-
公开(公告)号:CN114649087A
公开(公告)日:2022-06-21
申请号:CN202210538037.4
申请日:2022-05-18
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请公开了一种资源预约方法、资源预约系统、电子设备和存储装置,该预约方法包括:获得预约用户的基础数据,向预约用户发送核实选项;响应于预约用户确认核实选项,基于确认后的基础数据生成预约用户对应的预约信息;基于历史占用用户的历史数据,得到当前占用用户占用资源的剩余时长预估结果;历史数据包括历史占用用户的基础数据和占用总时长;基于预约信息和剩余时长预估结果,得到预约用户获取资源的预计等待时长;其中,预约用户包括待入院的患者,当前占用用户包括已入院的患者,历史占用用户包括已出院的患者,基础数据包括身份信息和病患信息,资源包括医院床位。上述方案,能够提高资源预约的效率和资源的利用率。
-
公开(公告)号:CN114708965B
公开(公告)日:2023-03-28
申请号:CN202210631085.8
申请日:2022-06-06
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请公开了一种诊断推荐方法及装置、电子设备和存储介质,其中,诊断推荐方法包括:基于深度学习模型对目标患者的关键文本进行预测,得到若干候选疾病的第一分值;且关键文本提取自目标患者的病历文本;基于逻辑回归模型将关键文本分别与各候选疾病的参考文本进行匹配,得到各候选疾病的第二分值;再基于各候选疾病的第一分值和第二分值,得到目标患者推荐诊断的最终疾病。上述方案,能够提高推荐准确率。
-
公开(公告)号:CN115860000A
公开(公告)日:2023-03-28
申请号:CN202211600338.1
申请日:2022-12-13
Applicant: 安徽讯飞医疗股份有限公司
IPC: G06F40/30 , G06F40/205 , G06F18/25
Abstract: 本发明提供一种基于情感识别的交互方法、装置、电子设备及存储介质,其中方法包括:获取用户数据;基于所述用户数据的数据特征,对所述用户数据进行意图理解,得到交互意图;基于所述数据特征与所述交互意图所对应交互策略的话术特征之间的相关性,生成所述用户数据对应的交互数据;所述话术特征是对所述交互策略下各样本交互数据进行特征提取得到的。本发明提供的方法、装置、电子设备及存储介质,可以提取得到更完整的语义特征信息,从而保证生成的用户数据对应的交互数据能够参考到完整、全面的用户数据提供的信息,由此提高了交互的可靠性和准确性,也进一步提高了交互的智能性,同时提高了用户的体验感。
-
公开(公告)号:CN113349897B
公开(公告)日:2023-03-24
申请号:CN202110790550.8
申请日:2021-07-13
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本发明公开了一种超声穿刺的引导方法、装置以及设备,超声穿刺的引导方法包括:依据目标对象的实时超声图像识别和标记目标对象的外轮廓;依据目标对象的外轮廓确定表皮穿刺点;通过实时超声图像识别穿刺针的针尖的位置,利用穿刺针的针尖的位置引导穿刺。本发明通过图像处理技术对超声图像进行分析,获得目标对象的轮廓和最佳穿刺点,并实时监视穿刺针的穿刺进程,在脱离了超声科医生的基础上实现精准定位以及实时引导,提高了穿刺的质量和操作安全性。
-
公开(公告)号:CN114649087B
公开(公告)日:2022-11-01
申请号:CN202210538037.4
申请日:2022-05-18
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请公开了一种资源预约方法、资源预约系统、电子设备和存储装置,该预约方法包括:获得预约用户的基础数据,向预约用户发送核实选项;响应于预约用户确认核实选项,基于确认后的基础数据生成预约用户对应的预约信息;基于历史占用用户的历史数据,得到当前占用用户占用资源的剩余时长预估结果;历史数据包括历史占用用户的基础数据和占用总时长;基于预约信息和剩余时长预估结果,得到预约用户获取资源的预计等待时长;其中,预约用户包括待入院的患者,当前占用用户包括已入院的患者,历史占用用户包括已出院的患者,基础数据包括身份信息和病患信息,资源包括医院床位。上述方案,能够提高资源预约的效率和资源的利用率。
-
公开(公告)号:CN114708965A
公开(公告)日:2022-07-05
申请号:CN202210631085.8
申请日:2022-06-06
Applicant: 安徽讯飞医疗股份有限公司
Abstract: 本申请公开了一种诊断推荐方法及装置、电子设备和存储介质,其中,诊断推荐方法包括:基于深度学习模型对目标患者的关键文本进行预测,得到若干候选疾病的第一分值;且关键文本提取自目标患者的病历文本;基于逻辑回归模型将关键文本分别与各候选疾病的参考文本进行匹配,得到各候选疾病的第二分值;再基于各候选疾病的第一分值和第二分值,得到目标患者推荐诊断的最终疾病。上述方案,能够提高推荐准确率。
-
-
-
-
-