；
20、所述關系屬性分析信息中各就診流程節點的關系屬性為先后關系屬性、并行關系屬性和排它關系屬性；
21、根據所述各疾病類別的歷史就診信息，提取各流程節點的歷史執行特征，包括執行次數、執行持續時間和執行順序，得到歷史執行特征信息；
22、將執行次數、執行持續時間和執行順序作為評估指標并設定對應的評估權重構建瓶頸節點評估規則，結合所述歷史執行特征信息進行瓶頸節點識別，得到瓶頸節點識別信息；
23、基于所述瓶頸節點識別信息獲取瓶頸就診流程節點，通過所述關系屬性分析信息獲取與目標瓶頸就診流程節點的關系節點，得到關系節點信息；
24、根據所述關系節點信息進行就診流程優化分析，生成就診流程優化方案進行推薦。
25、本方案中，所述根據所述關系節點信息進行就診流程優化分析，生成就診流程優化方案進行推薦，具體包括：
26、通過所述關系節點信息提取與目標瓶頸就診流程節點存在并行關系或者排它關系的關系節點，定義為并行節點或排它節點；
27、根據所述關系節點信息提取與目標瓶頸就診流程節點存在先后關系的關系節點，并基于與目標瓶頸就診流程節點的先后關系屬性進行節點排序，選取與目標瓶頸就診流程節點最近的節點作為前置節點；
28、通過前置節點、并行節點和排它節點進行就診流程優化分析，將目標瓶頸就診流程節點與并行節點對應的就診流程節點進行融合，生成節點融合優化策略；
29、獲取排它節點的關系屬性分析信息，分析排他節點與目標瓶頸就診流程節點是否存在先后關系屬性，若存在，則代表排它節點不能作為目標瓶頸就診流程節點的優化節點，若不存在，則與目標瓶頸就診流程節點的前置節點進行關系屬性分析；
30、獲取目標瓶頸就診流程節點的前置節點的關系屬性分析信息，結合所述排它節點的關系屬性分析信息分析前置節點與排它節點之間是否存在先后關系屬性；
31、若不存在先后關系屬性，則代表目標排它節點不能作為目標瓶頸就診流程節點的優化節點，若存在先后關系屬性，則將排它節點與目標瓶頸就診流程節點進行順序調換，生成節點調換優化策略。
32、本方案中，所述構建就診流程預測模型，對目標用戶進行實時就診流程預測，并對預測就診流程進行疾病風險評本文檔來自技高網...
【技術保護點】
1.一種基于AI分析反饋的就診流程優化調整方法，其特征在于，包括：
2.根據權利要求1所述的一種基于AI分析反饋的就診流程優化調整方法，其特征在于，所述基于數據檢索獲取目標醫院的歷史就診數據，根據所述歷史就診數據提取歷史就診流程及對應的診療疾病特征并進行就診流程分類，得到各疾病類別的就診流程，具體包括：
3.根據權利要求1所述的一種基于AI分析反饋的就診流程優化調整方法，其特征在于，所述根據所述就診流程分類信息進行各疾病類別的就診流程分析，并構建各疾病類別的Petri網流程模型，具體包括：
4.根據權利要求1所述的一種基于AI分析反饋的就診流程優化調整方法，其特征在于，所述基于構建的各疾病類別的Petri網流程模型分析各就診流程節點之間的節點關系屬性，并進行就診流程優化生成就診流程優化方案進行推薦，具體包括：
5.根據權利要求4所述的一種基于AI分析反饋的就診流程優化調整方法，其特征在于，所述根據所述關系節點信息進行就診流程優化分析，生成就診流程優化方案進行推薦，具體包括：
6.根據權利要求1所述的一種基于AI分析反饋的
7.一種基于AI分析反饋的就診流程優化調整系統，其特征在于，該系統包括：存儲器、處理器，所述存儲器中包含基于AI分析反饋的就診流程優化調整方法程序，所述基于AI分析反饋的就診流程優化調整方法程序被所述處理器執行時實現如下步驟：
...【技術特征摘要】
1.一種基于ai分析反饋的就診流程優化調整方法，其特征在于，包括：
2.根據權利要求1所述的一種基于ai分析反饋的就診流程優化調整方法，其特征在于，所述基于數據檢索獲取目標醫院的歷史就診數據，根據所述歷史就診數據提取歷史就診流程及對應的診療疾病特征并進行就診流程分類，得到各疾病類別的就診流程，具體包括：
3.根據權利要求1所述的一種基于ai分析反饋的就診流程優化調整方法，其特征在于，所述根據所述就診流程分類信息進行各疾病類別的就診流程分析，并構建各疾病類別的petri網流程模型，具體包括：
4.根據權利要求1所述的一種基于ai分析反饋的就診流程優化調整方法，其特征在于，所述基于構建的各疾病類別的petri網流程模型分析各就診流程節點之間的節點關系屬性，并進...
【專利技術屬性】
技術研發人員：申蓉蓉，
申請(專利權)人：北京融威眾邦科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。