智慧医疗信息管理系统及其方法与流程

本技术涉及智能识别领域，且更为具体地，涉及一种智慧医疗信息管理系统及其方法。

背景技术：

1、挂号是进行医疗诊治的必要条件，目前挂号的方式主要有网上挂号、现场自助挂号和门诊挂号。快速的挂号，有助于及时对患者进行下一步的治疗，但由于优质医疗资源的紧缺，产生了大量专门从事票号倒卖的倒卖者。倒卖者在从事票号倒卖的过程中，首先是通过在网上或者现场进行大量的挂号，然后将手上的票号高价倒卖给急需救治或长时间无法挂上号的患者，以此来获取暴利。由于倒卖者在前期将大量的票号掌握在自己的手中，导致大量急需救治的患者无法通过正常的挂号程序获取到票号，从而使患者的救治延迟，进一步危及到患者的健康。

2、因此，期待一种智慧医疗信息管理系统，其能够对挂号人员的身份进行认证以快速识别出倒卖者或倒卖票号嫌疑人，从而避免了倒卖者进行多次挂号的情况发生。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种智慧医疗信息管理系统及其方法，其通过基于深度学习的人工智能的识别算法，以指纹机采集挂号人的检测指纹图像和录入患者的参考指纹图像作为输入数据，通过在高维特征空间中的特征相似性对比来进行挂号人的身份识别，以快速识别出倒卖者或倒卖票号嫌疑人，从而避免了倒卖者进行多次挂号的情况发生。

2、根据本技术的一个方面，提供了一种智慧医疗信息管理系统，其包括：指纹采集模块，用于通过指纹机采集挂号人的检测指纹图像，以及，从后台数据库获取录入患者的参考指纹图像；去雾模块，用于将所述检测指纹图像通过基于对抗生成网络的去雾生成器以得到生成检测指纹图像；图像滤波增强模块，用于对所述生成检测指纹图像进行双边滤波以得到增强生成检测指纹图像；孪生检测模块，用于将所述增强生成检测指纹图像和所述参考指纹图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到检测特征图和参考特征图；特征分布校正模块，用于对所述检测特征图和参考特征图分别进行特征分布校正以得到校正后检测特征图和校正后参考特征图；相似度度量模块，用于计算所述校正后检测特征图和所述校正后参考特征图之间的余弦相似度；以及管理结果生成模块，用于基于所述余弦相似度与预定阈值的比较，生成所述挂号人的身份识别结果。

3、在上述智慧医疗信息管理系统中，所述去雾模块，进一步用于将所述检测指纹图像输入训练完成的所述基于对抗生成网络的去雾生成器的生成器以得到所述生成检测指纹图像。

4、在上述智慧医疗信息管理系统中，所述孪生检测模块，包括：第一卷积编码单元，用于使用所述孪生网络模型的第一卷积神经网络的卷积编码部分对所述增强生成检测指纹图像进行深度卷积编码以得到检测卷积特征图；第一空间注意力编码单元，用于将所述检测卷积特征图输入所述第一卷积神经网络的空间注意力部分以得到第一空间注意力图；第一激活单元，用于将所述第一空间注意力图通过softmax激活函数以得到第一空间注意力特征图；以及，检测特征编码单元，用于计算所述第一空间注意力特征图和所述检测卷积特征图的按位置点乘以得到所述检测特征图。

5、在上述智慧医疗信息管理系统中，所述所述孪生检测模块，包括：第二卷积编码单元，用于使用所述孪生网络模型的第二卷积神经网络的卷积编码部分对所述参考指纹图像进行深度卷积编码以得到参考卷积特征图；第二空间注意力编码单元，用于将所述参考卷积特征图输入所述第二卷积神经网络的空间注意力部分以得到第二空间注意力图；第二激活单元，用于将所述第二空间注意力图通过softmax激活函数以得到第二空间注意力特征图；以及，参考特征编码单元，用于计算所述第二空间注意力特征图和所述参考卷积特征图的按位置点乘以得到所述参考特征图。

6、在上述智慧医疗信息管理系统中，所述特征分布校正模块，包括：第一权重计算单元，用于以如下公式计算所述检测特征图的类小波函数族能量聚合因数；

7、其中，所述公式为：

8、

9、其中表示所述检测特征图的各个位置的特征值，w1为所述检测特征图的宽度，h1为所述检测特征图的高度，c1为所述检测特征图的通道维度，log表示以2为底的对数函数；检测特征图校正单元，用于以所述检测特征图的类小波函数族能量聚合因数作为加权权重对于所述检测特征图进行加权优化以得到所述校正后检测特征图。

10、在上述智慧医疗信息管理系统中，所述特征分布校正模块，包括：第二权重计算单元，用于以如下公式计算所述参考特征图的类小波函数族能量聚合因数；

11、其中，所述公式为：

12、

13、其中表示所述参考特征图的各个位置的特征值，w2为所述参考特征图的宽度，h2为所述参考特征图的高度，c2为所述参考特征图的通道维度，log表示以2为底的对数函数；参考特征图校正单元，用于以所述参考特征图的类小波函数族能量聚合因数作为加权权重对于所述参考特征图进行加权优化以得到所述校正后参考特征图。

14、在上述智慧医疗信息管理系统中，所述相似度度量模块，进一步用于：以如下公式来计算所述校正后检测特征图和所述校正后参考特征图之间的所述余弦相似度；

15、其中，所述公式为：

16、

17、其中fi和fj分别表示所述校正后检测特征图和所述校正后参考特征图，和分别表示所述校正后检测特征图和所述校正后参考特征图的各个位置的特征值，cos(fi,fj)表示所述校正后检测特征图和所述校正后参考特征图之间的所述余弦相似度。

18、在上述智慧医疗信息管理系统中，所述管理结果生成模块，包括：第一结果生成单元，用于响应于所述余弦相似度大于或等于所述预定阈值，生成所述挂号人的身份识别结果为所述挂号人的身份认证成功；以及，第二结果生成单元，用于响应于所述余弦相似度小于所述预定阈值，生成所述挂号人的身份识别结果为所述挂号人的身份认证失败。

19、根据本技术的另一方面，提供了一种智慧医疗信息管理方法，其包括：

20、通过指纹机采集挂号人的检测指纹图像，以及，从后台数据库获取录入患者的参考指纹图像；

21、将所述检测指纹图像通过基于对抗生成网络的去雾生成器以得到生成检测指纹图像；

22、对所述生成检测指纹图像进行双边滤波以得到增强生成检测指纹图像；

23、将所述增强生成检测指纹图像和所述参考指纹图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到检测特征图和参考特征图；

24、对所述检测特征图和参考特征图分别进行特征分布校正以得到校正后检测特征图和校正后参考特征图；

25、计算所述校正后检测特征图和所述校正后参考特征图之间的余弦相似度；以及

26、基于所述余弦相似度与预定阈值的比较，生成所述挂号人的身份识别结果。

27、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的智慧医疗信息管理方法。

28、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的智慧医疗信息管理方法。

29、与现有技术相比，本技术提供的一种智慧医疗信息管理系统及其方法，其通过基于深度学习的人工智能的识别算法，以指纹机采集挂号人的检测指纹图像和录入患者的参考指纹图像作为输入数据，通过在高维特征空间中的特征相似性对比来进行挂号人的身份识别，以快速识别出倒卖者或倒卖票号嫌疑人，从而避免了倒卖者进行多次挂号的情况发生。