[发明专利]一种基于流程数据与智能网络模型的就医满意度评估方法

说明书

本发明公开了一种基于流程数据与智能网络模型的就医满意度评估方法，包括以下步骤：步骤一：神经网络学习模型训练；步骤二：采集就医流程关键节点的数据，并对其进行分；步骤三：就医状态评估。本发明利用医院信息化基础设施的各个节点采集进行评估所需的真实物理世界的客观数据，并对就医流程所包含的各类数据进行汇总、分类、评估，能够有效且客观的实现对患者就医满意度的评估，仅在建模样本训练时需要一定的患者手动输入，在模型建立完毕后，实际使用时并不需要用户手动输入，通过在就医流程的关键节点（如挂号、缴费等）捕捉患者的表情，由设计了专门的算法自主判断患者在当时的心理状态。

技术领域

本发明属于大数据和人工智能技术领域，特别是涉及一种基于流程数据与智能网络模型的就医满意度评估方法。

背景技术

伴随着人工智能、大数据技术的快速发展，智慧算法在医院、医疗诊断方面取得了越来越广泛的应用，扮演了越来越重要的角色。其中患者就医状态是医患交流的重要环节，能够有效的评价诊疗的效果，从而提升医院医疗水平和服务品质。现有的测试评价系统大多通过用户评分和文字评论实现患者就医状态、满意度的采集和评估，评估结果高度依赖用户的主观看法与行为，存在评价不精准，评价不及时，评价不科学等问题，且给患者带来较大填写负担，影响患者就医过程。

现有技术中也提出了使用一些数据处理的方法进行采集和处理，但这些方法虽然采集了一些客观数据，但仍有一些数据需要患者人工参与，数据的客观性无法保证，即依然没有解决上述多个问题。

现有技术中也提出了使用神经网络或机器学习的方法处理数据，但通常这些模型都是使用通用神经网络模型，并未针对独特的数据进行优化，特别是没有恰当的衡量表征数据的维度，维度过大导致运算缓慢，过小又无法准确判断，从而导致评价的结果不准确，或模型过于复杂，使得整个系统占用资源较多。

伴随着大数据，人工智能技术的应用普及，以及中大型医院信息化建设的大发展，医院信息化基础设施逐渐完善，为实现新的就医状态评估方法与手段提供了可行性。

因此，目前急需一种适用于能够在真实使用时，通过客观数据即可对患者就医状态进行准确评估的、占资源较少、运算速度快的专用方法。

发明内容

为了克服上述问题，本发明提供了一种基于流程数据与智能网络模型的就医满意度评估方法。

本发明所采用的技术方案是：

一种基于流程数据与智能网络模型的就医满意度评估方法，包括以下步骤：

步骤一：神经网络学习模型训练：

步骤1.1：在就医流程的每个关键节点，通过两台摄像机分别拍摄患者面部的图像，即正面图像和侧面图像；其中一台摄像机采集到的图像标记为基准图像，另一台摄像机采集到的图像标记为参考图像；

步骤1.2：根据步骤1.1采集到关于不同患者的若干组图像，作为表情的训练样本，输入给到神经网络学习模型中，并对该模型进行训练；

模型包含一个输入层、五个隐藏层和一个输出层，隐藏层的第一层到第三层负责提取粗、细两个尺度上患者面部图像的卷积特征；隐藏层的第四层建立基准图像与参考图像的融合模型，将两个通道的图像数据映射到64维的特征向量上，用于抽取表情特征；隐藏层的第五层建立表情特征的全连接网络，用于对表情特征与心理状态的映射关系进行学习、建模；

其中，模型的激励函数为：

度量神经网络优化误差损失的代价函数为：

式中：y表示分类的真实值，表示神经网络模型对输入进行分类的估计值；

步骤二：采集就医流程关键节点的数据，并对其进行分类：