目的:建立基于深度學(xué)習(xí)的智能處方審核系統(tǒng),規(guī)范開藥流程,減少患者開支,節(jié)省醫(yī)院人力。方法:運(yùn)用深度學(xué)習(xí)的方法,提出醫(yī)院智能化處方審核系統(tǒng)方案,將處方結(jié)果提交醫(yī)生作為處方開具參考。結(jié)果:經(jīng)過智能化處方審核系統(tǒng)后,門診處方開具合格率提高5.17%,較之前合格率出現(xiàn)明顯改善。結(jié)論:智能化審核系統(tǒng)有助于醫(yī)院的處方合理性的提高,基于更大樣本和更多種類的處方樣本有待于進(jìn)一步驗(yàn)證。 

【文章來源】：藥品評(píng)價(jià). 2020,17(14)

【文章頁數(shù)】：3 頁

【部分圖文】：

Lenet的優(yōu)化流程

本文深度學(xué)習(xí)采用Lenet框架,該框架適用于圖片和語音識(shí)別,無法直接識(shí)別向量,所以將需要向量轉(zhuǎn)化為圖片,具體過程如下所示:從圖1可以看出,當(dāng)病歷向量中對(duì)應(yīng)位置中標(biāo)志有數(shù)值時(shí),在對(duì)應(yīng)行中寫入對(duì)應(yīng)數(shù)量的深灰色方格,當(dāng)沒有數(shù)字時(shí),默認(rèn)為0,該行全部為淺灰色。圖1為行向量的圖片例子。

與傳統(tǒng)的手寫字體的Lenet七層框架不同的是,本人采用的框架只有5層,因?yàn)獒槍?duì)開出的藥方種類相對(duì)較多,而不是手寫字體中只有10類,所以省略了最后2個(gè)全連接層,Lenet的主要結(jié)構(gòu)見圖2。數(shù)字化病歷為輸入層,圖片大小為29×29×1,其中1表示為黑白圖像,只有一個(gè)通道。

【參考文獻(xiàn)】：
期刊論文
[1]我院門診處方審核中發(fā)現(xiàn)的問題及對(duì)策分析[J]. 吳光樑,周志凌,宋夢(mèng)姣,孟茜,楊璟.  中國當(dāng)代醫(yī)藥. 2019(34)
[2]基于Hankel矩陣的隨機(jī)噪音衰減法在煤田勘探中的應(yīng)用[J]. 蔡文芮.  物探化探計(jì)算技術(shù). 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矩陣和奇異值分解的局部放電窄帶干擾抑制方法[J]. 徐永干,姜杰,唐昆明,張?zhí)?羅建,謝敏.  電網(wǎng)技術(shù). 2020(07)
[5]基于人工智能的區(qū)域處方前置審核系統(tǒng)建設(shè)與應(yīng)用[J]. 沈峻,魯威.  中國衛(wèi)生信息管理雜志. 2019(04)
[6]藥師審核靜脈用藥醫(yī)囑及其干預(yù)分析[J]. 焦長麗.  首都食品與醫(yī)藥. 2018(24)
[7]基于信息化輔助的藥師實(shí)時(shí)處方審核的模式建立與實(shí)施效果評(píng)價(jià)[J]. 姜德春,崔曉輝,閆素英,李嘉,姚崢,楊軍,王娟,劉琛,張陽鑫,郭景仙,張郃,王欣,甄健存,梁志剛,費(fèi)曉璐,顏冰,孔繁翠.  臨床藥物治療雜志. 2018(11)
[8]審核2013張苦碟子注射液處方附59張問題處方干預(yù)效果分析[J]. 李軍.  首都食品與醫(yī)藥. 2018(13)
[9]審核1651張疏血通注射液處方附問題處方干預(yù)研究[J]. 劉建宏.  首都食品與醫(yī)藥. 2018(04)
[10]基于知識(shí)庫的處方審核干預(yù)系統(tǒng)建設(shè)研究[J]. 葉政春,胡志堅(jiān).  中國數(shù)字醫(yī)學(xué). 2016(09)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D]. 張效榮.西安電子科技大學(xué) 2015



本文編號(hào)：3423831