CN111627537A - 一种护理项目质检管理***及质检方法 - Google Patents
一种护理项目质检管理***及质检方法 Download PDFInfo
- Publication number
- CN111627537A CN111627537A CN202010405066.4A CN202010405066A CN111627537A CN 111627537 A CN111627537 A CN 111627537A CN 202010405066 A CN202010405066 A CN 202010405066A CN 111627537 A CN111627537 A CN 111627537A
- Authority
- CN
- China
- Prior art keywords
- quality inspection
- data
- nursing
- module
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 141
- 230000000474 nursing effect Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000003908 quality control method Methods 0.000 claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims description 27
- 238000013507 mapping Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000037396 body weight Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种护理项目质检管理***,使用该***的方法为:通过质检计划管理模块读取数据服务层的医疗数据,并根据医疗数据制定质检计划;将质检计划发布至质检计划审核模块,通过质检计划审核模块将质检计划与数据服务层中的护理数据进行校对,将校对通过的质检计划存储至数据服务层;根据数据服务层中护理人员信息和质检计划,并通过任务指派模块将受检日期和受检对象作为质检任务传输至受检科室;通过任务查询模块查询质检任务,开始质检;通过任务监督模块对护理工作进行监督,并输出检查结果,完成质检。本发明提升护理项目监管的质量和效率,实现了护理质量检查智能化、便捷化和可追溯化的全流程闭环循环管理。
Description
技术领域
本发明属于图像处理领域,具体涉及一种护理项目质检管理***及质检方法。
背景技术
护理是一门运用科学,分为家庭护理和有偿护理。有偿护理必须按照***、卫健委、医政部所规定的法律法规相关条文执行开展相应的护理项目,有条理、有目的、有计划的完成基础或常规护理,观察了解病人体表体重基础情况,根据病情变化监测或获取病情数据,以配合医生完成对病人的治疗,加强输液巡视和教育,及时处理医疗纠纷,防止医疗事故的发生。开展危重症生命体征监测、标本采集、体重营养定期采集分析,并从生理心理、社会文化和精神诸方面,照顾病人的生活起居,日常活动、用药和安全等问题。随着对护理工作的重视,护理的内容逐渐明晰,形成了相关的规章制度,但现有的医疗护理监管基本都是人工监管,容易出现监管缺失或者监管不到位的情况,无法对护理项目进行有效的质检。
发明内容
针对现有技术中的上述不足,本发明提供的一种护理项目质检管理***及质检方法解决了现有技术无法对护理项目进行有效监管的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种护理项目质检管理***,包括应用操作层、质检层和数据服务层;
所述应用操作层用于对质检层进行数据修改操作;所述质检层用于进行护理质检信息管理,将质检信息存储至数据服务层,并接受应用操作层的数据修改操作;所述数据服务层用于存储医院的医疗数据、人员信息数据以及质检信息,并为质检层提供数据支持。
进一步地,所述质检层包括质检计划管理模块、质检计划审核模块、任务指派模块、任务查询模块和任务监督模块;
所述质检计划管理模块用于确定质检科室和受检科室,制定和生成质检计划,并将质检计划传输至质检计划审核模块;所述质检计划审核模块用于对质检计划进行审核,并将审核通过的质检任务存储至数据服务层;所述任务指派模块用于对质检任务分配受检日期、受检科室和受检对象;所述任务查询模块用于查询质检计划的受检日期、受检科室和受检对象;所述任务监督模块用于对护理工作进行监督,进行质检。
本发明的有益效果为:通过构建护理项目质检管理***,有效地监控了护理项目的质量,实现护理质量检查智能化、便捷化和可追溯化的全流程闭环循环管理,推动医院护理质量管理水平持续提升。
一种基于护理项目质检管理***的质检方法,包括以下步骤:
S1、通过质检计划管理模块读取数据服务层的医疗数据,并根据医疗数据制定质检计划;
S2、将质检计划发布至质检计划审核模块,通过质检计划审核模块将质检计划与数据服务层中的护理数据进行校对,将校对通过的质检计划存储至数据服务层;
S3、根据数据服务层中护理人员信息和质检计划,并通过任务指派模块将受检日期和受检对象作为质检任务传输至受检科室;
S4、通过任务查询模块查询质检任务,开始质检;
S5、通过任务监督模块对护理工作进行监督,并输出检查结果,完成质检。
进一步地,所述步骤S1中根据医疗数据制定质检计划的具体步骤为:根据医疗数据中的护理项目表制定相应的受检日期、受检科室和受检对象。
进一步地,所述检查结果存储至数据服务层,并通过应用操作层进行读取查看。
进一步地,所述步骤S5包括以下分步骤:
S5.1、通过任务监督模块采集若干护理图像,并将护理图像作为样本数据;
S5.2、对样本数据进行归一化数据预处理,得到归一化数据;
S5.3、将BP神经网络作为分类器,将归一化数据作为训练样本输入至BP神经网络进行训练学习,建立BP神经网络的映射模型;
S5.4、实时采集护理图像,并将其进行归一化处理,得到实时归一化图像;
S5.5、将实时归一化图像输入映射模型,得到识别结果;
S5.6、判断识别结果是否为合格的护理技术操作,若是,则检查结果为护理过程正常,并进入步骤S5.7,否则检查结果为护理过程异常,并进入步骤S5.7;
S5.7、通过任务监督模块将检查结果传输至应用操作层,完成质检。
进一步地,所述步骤S5.2中对样本数据进行归一化数据预处理的具体公式为:
进一步地,所述步骤S5.3中将归一化数据作为训练样本输入至BP神经网络进行训练学习,建立BP神经网络的映射模型的具体步骤为:
A2、以代价函数最小为目标,使用批量梯度下降法更新BP神经网络的网络参数,直至代价函数小于阈值a时,训练完成,将此时的网络参数作为最终的网络参数,得到BP神经网络的映射模型。
所述Ei表示第i个归一化样本数据的代价函数,所述代价函数Ei为:
其中,oi表示神经网络的输出。
本发明的有益效果为:
(1)本发明通过构建映射模型,并且对映射模型进行训练,并且实时采集护理图像进行异常识别,能够有效地对护理项目进行监管。
(2)本发明通过采集样本数据,并且对映射模型进行训练和参数更新,提高了识别的准确率。
(3)本发明提升护理项目监管的质量和效率,实现了护理质量检查智能化、便捷化和可追溯化的全流程闭环循环管理。
附图说明
图1为本发明提出的一种护理项目质检管理***框图;
图2为本发明提出的一种基于护理项目质检管理***的质检方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
下面结合附图详细说明本发明的实施例。
如图1所示,一种护理项目质检管理***,包括应用操作层、质检层和数据服务层;
所述应用操作层用于对质检层进行数据修改操作;所述质检层用于进行护理质检信息管理,将质检信息存储至数据服务层,并接受应用操作层的数据修改操作;所述数据服务层用于存储医院的医疗数据、人员信息数据以及质检信息,并为质检层提供数据支持。
所述质检层包括质检计划管理模块、质检计划审核模块、任务指派模块、任务查询模块和任务监督模块;
所述质检计划管理模块用于确定质检科室和受检科室,制定和生成质检计划,并将质检计划传输至质检计划审核模块;所述质检计划审核模块用于对质检计划进行审核,并将审核通过的质检任务存储至数据服务层;所述任务指派模块用于对质检任务分配受检日期、受检科室和受检对象;所述任务查询模块用于查询质检计划的受检日期、受检科室和受检对象;所述任务监督模块用于对护理工作进行监督,进行质检。
本发明的有益效果为:通过构建护理项目质检管理***,有效地监控了护理项目的质量,实现护理质量检查智能化、便捷化和可追溯化的全流程闭环循环管理,推动医院护理质量管理水平持续提升。
如图2所示,一种基于护理项目质检管理***的质检方法,包括以下步骤:
S1、通过质检计划管理模块读取数据服务层的医疗数据,并根据医疗数据制定质检计划;
S2、将质检计划发布至质检计划审核模块,通过质检计划审核模块将质检计划与数据服务层中的护理数据进行校对,将校对通过的质检计划存储至数据服务层;
S3、根据数据服务层中护理人员信息和质检计划,并通过任务指派模块将受检日期和受检对象作为质检任务传输至受检科室;
S4、通过任务查询模块查询质检任务,开始质检;
S5、通过任务监督模块对护理工作进行监督,并输出检查结果,完成质检。
所述步骤S1中根据医疗数据制定质检计划的具体步骤为:根据医疗数据中的护理项目表制定相应的受检日期、受检科室和受检对象。
所述检查结果存储至数据服务层,并通过应用操作层进行读取查看。
所述步骤S5包括以下分步骤:
S5.1、通过任务监督模块采集若干护理图像,并将护理图像作为样本数据;
S5.2、对样本数据进行归一化数据预处理,得到归一化数据;
S5.3、将BP神经网络作为分类器,将归一化数据作为训练样本输入至BP神经网络进行训练学习,建立BP神经网络的映射模型;
S5.4、实时采集护理图像,并将其进行归一化处理,得到实时归一化图像;
S5.5、将实时归一化图像输入映射模型,得到识别结果;
S5.6、判断识别结果是否为合格的护理技术操作,若是,则检查结果为护理过程正常,并进入步骤S5.7,否则检查结果为护理过程异常,并进入步骤S5.7;
S5.7、通过任务监督模块将检查结果传输至应用操作层,完成质检。
所述步骤S5.2中对样本数据进行归一化数据预处理的具体公式为:
所述步骤S5.3中将归一化数据作为训练样本输入至BP神经网络进行训练学习,建立BP神经网络的映射模型的具体步骤为:
A2、以代价函数最小为目标,使用批量梯度下降法更新BP神经网络的网络参数,直至代价函数小于阈值a时,训练完成,将此时的网络参数作为最终的网络参数,得到BP神经网络的映射模型。
所述Ei表示第i个归一化样本数据的代价函数,所述代价函数Ei为:
其中,oi表示神经网络的输出。
本发明的有益效果为:
(1)本发明通过构建映射模型,并且对映射模型进行训练,并且实时采集护理图像进行异常识别,能够有效地对护理项目进行监管。
(2)本发明通过采集样本数据,并且对映射模型进行训练和参数更新,提高了识别的准确率。
(3)本发明提升护理项目监管的质量和效率,实现了护理质量检查智能化、便捷化和可追溯化的全流程闭环循环管理。
Claims (9)
1.一种护理项目质检管理***,其特征在于,包括应用操作层、质检层和数据服务层;
所述应用操作层用于对质检层进行数据修改操作;所述质检层用于进行护理质检信息管理,将质检信息存储至数据服务层,并接受应用操作层的数据修改操作;所述数据服务层用于存储医院的医疗数据、人员信息数据以及质检信息,并为质检层提供数据支持。
2.根据权利要求1所述的护理项目质检管理***,其特征在于,所述质检层包括质检计划管理模块、质检计划审核模块、任务指派模块、任务查询模块和任务监督模块;
所述质检计划管理模块用于确定质检科室和受检科室,制定和生成质检计划,并将质检计划传输至质检计划审核模块;所述质检计划审核模块用于对质检计划进行审核,并将审核通过的质检任务存储至数据服务层;所述任务指派模块用于对质检任务分配受检日期、受检科室和受检对象;所述任务查询模块用于查询质检计划的受检日期、受检科室和受检对象;所述任务监督模块用于对护理工作进行监督,进行质检。
3.一种基于如权利要求2所述的护理项目质检管理***的质检方法,其特征在于,包括以下步骤:
S1、通过质检计划管理模块读取数据服务层的医疗数据,并根据医疗数据制定质检计划;
S2、将质检计划发布至质检计划审核模块,通过质检计划审核模块将质检计划与数据服务层中的护理数据进行校对,将校对通过的质检计划存储至数据服务层;
S3、根据数据服务层中护理人员信息和质检计划,并通过任务指派模块将受检日期和受检对象作为质检任务传输至受检科室;
S4、通过任务查询模块查询质检任务,开始质检;
S5、通过任务监督模块对护理工作进行监督,并输出检查结果,完成质检。
4.一种基于如权利要求3所述的护理项目质检管理***的质检方法,其特征在于,所述步骤S1中根据医疗数据制定质检计划的具体步骤为:根据医疗数据中的护理项目表制定相应的受检日期、受检科室和受检对象。
5.一种基于如权利要求3所述的护理项目质检管理***的质检方法,其特征在于,所述检查结果存储至数据服务层,并通过应用操作层进行读取查看。
6.一种基于如权利要求3所述的护理项目质检管理***的质检方法,其特征在于,所述步骤S5包括以下分步骤:
S5.1、通过任务监督模块采集若干护理图像,并将护理图像作为样本数据;
S5.2、对样本数据进行归一化数据预处理,得到归一化数据;
S5.3、将BP神经网络作为分类器,将归一化数据作为训练样本输入至BP神经网络进行训练学习,建立BP神经网络的映射模型;
S5.4、实时采集护理图像,并将其进行归一化处理,得到实时归一化图像;
S5.5、将实时归一化图像输入映射模型,得到识别结果;
S5.6、判断识别结果是否为合格的护理技术操作,若是,则检查结果为护理过程正常,并进入步骤S5.7,否则检查结果为护理过程异常,并进入步骤S5.7;
S5.7、通过任务监督模块将检查结果传输至应用操作层,完成质检。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010405066.4A CN111627537A (zh) | 2020-05-14 | 2020-05-14 | 一种护理项目质检管理***及质检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010405066.4A CN111627537A (zh) | 2020-05-14 | 2020-05-14 | 一种护理项目质检管理***及质检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111627537A true CN111627537A (zh) | 2020-09-04 |
Family
ID=72271872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010405066.4A Pending CN111627537A (zh) | 2020-05-14 | 2020-05-14 | 一种护理项目质检管理***及质检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111627537A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376635A (zh) * | 2018-10-15 | 2019-02-22 | 常州市第二人民医院 | 一种护理质量考核***及安全事件上报方法 |
CN109872594A (zh) * | 2019-03-20 | 2019-06-11 | 西安医学院第二附属医院 | 一种3d护理情境模拟数字学习*** |
CN110322952A (zh) * | 2019-03-27 | 2019-10-11 | 杨海燕 | 一种基于区块链的医疗护理***及其工作方法 |
-
2020
- 2020-05-14 CN CN202010405066.4A patent/CN111627537A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376635A (zh) * | 2018-10-15 | 2019-02-22 | 常州市第二人民医院 | 一种护理质量考核***及安全事件上报方法 |
CN109872594A (zh) * | 2019-03-20 | 2019-06-11 | 西安医学院第二附属医院 | 一种3d护理情境模拟数字学习*** |
CN110322952A (zh) * | 2019-03-27 | 2019-10-11 | 杨海燕 | 一种基于区块链的医疗护理***及其工作方法 |
Non-Patent Citations (1)
Title |
---|
"《眼科专科医院评价与管理》", vol. 2010, 上海科学技术出版社, pages: 180 - 181 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695834B (zh) | 临床试验质量实时管控优化方法和*** | |
CN111695836B (zh) | 临床试验在线运行管控集成*** | |
CN113159502A (zh) | 用于评估临床试验风险的方法 | |
CN113241196B (zh) | 基于云-终端协同的远程医疗与分级监控*** | |
CN111899837A (zh) | 一种基于数字化手术室的手术报告协同方法及*** | |
CN111696633A (zh) | 基于社区健康大数据的疾病防控服务***及方法 | |
CN115862819A (zh) | 一种基于图像处理的医学图像管理方法 | |
CN117789952A (zh) | 一种基于计算机的护理信息在线共享*** | |
CN113903437A (zh) | 一种病种控费的管理分析*** | |
CN111627537A (zh) | 一种护理项目质检管理***及质检方法 | |
CN108538385A (zh) | 一种医学检验危急值警报*** | |
CN110827004A (zh) | 一种基于临床大数据的护理平台*** | |
CN116824670A (zh) | 基于微表情的问诊辅助方法、装置、设备及介质 | |
CN114842975A (zh) | 一种单位团体健康管理方法及*** | |
CN212782730U (zh) | 智能全科诊疗工作*** | |
CN113706111A (zh) | 医疗机构流程数据的处理方法、装置、设备及介质 | |
CN114155970A (zh) | 一种基于大数据的临床肺部感染数据信息处理方法及*** | |
Nour | Artificial intelligence (AI) for improving performance at the cutting edge of medical imaging | |
Liu et al. | Application of the clinical decision support systems in the management of chronic diseases | |
Jiang | Analysis on the application of artificial intelligence in the medical field | |
CN113990468B (zh) | 一种集成母乳和输血闭环管理的移动护理*** | |
Dhaya et al. | Big data analysis and management in healthcare | |
CN118350633A (zh) | 一种基于信息化平台的可视化管控方法及*** | |
Abdumanonov et al. | Automation of the formation of medical examinations for electronic medical history in medical information systems | |
CN113241167A (zh) | 一种医院管理*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |
|
RJ01 | Rejection of invention patent application after publication |