基于深度学习的智能处方审核系统探讨

发布时间：2021-10-08 08:50

　　目的:建立基于深度学习的智能处方审核系统,规范开药流程,减少患者开支,节省医院人力。方法:运用深度学习的方法,提出医院智能化处方审核系统方案,将处方结果提交医生作为处方开具参考。结果:经过智能化处方审核系统后,门诊处方开具合格率提高5.17%,较之前合格率出现明显改善。结论:智能化审核系统有助于医院的处方合理性的提高,基于更大样本和更多种类的处方样本有待于进一步验证。 

【文章来源】：药品评价. 2020,17(14)

【文章页数】：3 页

【部分图文】：

Lenet的优化流程

本文深度学习采用Lenet框架,该框架适用于图片和语音识别,无法直接识别向量,所以将需要向量转化为图片,具体过程如下所示:从图1可以看出,当病历向量中对应位置中标志有数值时,在对应行中写入对应数量的深灰色方格,当没有数字时,默认为0,该行全部为浅灰色。图1为行向量的图片例子。

与传统的手写字体的Lenet七层框架不同的是,本人采用的框架只有5层,因为针对开出的药方种类相对较多,而不是手写字体中只有10类,所以省略了最后2个全连接层,Lenet的主要结构见图2。数字化病历为输入层,图片大小为29×29×1,其中1表示为黑白图像,只有一个通道。

【参考文献】：
期刊论文
[1]我院门诊处方审核中发现的问题及对策分析[J]. 吴光樑,周志凌,宋梦姣,孟茜,杨璟.  中国当代医药. 2019(34)
[2]基于Hankel矩阵的随机噪音衰减法在煤田勘探中的应用[J]. 蔡文芮.  物探化探计算技术. 2019(06)
[3]Clinical Big Data and Deep Learning:Applications,Challenges,and Future Outlooks[J]. Ying Yu,Min Li,Liangliang Liu,Yaohang Li,Jianxin Wang.  Big Data Mining and Analytics. 2019(04)
[4]基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法[J]. 徐永干,姜杰,唐昆明,张太勤,罗建,谢敏.  电网技术. 2020(07)
[5]基于人工智能的区域处方前置审核系统建设与应用[J]. 沈峻,鲁威.  中国卫生信息管理杂志. 2019(04)
[6]药师审核静脉用药医嘱及其干预分析[J]. 焦长丽.  首都食品与医药. 2018(24)
[7]基于信息化辅助的药师实时处方审核的模式建立与实施效果评价[J]. 姜德春,崔晓辉,闫素英,李嘉,姚峥,杨军,王娟,刘琛,张阳鑫,郭景仙,张郃,王欣,甄健存,梁志刚,费晓璐,颜冰,孔繁翠.  临床药物治疗杂志. 2018(11)
[8]审核2013张苦碟子注射液处方附59张问题处方干预效果分析[J]. 李军.  首都食品与医药. 2018(13)
[9]审核1651张疏血通注射液处方附问题处方干预研究[J]. 刘建宏.  首都食品与医药. 2018(04)
[10]基于知识库的处方审核干预系统建设研究[J]. 叶政春,胡志坚.  中国数字医学. 2016(09)

硕士论文
[1]基于卷积神经网络的深度学习算法与应用研究[D]. 张效荣.西安电子科技大学 2015



本文编号：3423831