[发明专利]基于多头CNN网络的医院门诊人流量预测及分诊系统

说明书

本发明公开了基于多头CNN网络的医院门诊人流量预测及分诊系统，包括以下步骤：ST100、从医院挂号系统和门诊系统获取历史数据实时传输到该系统中，所述一条历史信息包括挂号信息的发生时间、对应科室的人流量数据；ST200、传入系统的数据转化，将时间序列的人流量数据转化为监督学习中带标签的数据；ST300、对系统中模型的训练和调优；ST400、系统的应用。本发明结构设计合理，克服了传统CNN网络的许多缺点，能处理时间、空间、姿态等模糊性，为处理处理医疗方面的人流量预测的研究带来了新的希望。

技术领域

本发明涉及电智慧医疗分诊及时间序列的流量预测技术领域，具体涉及基于多头CNN网络的医院门诊人流量预测及分诊系统。

背景技术

目前我国由于医疗资源的紧张且配置失衡，社区医院资源有限而大型医院人流量巨大，导致“看病难”，医患关系不断紧张，同时患者不了解医院的人流量导致大型医院人流量经常爆满，患者体验感差且易产生安全隐患，为此，准确的人流量预测并进行有效的分诊方法是解决此类问题的有效方法：从医院的角度看，医院根据预测的人流量调整相关资源的配比；从患者的角度看，患者可以根据预测的人流量，同时结合自身的健康状况合理的选择医院，从而节省了就医时间也充分利用了医疗资源。

目前针对时间序列的人流量预测方法主要基于传统的预测方法，如ARIMA模型、LSTM算法、视频分析等，它们针对不同的应用场景选择不同的算法以提高预测准确性，但是医疗方面的人流量极易受到外部环境的影响例如节假日、季节变化和突发状况，同时不同科室的人流量的变化规律也不完全相同，所以针对医疗方面的人流量准确预测并不是一件简单的事情。

近年来CNN网络模型被用来预测时间序列的人流量预测，相比于传统的神经网络CNN网络的参数更少且易于训练同时针对特征学习效果很好。但是CNN网络在池化层丢失大量信息，降低了空间分辨率，同时丢失了空间等特征，由于医院门诊的人流量极易受到不同科室，不同时间的段的影响，所以使用传统的CNN网络模型并不能获得很好的预测效果。

为此，我们提出基于多头CNN网络的医院门诊人流量预测及分诊系统。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供基于多头CNN网络的医院门诊人流量预测及分诊系统，克服了传统CNN网络的许多缺点，能处理时间、空间、姿态等模糊性，为处理处理医疗方面的人流量预测的研究带来了新的希望。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

基于多头CNN网络的医院门诊人流量预测及分诊系统，包括以下步骤：

ST100、从医院挂号系统和门诊系统获取历史数据实时传输到该系统中，所述一条历史信息包括挂号信息的发生时间、对应科室的人流量数据；

ST200、传入系统的数据转化，将时间序列的人流量数据转化为监督学习中带标签的数据；

ST300、对系统中模型的训练和调优；

ST400、系统的应用。

优选地，步骤ST200包括如下子步骤：

ST201、按某个时间步长汇总各科室的人流量和医院门诊总人流量将汇总的人流量实时的传入系统的输入端；

ST202、将输入的数据生成表示时间、科室人流量关系的二维矩阵；

ST203、将生成的二维矩阵归一化，输出一类样本矩阵，其中所述一类样本矩阵的维度包括时间和科室，其取值为归一化各科室人流量以及总人流量，所述归一化人流量的取值范围位于0到1000；

ST204、将一类样本矩阵分别滑动相同的时间步长并截取一个时间步长，依次得到一系列长度为M*N的二类样本矩阵，其中所述二类样本矩阵维度包括时间和科室，其中M表示时间步长，N表示科室数量；