特别适用于特定应用领域的信息通信技术〔ICT〕〔2018.01〕

本发明涉及医院信息管理的技术领域，尤其是涉及一种医院信息管理方法、系统、装置及存储介质。该医院信息管理方法包括：基于患者端发送的初诊挂号请求，获取患者身份标识信息及所挂号的医生信息；将该患者身份标识信息排入与医生信息关联的第一看诊排号列表；接收患者基于该次看诊检查所关联的检查端发送的检查数据，检查数据携带有患者身份标识信息；接收患者端发送的复诊挂号请求，并将该患者身份标识信息排入与医生信息关联的第二看诊排号列表，以便该患者根据第二看诊排号列表的顺序进入与医生信息关联的诊室；当根据第二看诊排号列表叫号到患者时，将检查数据发送至与医生信息关联的医生端。本发明具有提高了医生看诊效率的效果。

本发明公开了一种用于辅助医生优化诊疗的数据挖掘装置，所述数据挖掘装置包括：数据挖掘模块和去重模块；所述数据挖掘模块，用于进行数据挖掘，从医疗数据中获取实体和所述实体之间的关系；所述去重模块，用于对所述实体的概念进行去重操作。本发明提供的数据挖掘装置能够实现实时、高效地医疗数据挖掘，获得准确、有针对性的结果，有助于优化诊疗过程，提升医生的工作效率。

本发明公开了一种用于骨科的智能学习诊疗系统，所述智能学习诊疗系统包括：智能问诊装置、影像采集装置、病例数据库、提示装置和智能诊疗装置；所述智能问诊装置，用于获取患者的基本资料；所述影像采集装置，用于采集图片信息和/或视频信息，并对所述图片信息和/或视频信息进行标注；所述病例数据库，用于接收并储存病例数据，并对所述病例数据中的知识点进行注释；所述提示装置，用于对所述基本信息、图片信息、视频信息和/或病例数据中的异常值进行提示；所述智能诊疗装置，用于根据所述基本信息、图片信息、视频信息和/或病例数据提供诊疗方案。本发明提供的智能学习诊疗系统能够节约时间、提高效率，实现个性化、有针对性的高效诊疗。

本发明涉及一种药物安全使用控制方法、装置及系统，包括：获取输注设备的设备信息、待输液药物的药物标签信息和待输液病人的病人标签信息；根据设备信息、药物标签信息和病人标签信息判断待输液病人的用药是否正确；若是，则输出用药正确提醒信息；若否，则输出用药错误警示信息。本发明可在输液前自动核对用药是否正确，减少人力成本，而且核对效率高，判断准确，进一步保证用药安全，避免用错药的事故发生，有效保证病患的生命安全。

本发明公开了一种珠光体钢轨钢化学成分的设计方法，提供的方法结合利用JMatPro软件的强化模型和金属变形软件DEFORM‑3D的断裂模型建立JMatPro软件中化学成分与屈服强度的关系，DEFORM‑3D软件中化学成分与抗拉强度的关系，可以解决JMatPro软件未考虑高碳钢轨钢珠光体组织片层间距对强度的贡献权重以及JMatPro软件计算珠光体钢轨钢抗拉强度误差大的问题，可以在设计具有预期抗拉强度的珠光体钢轨钢的化学成分时极大降低研发成本。

本发明公开了基于改进函数因果似然度的糖尿病危险因素因果发现方法，属于医学信息化技术领域；该方法包括获取糖尿病危险因素变量子集的联合分布；根据所述联合分布与因果结构求观察数据的对数似然度；将所述观察数据的对数似然度转化成观察数据噪声的对数似然度，进而建立糖尿病危险因素FCL模型；通过调整阈值对所述糖尿病危险因素FCL模型进行修正，获得糖尿病危险因素IFCL模型，利用所述糖尿病危险因素IFCL模型发现危险因素的因果关系。本申请引入调整阈值，构建糖尿病危险因素IFCL模型，利用所述糖尿病危险因素IFCL模型发现危险因素的因果关系，减少糖尿病危险因素因果结构的冗余边和错误边，进而生成优化的糖尿病危险因素因果结构。

本发明公开了一种智能就医加号系统，包括挂号端、后台处理中心和医生端，所述挂号端分为机器挂号和移动端挂号，所述挂号端通过网络连接后台处理中心，所述后台处理中心通过网络连接医生端，所述挂号端讲机器挂号和移动端挂号按照顺序和科室进行分类排序，所述医生端自动显示医生空余时间，后台处理中心根据空余时间按科室分配挂号需求。本发明与现有技术相比的优点在于：避免了医疗资源的闲置问题，通过合理的分配将专家的挂号时间显示在挂号端上，经过挂号的选择，合理分配，挂号端有机器挂号和移动端挂号解决了人没来医院无法挂号的情况，减少了患者等待的时间可以先去做别的事情，等到排队时间快到时到达科室即可，具有很好的市场前景。

本发明涉及一种用于操控分析设备（100）用以对试样材料（115）实施分析的方法（600）。该方法（600）包括读入（610）使用参数（125）的步骤，所述使用参数代表试样材料（115）的待实施的分析。此外，该方法（600）包括从指令库（145）加载（620）用于分析设备（100）的至少一个实施单元（110a、110b、100c、100d）的多个操控指令（140，200）的步骤。最后，该方法（600）包括在使用操控指令（140，200）的情况下操控（630）至少一个实施单元（110a、100b、110c、110d）用以分析试样材料（115）的步骤。

一种方案的健康管理辅助装置具备：第一获取部，该第一获取部获取与用户的健康状态有关的健康状态信息；第二获取部，该第二获取部获取与用户的生活习惯有关的生活习惯信息；第一判定部，该第一判定部基于健康状态信息，判定对象日的健康状态是否恶劣；第二判定部，该第二判定部响应于第一判定部判定为健康状态恶劣的情况，判定基于对象日设定的第一期间的生活习惯信息与不同于第一期间的第二期间的生活习惯信息之间是否存在差异；以及输出部，该输出部响应于第二判定部判定为存在差异的情况，输出促进生活习惯的改善的指示信息。

揭示一种在包括处理器和用于存储神经网络的存储装置的系统中实现并利用生物体图像和所述神经网络的疾病诊断系统。所述诊断系统的所述处理器，通过存储在所述存储装置中的所述神经网络，利用预定的损失函数和学习数据即对所述生物体图像中包含的预定的单位单元将其标记为所述单位单元在多个状态中具有至少一种状态，学习输出在所述多个状态中具有其中至少一个状态的概率所相对应的判断值，所述神经网络包括一个特定的层，所述层输出多个特征值，对应于将所述单位单元确定为多个状态中的每个状态的概率，所述损失函数，对于多个单位单元中标记为所述多个状态‑所述多个状态包括确定为具有较高概率状态的第1状态和确定为具有比第1状态低的状态的第2状态‑的双重标记的单位单元，被定义为把在所述特定层的特征值中与第1状态相对应的第1特征值和与所述第2状态相对应的第2特征值均进行反映来计算损失。

一种用于对肠易激综合征(IBS)患者分层的计算机实现的方法。所述方法包括检测从所述患者获得的生物样品中多种细菌的存在、不存在或丰度以生成患者微生物组分布图；以及对所述患者微生物组分布图操作受训分类器以输出将所述肠易激综合征(IBS)患者分层至第一组或第二组中的信号。将所述患者分层至所述第一组中指示所述患者具有与未指示IBS的平均微生物组相比未显著改变的微生物组。将所述患者分层至所述第二组中指示所述患者具有与未指示IBS的平均微生物组相比改变的微生物组。

提供一种有助于客观的诊断的信息。诊断辅助系统(1)的服务器(20)具备：已学习模型取得部(21)，取得多个已学习模型，并且输入基于拍摄了诊断对象的图像的信息并输出表示针对该诊断对象的诊断结果的信息；图像取得部(22)，取得解析对象的图像；运算部(23)，针对所取得的图像，进行基于多个已学习模型的运算，计算该该多个已学习模型的诊断所涉及的一个信息；以及输出部(24)，输出由运算部(23)计算出的信息。

一种用于生成基于图的参考基因组的方法(100)，包括：(i)接收(120)当前参考基因组的一个或多个较旧版本，每个版本包括多个节点，所述多个节点识别考基因组的版本以及该版本中各个节点的位置；(ii)将参考基因组的每个较旧版本与当前参考基因组比对(130)以生成基于图的参考基因组，其中，所述比对基于所述位置信息；(iii)从参考文集中提取(140)一个等位基因和与该等位基因相关联的背景信息，其中，相应的文献识别参考基因组的版本以及等位基因在该版本中的位置；并且(iv)基于所述参考基因组的所识别版本和所提取的等位基因在该版本内的位置，将所述等位基因和相关联的背景信息映射(150)到所述基于图的参考基因组的节点上。

获得并且数字化病理学样本(诸如在组织病理学或细胞病理学中)的能力已经打开当诊断各种各样的医学状况时的准确且自动化计算机操作分析或计算机辅助分析的可能性。典型的数字病理学图像分析管线涉及大量的图像预处理和处理操作。这些算法中使用的参数的小的改变能够导致最终病理学发现中的显著改变。因此，本申请提出在数字病理学图像分析管线上执行灵敏度分析以评估给定病理学结果对数字病理学图像分析管线中的参数的改变的灵敏度。

公开一种为胰岛素输送管理程序提供安全约束的系统、方法和计算机可读介质产品。各个例子为基于控制算法的药物输送系统提供安全约束，所述系统基于传感器输入，提供药物的自动输送。可以每隔固定时间间隔从传感器接收葡萄糖测量值。处理器可基于先前的葡萄糖测量值，预测未来的葡萄糖值。安全约束有助于药物输送系统在各种操作情形下的安全操作。在一些例子中，预测的未来葡萄糖值可用于实现减轻药物的输送不足或输送过度，同时不会使药物输送系统的用户负担过重，并且不会牺牲药物输送系统的性能的安全约束。还公开了其他安全约束。

本发明公开了一种植物和动物健康监控管理系统，植物和动物健康监控管理系统包括植物和动物健康监测单元(1)、AI和人工健康综合控制单元(2)、大数据监控管理中心单元(3)、植物和动物操作监管单元(5)和数据分析监控单元(6)，AI和人工健康综合控制单元(2)包括AI诊疗控制系统(21)、AI治疗控制系统(22)、人工干预分析系统(23)和人工干预执行单元(24)。利用大数据技术实现监管网络化，实时化，安全化，信息化和信息共享，实现了对植物和动物健康状况的全方位有效监管和控制，保证了对植物和动物的监管信息全面、准确和实时，保证了对植物和动物的健康控制，有效、安全、准确、科学、实时，提高工作效率、生产效率。

本发明公开了一种帕金森症的智能识别方法，包括：S1，获取待识别人的声音数据；S2，对所述声音数据进行预处理；S3，将处理好的声音数据输入已训练好的动态收敛微分神经网络模型进行识别；S4，动态收敛微分神经网络模型输出相应的结果。而动态收敛微分神经网络模型使用神经动力学公式进行参数矩阵的更新，且整个神经网络只包含一层隐藏层，本发明基于神经动力学的动态收敛微分神经网络具有比传统的BP神经网络更好的收敛结果与收敛速度。

本发明公开一种窗口化医疗信息管理系统，包括底栏、围栏视窗板、置物台、门组件、悬挂钩与信息操作面板，围栏视窗板上开设有窗口，门组件与围栏视窗板转动连接，并遮挡所述窗口，悬挂钩位于门组件背离置物台的一侧，信息操作面板设于所述围栏视窗板；其中，窗口、门组件与悬挂钩的数量均为多个，且三者对应设置。本发明提供的窗口化医疗信息管理系统，用户可以通过信息操作面板能够实现医疗信息交互功能、名医处方功能、信息化管理功能、互联互通功能，还能够实现便捷的取药。

本发明涉及医疗系统技术领域，尤其涉及一种提高临床药品不良反应上报率的系统及方法，包括登录模块：用于用户登录系统；报告表填报模块：用于登录后填报报告表；报告表查看模块：用于查看已填报的报告表；数据库模块：用于储存相关数据，包括登录信息数据、报告表信息数据；评分模块：用于对填报的报告表进行评分，相关用户根据评分获取分数，同时可对填报的报告表进行进行评价，用户可后续进行更改，更改后可获得更多的积分；积分兑换模块：用于使用积分，进行商品或服务的兑换。本发明具有如下有益效果：通过简化报告表的流程以及奖励机制，激发了广大群众以及各机构填报不良反应报告表的兴趣，解决了不良反应报告漏报率高的问题。

本发明涉及一种多路多尺度并联编解码网络图像分割方法、系统及介质，其包括：将训练数据进行预处理，然后划分数据集为训练集和测试集；训练集用于训练多路多尺度编解码网络深度学习模型的网络参数，测试集用于验证迭代完成的网络参数的泛化性能，如果测试集精度不满足预先设定要求则从新划分数据集进行训练，如果满足预先设定要求则保存网络参数；对待预测数据作与训练数据相同的预处理，载入训练好的网络参数，最后对模型输入图像，并得到分割预测结果，分割结果以概率图表示。本发明能在医学图像分割任务中保持整体分割精度的同时，提高了对目标细节的分割效果，并且使网络训练收敛速度更快。

本发明公开一种物理严格且相空间重叠最大化的相对自由能计算方法，将分子X、Y进行npt系综动力学模拟获得平衡态的结构；确定X、Y两个分子中相互对应并要保留的原子，和X要消失、Y要生长的原子；根据规则确定要达到物理严格所需去除的X和Y各自的角和二面角，和为最大化相空间重叠所需增加到X和Y上的各自的额外二面角；去除X、Y上要消失的原子与保留的原子之间多余的角和二面角作用；增大额外的二面角作用来固定X、Y上要消失的原子与保留的原子之间的结构；统计去除多余角和二面角，以及增加额外二面角所需的自由能，并将此部分自由能计入到X到Y变化的总自由能中。本发明保证自由能微扰计算的物理严格性，最大化相空间重叠。

本申请提供一种医院的推荐方法及相关产品，所述方法包括：所述方法包括：移动终端采集远程医疗的语音数据，对语音数据进行分析得到语音数据的关键字；移动终端将关键字发送至远程医疗的医生终端，获取患者的历史医疗数据，将历史医疗数据发送至医生终端；移动终端接收到医生终端反馈的拒绝消息时，依据该历史医疗数据以及该关键字为患者进行医院推荐。本申请提供的技术方案具有用户体验度高的有点。

本发明公开了一种用于预测药物‑靶标相互作用关系的方法和设备，方法包括：引入药物‑靶标相互作用和靶标‑疾病相互作用构建药物‑靶标‑疾病的三层异构网络；基于三层异构网络构建药物相似度矩阵和靶标相似度矩阵，靶标相似度矩阵包括靶标间高斯核相似度矩阵和靶标‑疾病高斯核相似度矩阵；计算药物相似度矩阵和靶标相似度矩阵克罗内克积，并通过正则化最小二乘法得到预测结果；对预测结果进行验证。对比传统的预测方法，本发明采用了更为完整的网络结构模型，建立了更为复杂的相似度矩阵空间，从更多的角度预测了全新的药物‑靶标相互作用；在计算过程中避免了超规模的矩阵运算；相较于常用的FLapRLS方法和RLS_Kron方法，有着更优的预测性能。

本说明书实施例提供了授权处理方法及装置、结算处理方法及装置，其中，一种授权处理方法包括：接收医疗终端系统提交的调用请求；向所述医疗终端系统返回授权链接以响应所述调用请求；获取用户终端扫描根据所述授权链接生成的授权标识码之后提交的授权请求；从医疗结算服务平台查询医疗结算凭证与待结算订单进行关联，并生成所述待结算订单的授权令牌；在所述授权令牌和所述医疗结算凭证满足授权结算条件的情况下，向所述医疗终端系统返回所述医疗结算凭证。

本发明公开了一种糖尿病肾病风险评估系统，涉及医疗器械领域，所述系统包括：限制装置，用于根据患者病史、病程，确定是否对所述患者进行糖尿病肾病风险评估限制；评估装置，用于若确定不对所述患者进行糖尿病肾病风险评估限制，则利用糖尿病相关指标和反映肾脏功能受损的指标，对糖尿病肾病进行低危、中危、高危评估。

本发明公开了一种抗番茄斑萎病毒辣椒植株的筛选方法，包括获得供试材料抗TSWV的表型数据；获取抗TSWV的关键QTL位点和抗TSWV的关键SNP位点；对筛选出的候选基因进行克隆及定量表达分析；在辣椒抗TSWV全基因组关联分析和连锁分析的基础上，寻找到的多态位点与抗TSWV强弱的关系，并针对显著关联位点/QTL位点开发基于PCR的分子标记；基于确定的分子标记，选育抗番茄斑萎病毒的骨干自交系，最后利用三系法选育抗番茄斑萎病毒的杂交品种。采用本发明所述的筛选方法，可为辣椒抗病分子育种提供理论和材料支持，并为辣椒新品种选育提供更有效的手段，从而筛选出符合制备优质干辣椒的特色杂交组合，进行推广应用，具有非常显著的经济效益和社会效益。

本公开提供了一种基于证素和深度学习的中医智能问诊舌诊综合系统，基于症状的证素，根据预设知识图谱，分析患者输入的症状信息；基于症状分析的结果，判定是否需要进行问诊；若判定结果为需要进行问诊，则利用证素和深度学习网络模型进行中医问诊，根据患者的回答，得到患者的证候和/或证素；判定是否结合舌诊，如是，则问诊模块的结果进入结合舌诊模块，得到最终证候和/或证素；否则，以问诊得到的结果为最终证候和/或证素；当问诊判定模块判定不需要进行问诊或者舌诊判定模块判断需要结合舌诊时，基于证素和深度学习网络模型，综合患者的症状和舌象信息，得到最终证候和/或证素；能够大大提高问诊的效果，为辨证分型提供了强有力支撑。

本申请提供了一种基于颈动脉粥样硬化情况评估脑卒中发病风险方法及装置，包括：利用人工智能的自学习能力，建立颈动脉粥样硬化斑块的情况参数与脑卒中发病风险等级之间的对应关系；获取当前受试者的当前颈动脉粥样硬化斑块的情况参数；通过对应关系，确定与当前颈动脉粥样硬化斑块的情况参数对应的当前脑卒中发病风险等级；具体地，确定与当前颈动脉粥样硬化斑块的情况参数对应的当前脑卒中发病风险等级，包括：将对应关系中与当前颈动脉粥样硬化斑块的情况参数相同的颈动脉粥样硬化斑块的情况参数所对应的脑卒中发病风险等级，确定为当前脑卒中发病风险等级。能良好地实现通过颈动脉粥样硬化斑块的情况参数对脑卒中发病风险进行量化估测。

本发明提供了一种利用数值模型的临床决策支持系统，该数值模型动态描述血液循环的血液稀释。基于测得凝血数据并可以基于其他患者信息，基于特定蛋白浓度的计算预测止血剂平衡的丢失。此外，计算装置将人类血液蛋白浓度的计算值中的至少一些转换成描述凝结和/或栓塞和/或出血的风险值。向用户显示该风险值的时间发展。

一种基于机器学习的多组分晶体构型能预测方法，属于材料固有属性计算领域，用以解决传统方法中单纯依赖于物理理论推导多组分晶体构型能而导致的预测计算不准确及不高效问题。本发明提出了以团簇扩展方法计算多组分晶体的构型能，通过将多体相互作用形成的团簇函数即相关函数作为输入特征值，然后利用机器学习算法进行模型训练和预测，获得多组分晶体构型能。相比于传统的严格依赖于物理理论推导的计算方法，本发明方法预测计算结果更加准确、高效，可推广到计算多组分晶体的其他标量属性。

一种基于机器学习的高熵合金硬度预测方法，属于金属材料硬度预测技术领域，用以解决传统方法预测搜索性能优异的高熵合金耗时耗力且不准确的问题。该方法包括，获取用来预测高熵合金硬度的特征数据训练集；对特征数据进行筛选，获取最优特征组合；通过十重交叉验证方法选择机器学习模型；采用选择的机器学习模型并输入最优特征组合进行模型训练；根据训练好的模型对未知的高熵合金硬度进行预测，挑选出预测硬度高且预测可信性好的高熵合金。本发明中的特征筛选方法与现有的穷举法需要排列所有特征的组合去寻找最优特征相比，在基于机器学习算法进行高熵合金硬度预测时，不仅对高熵合金性能预测较为准确，而且更为节省计算资源与时间。

本申请实施例提供一种医疗服务监管方法、装置及设备，所述医疗服务监管方法包括：采集互联网医院的诊疗行为数据；根据预设监管规则，对所述诊疗行为数据进行分析；根据分析结果，生成所述互联网医院的监管报表。本申请实现了对在线诊疗的全流程监管。

本发明实施例公开了一种药物安全配送管理方法、装置、计算机设备及存储介质，涉及人工智能领域。本发明可应用于智慧医疗场景中，从而推动智慧城市的建设。该方法包括：接收到开处方终端发送的电子处方；接收药柜终端发送的药物存储请求；判断所述待验证药物信息是否与所述药物信息匹配；若是，向药柜终端发送允许存储应答消息；接收药柜终端发送的药物提取请求；判断所述待验证生物识别信息是否与所述生物识别信息匹配；若是，向药柜终端发送允许提取应答消息。本发明的药物根据医生的电子处方确定，可有效避免用户用错药；药物在存入药柜终端之前需要药物进行校验，避免药物出错；取药人在取药时，对取药人的身份进行校验，避免取药人取错药物。

本公开描述了一种基于认知、音乐和运动的益智训练系统，其包括音乐库、运动项目库、训练模块、记录模块、识别模块和评分模块；音乐库用于存储音乐，运动项目库用于存储运动项目的教程，训练模块用于基于用户的个人情况从运动项目库中筛选至少一种教程并从音乐库中筛选至少一种风格的音乐以形成训练教程并引导用户进行训练，记录模块用于记录用户动作以生成包括项目动作序列的用户动作序列，识别模块用于获取关键动作和该关键动作的执行时间点，评分模块用于获取用户的认知能力总评分。根据本公开，能够提供一种认知、音乐和运动相融合且能够舒缓情绪的基于认知、音乐和运动的益智训练系统。

本申请涉及数字医疗及数据处理技术，提供一种基于人工智能的疫情预测方法、装置、计算机设备与存储介质，包括：遍历对应目标疾病的疑似患者群的病历单，得到每一疑似患者的症状数据；基于预先设置的临床决策识别模型识别症状数据，得到疾病识别结果；根据疾病识别结果判断疑似患者是否患有所述目标疾病；当判断结果为是时，将所述疑似患者作为确诊患者；获取所有确诊患者的预设数据；获取与所述症状数据匹配的目标症候群，并调用对应所述目标症候群的症候群处理模型处理所述预设数据，得到目标分布数据；根据所述目标分布数据确定疫情风险等级本申请能够提高疫情预测的正确率，本申请能够促进智慧医疗及智慧城市的建设。

本发明涉及数字医疗技术领域，提供一种基于人工智能的随访计划单生成方法、装置、终端及介质，包括：获取多个第一诊疗记录报告并使用XGBOOST模型从所述多个第一诊疗记录报告中提取出多个慢病风险因素；接收患者的分组请求并解析所述分组请求得到所述患者的第一身份信息；根据所述第一身份信息识别所述患者的诊断标识及根据所述第一身份信息获取所述患者的第二诊疗记录报告；根据所述第二诊疗记录报告计算诊断等级并根据所述多个慢病风险因素及所述诊断等级计算危险系数等级；根据所述危险系数等级识别所述患者的分组级别；基于所述分组级别及所述诊断标识生成随访计划单。本发明能够针对不同的患者生成不同的随访计划单，随访计划单的生成效率较高。

本发明涉及骨肉瘤转移相关基因技术领域，且公开了一种骨肉瘤转移相关基因signature研究及潜在药物挖掘方法，包括以下步骤：S1、数据下载及预处理：对OS的TARGET数据做以下几步预处理：1)去掉没有临床信息或者总生存时间<30天的样本；2)去掉正常组织样本数据；3)去掉在超过一半样本中表达量为0的基因。该种骨肉瘤转移相关基因signature研究及潜在药物挖掘方法，从基因表达水平变化特征看，免疫相关的基因在转移组普遍表现为下调，推测免疫系统的抑制可能有助于osteosarcoma的转移，进一步说明，一些基因(包含免疫相关基因)的表达抑制，可能有助于osteosarcoma转移，MRS的预后分析进一步鉴定出了一组与预后有显著的关系基因，为进一步挖掘osteosarcoma转移的治疗提供了可能的选择。

本发明公开了医废仓库智能管理终端、管理系统及管理方法，该终端包括主机单元，以及与主机单元相连接的输入单元和输出单元；输入单元读入操作人员的责任人信息以及医废重量信息；主机单元根据责任人信息，从数据库中获取当前责任人待入库的医废总重量和出车时的空车重量，计算并校核后入库；主机单元还包括纠错入库模块，在校核失败时利用输入单元读取管理员信息来完成入库。本发明能够对医废管理、入库、出库流程系统化，并且记录医废流转过程中的每个环节，将人工操作和数据记录相结合，使得医废流转和管理更精确并减少人为错误。

一种基于物联网的药品智能管理设备及其控制方法。设备包括药品分配机构和控制系统，所述控制系统接收医生的处方，根据医生的处方确定的服药时间表定时分配药品，药品分配机构药品分配机构还包括旋转药排，其包括锥形帽，锥形帽沿周向设置有M个锥形漏斗，锥形漏斗最下端仅能容纳一粒药丸，相邻两个漏斗之间的区域面积能够覆盖第三通药口，旋转药排下端安装于动力输出轴上，第二驱动机构能够驱动旋转药排在药品容器内旋转。本发明提供的基于物联网的药品智能管理设备根据医生的处方确定的服药时间表定时分配药品，提高了药物依从性，结构简单，操作方便，自动化程序高，可用于家庭、医院护理等。

本发明公开了一种基于图神经网络预测药物‑副作用关系的方法，用于解决如何利用深度学习的方法以及充分考虑边和节点的信息来表示网络中的节点的问题；包括收集药物数据进行预处理，建立药物与药物、药物副作用与副作用之间的关系；构建药物‑副作用异质网络模型；使用图神经网络对网络中的节点和多关系边进行向量化表示；本发明通过构建多关系网络，利用神经网络，对网络中的节点进行表示；通过不同平台的公开数据进行爬取，描述药物的特征更加全面，数据采集方便快捷，对数据进行预处理后再进行分析，增强了挖掘的效果，提高了挖掘数据的质量，构建了能代表多模态数据的异质网络模型，使用了图神经网络方法，结合了点和边的信息。

本发明涉及一种生化指标信息处理系统、方法、设备、存储介质及检测仪，涉及数据信息处理技术领域，数据读取模块读取血ACTH、24小时尿游离皮质醇数据信息，以及核磁结果数据；列线图评分模块根据血ACTH、24小时尿游离皮质醇获取评分；联合垂体核磁检查识别模块用于列线图评分模块平行联合垂体核磁检查数据，判读多余的ACTH来自垂体的数据信息，即库欣病的可能性。本发明首次利用异位ACTH综合征和库欣病患者临床生化指标差异建立评分系统，用于鉴别ACTH依赖性库欣综合征，目前国内国际尚无此类文献报道。本发明对于鉴别ACTH依赖性库欣综合征准确性高，具备应用价值。

本发明公开了一种影像科患者检查核对方法及系统，所述方法包括：获得第一影像信息；根据所述第一影像信息获得第一检查部位；获得第一用户的第一身份信息；根据所述第一用户的第一身份信息，获得所述第一用户的第一医嘱信息；判断所述第一检查部位与所述第一用户的第一医嘱信息是否相符合；当所述第一检查部位与所述第一用户的第一医嘱信息相符合时，获得第一检查要求信息；判断所述第一影像信息是否满足所述第一检查要求信息；当所述第一影像信息满足所述第一检查要求信息时，确定所述第一影像为所述第一用户的检查影像。达到智能化核对患者的检查影像结果，提高核对准确率，避免失误，提升核对效率的技术效果。

本发明公开了一种心理测评方法，包括以下步骤：S1：客户端上传用户信息，心理测评平台对用户信息进行处理，并创建相应的用户权限，并将用户信息上传服务器进行存储；S2：管理员根据客户信息对应的层级，向客户发生心理测评链接或二维码发送给用户的手机APP中；S3：用户通过点击链接或通过手机扫描二维码进入至测评平台，通过测评平台对用户层级判断，通过测评试题调取模块从服务器调取该层级用户的测评计划列表试题。本发明通过对不同层级的学生通过不同心理测试试题进行测试，方便掌握学生的心理是否健康，从而通过不同的分析结果，便于对学生进行针对性的心理辅导，有效的提高学生心理的健康性，促进学生健康成长。

一种耗散粒子动力学模拟中刚性沥青质分子结构的构建方法。其包括确定沥青质分子中各基团粗化结构；利用上述基团粗化结构构建分子粗化结构；基于上述分子粗化结构构建模拟体系；生成上述模拟体系的力场；对沥青质分子的键长、键角和二面角进行定量约束；利用模拟体系的力场和定量约束，对模拟体系进行耗散粒子动力学模拟，获得刚性沥青质分子的结构等步骤。本发明提供的耗散粒子动力学模拟中刚性沥青质分子结构的构建方法具有如下优点：可以稳定地获得刚性沥青质分子的结构，结构的键长约为二面角峰值为10度，最大不超过20度。本发明所构建的刚性沥青质分子的结构可用于沥青行为的模拟。

本发明提供了基于TDKSFA非线性贡献图的间歇过程故障辨识方法及系统。该方法包括将待识别故障数据集和平均训练数据集对应的伪样本核矩阵均依次进行均值中心化操作并分别投影至TDKSFA模型的负荷矩阵以获得对应得分矩阵，根据两个伪样本投影轨迹之间的差异性，定义任一过程变量相对于故障的非线性贡献度，计算得到所有过程变量相对于故障的非线性贡献；根据每个过程变量所具有非线性贡献的大小辨识故障变量，确定出待识别故障数据的故障类型；利用自回归移动平均时间序列模型对平均训练数集进行扩展，采用全局建模策略计算对应增广平均训练数据集；将增广平均训练数据集非线性映射到高维特征空间，引入核函数技巧计算核矩阵和时间变化核矩阵构建出TDKSFA模型。

本发明公开了一种基于物联网的生物科技共享设备，包括机体，所述机体内设置有传动腔，所述传动腔上方设置有开口朝左的工作槽，所述工作槽右侧设置有连接腔，所述传动腔内设置有用于对人体心率检测的心率检测组件，所述心率检测组件包括与所述连接腔右侧内壁固定安装的启动电机，所述启动电机末端设置有左右延伸的驱动轴，该装置工作时，能够通过监控通信组件对人体异样进行监督检测并将信息传输给家人，能够通过运动组件对人体进行锻炼，能够通过心率检测组件对人体进行健康检测，提高了锻炼效率，保证了人体健康。

本发明公开了一种对目标事件的评估方法及装置，该方法包括：当接收到目标事件时，确定目标事件的事件属性信息和关联数据信息；事件属性信息包括处理事件的用户标识，以及与用户标识相对应的事件类型，关联数据信息包括目标事件中的用户禁忌信息；根据所述事件属性信息和关联数据信息，从预先建立的目标数据库中确定与目标事件相对应的目标模板信息；基于关联数据信息以及目标模板信息，确定与目标事件相对应的目标评估结果。通过本发明实施例的技术方案，解决了人工审核药方时效率低且容易出错的问题，实现了在检测到目标药方单时能够自动对其进行评估，提高了药方单审核的便捷性，效率以及准确性，进而提高患者的治疗效率的技术效果。

本发明公开一种基于大数据的智慧医疗医院信息化展示管理平台，包括平台分类模块、医生登录模块、身份信息筛选模块、数据提取模块、数据处理模块、分析服务器、信息录入模块、患者查询模块、病情分析模块、显示终端和存储数据库；本发明通过平台分类模块将医院信息平台进行版块分类，并筛选登录平台的各医生的身份信息和对应的科室，提取各科室内各医生的个人详细信息和各医疗数据，计算各科室内各医生的综合医师评级影响系数，对比筛选各科室内各医生的医师等级，并录入对应的科室版块平台，同时分析患者患病症状对应的科室，并显示该科室的医师等级排行榜和医师等级排行榜中各医生介绍，从而增强患者粘合度，提高了医院医疗服务质量。

本发明提供一种PACU成人高活动型谵妄预测的建模选取同时间段入医院行手术治疗后入PACU观察的患者；根据PDHA的诊断标准，将患者设置为两组：PDHA组和非PDHA组；观察时间自患者术后入PACU至出PACU期间,采用Access数据库回顾性收集两组患者资料；整理收集完毕的研究数据由stata15软件按照2:1比例随机匹配，分为训练集数据和验证集数据；使用R语言进行统计及分析，采用逐步logistic回归筛选危险因素，从而构建成人术后早期高活动型谵妄预测模型。本发明的有益效果在于：构建的PACU成人高活动型谵妄预测模型预测效能较好，可实现对PACU术后成人高活动型谵妄发生的可视化，图形化筛选。

本发明提出一种基于DF(Dynamic Fusion)的新冠肺炎联邦学习检测方法。由于X‑Ray和肺部CT图像对于新冠肺炎的诊断具有重要意义，而联邦学习可以在保护数据隐私的前提下进行机器学习建模，因此设计了一种使用联邦学习针对图像数据对新冠肺炎进行诊断的方法，可以对不同医院的数据进行综合运用建立基于深度学习的检测模型。为了降低联邦学习中的通信消耗，利用DF(Dynamic Fusion)对等待上传的模型进行筛选，针对每次客户节点训练的本地模型在测试集上的准确率决定该模型是否上传融合，并通过评估各个客户节点的计算能力设置Waiting Time来有效解决中心节点等待问题。该发明能够针对肺部图像数据对于新冠肺炎进行准确诊断，并有效的降低通讯损耗。