基于神经网络的军队总医院学科评估方法及系统

1.本发明涉及医院学科评估技术领域，更具体的说是涉及一种基于神经网络的军队总医院学科评估方法及系统。


背景技术：

2.目前，军队高水平医院学科建设普遍存在着以下几点问题：
①
追踪动态难。由于学科建设指标数据分散在各个临床、辅诊等科室中，并且军队高水平医院缺少专门的学科系统，无法做到实时监测学科发展现状。
②
数据质量不高。由于没有统一的匹配规则，造成学科数据不规范，且科研产出是评判学科建设水平的关键指标，目前医院在统计科研产出时仍采用临床科室填报的方式，不仅费时费力，而且容易出现漏报错报的问题，数据质量低。
③
数据统计口径宽。目前医院现有的数据多为宽口径统计数据，公共统计数据往往无法聚焦学科，难以准确科学的评价学科水平。
④
学科评估难。由于学科评估业务逻辑复杂，且缺乏专门的学科评价体系和工具，因此，医院自身难以进行学科自评估，在现有技术中基于层次分析法的学科评估需要人为判定权重，评估准确率低。因此，对本领域技术人员来说，如何利用机器学习理论进行军队医院学科评估是亟待解决的问题。


技术实现要素：

3.有鉴于此，本发明提供了一种基于神经网络的军队总医院学科评估方法及系统，以解决背景技术中的问题。
4.为了实现上述目的，本发明采用如下技术方案：一种基于神经网络的军队总医院学科评估方法，具体步骤包括如下：
5.确定待评估学科并根据所述待评估学科建立医院学科评估体系，所述医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；
6.建立初始bp神经网络模型，利用二级指标数据训练所述初始bp神经网络模型，得到优化好的bp神经网络模型；
7.将采集的二级指标数据输入优化好的bp神经网络模型中，得到所述待评估学科的评估结果。
8.可选的，所述一级指标包括临床工作、师资队伍与资源、人才培养、科学研究、为军服务；所述临床工作对应的二级指标包括日平均门诊量、住院人数；所述师资队伍与资源对应的二级指标包括师资数量、师资质量、学科支持平台数量；所述人才培养对应的二级指标包括毕业生就业数据、在院生数据；所述科学研究对应的二级指标包括学术论文发表情况、学术成果转换情况；所述为军服务对应的二级指标包括社会任务参与数据、演习任务参与数据。
9.可选的，所述初始bp神经网络模型为三层结构，包括输入层、隐含层和输出层，将所述二级指标作为所述初始bp神经网络模型的输入，评估等级作为初始bp神经网络的输出。
10.可选的，在所述初始bp神经网络模型中，所述输入层到所述隐含层的函数为：
[0011][0012]
其中，n为输入层神经元个数，v
ij
为输入层第i个神经元到隐含层第j个神经元的权重，i＝1,2,...,n，j＝1,2,...,n。
[0013]
可选的，根据所述医院学科评估体系，对所述一级指标和所述二级指标进行主客观评价，计算所述待评估学科的综合权重值，将所述综合权重值作为所述初始bp神经网络模型的初始权值进行学习训练。
[0014]
可选的，基于三角模糊数确定所述一级指标和所述二级指标的主观权重，利用熵权法确定所述一级指标和所述二级指标的客观权重。
[0015]
可选的，还包括对采集的所述待评估学科的一级指标数据以及二级指标数据进行数据清洗处理，并对进行数据清洗处理后的数据进行归一化处理。
[0016]
另一方面，提供一种基于神经网络的军队总医院学科评估方法，包括依次相连的评估体系确定模块、神经网络模型建立模块、评估模块；其中，
[0017]
所述评估体系确定模块，用于确定待评估学科并根据所述待评估学科建立医院学科评估体系，所述医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；
[0018]
所述神经网络模型建立模块，用于建立初始bp神经网络模型，利用二级指标数据训练所述初始bp神经网络模型，得到优化好的bp神经网络模型；
[0019]
所述评估模块，用于将采集的二级指标数据输入优化好的bp神经网络模型中，得到所述待评估学科的评估结果。
[0020]
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于神经网络的军队总医院学科评估方法及系统，具有以下有益的技术效果：通过建立学科评估体系，从临床工作、师资队伍与资源、人才培养、科学研究、为军服务五个维度对军队高水平医院学科间进行全方位纵向对比评估，实现学科模拟自评估，采用神经网络算法进行学科评估，解决了传统评估算法需要人为判定权重，过度依赖于人的主观评价从而导致评估准确率较低的问题。
附图说明
[0021]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0022]
图1为本发明的方法流程图；
[0023]
图2为本发明的系统结构图。
具体实施方式
[0024]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
[0025]
本发明实施例公开了一种基于神经网络的军队总医院学科评估方法，如图1所示，具体步骤包括如下：
[0026]
s1、确定待评估学科并根据待评估学科建立医院学科评估体系，医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；
[0027]
s2、建立初始bp神经网络模型，利用二级指标数据训练初始bp神经网络模型，得到优化好的bp神经网络模型；
[0028]
s3、将采集的二级指标数据输入优化好的bp神经网络模型中，得到待评估学科的评估结果。
[0029]
进一步的，一级指标包括临床工作、师资队伍与资源、人才培养、科学研究、为军服务；临床工作对应的二级指标包括日平均门诊量、住院人数；师资队伍与资源对应的二级指标包括师资数量、师资质量、学科支持平台数量；人才培养对应的二级指标包括毕业生就业数据、在院生数据；科学研究对应的二级指标包括学术论文发表情况、学术成果转换情况；为军服务对应的二级指标包括社会任务参与数据、演习任务参与数据。
[0030]
根据医院学科评估体系，对一级指标和二级指标进行主客观评价，计算待评估学科的综合权重值，将综合权重值作为初始bp神经网络模型的初始权值进行学习训练。
[0031]
进一步的，基于三角模糊数确定一级指标和二级指标的主观权重，具体方式为：
[0032]
s11、专家们根据经验和不同业务，对二级指标的重要程度进行打分，每人得到一个判决矩阵；
[0033]
s12、将专家们的判决矩阵整合到一个判决矩阵中，并确定三角模糊数；
[0034]
s13、根据三角模糊数确定各属性间的重要程度；
[0035]
s14、对模糊矩阵进行对齐变换计算各二级指标的主观权重值。
[0036]
利用熵权法确定一级指标和二级指标的客观权重，公式为：
[0037][0038]
其中，为客观权重，ej为第j项指标的信息熵值，ek为第k项指标的信息熵值，e
l
为第l项指标的信息熵值。
[0039]
还包括对采集的待评估学科的一级指标数据以及二级指标数据进行数据清洗处理，并对进行数据清洗处理后的数据进行归一化处理。
[0040]
另外，当训练样本数据较少或者训练过度时，通常会出现算法模型过拟合的情况，即随着模型复杂度的增加，虽然在训练集的输出误差逐渐减小，但在验证数据集上的误差却逐渐增大，这会导致模型的泛化能力较差，严重影响神经网络模型的性能，为此，在神经网络模型的训练过程中利用正则化方法防止模型出现过拟合的情况。
[0041]
进一步的，初始bp神经网络模型为三层结构，包括输入层、隐含层和输出层，将二级指标作为初始bp神经网络模型的输入，评估等级作为初始bp神经网络的输出。
[0042]
在初始bp神经网络模型中，输入层到隐含层的函数为：
[0043]
[0044]
其中，n为输入层神经元个数，v
ij
为输入层第i个神经元到隐含层第j个神经元的权重，i＝1,2,...,n，j＝1,2,...,n。
[0045]
评估等级分为5个等级：
[0046]
8≤综合得分≤10，评估等级为好；
[0047]
6≤综合得分《8，评估等级为较好；
[0048]
4≤综合得分《6，评估等级为一般；
[0049]
0.2≤综合得分《4，评估等级为较差；
[0050]
0≤综合得分《2，评估等级为差。
[0051]
本发明实施例2提供一种基于神经网络的军队总医院学科评估方法，如图2所示，包括依次相连的评估体系确定模块、神经网络模型建立模块、评估模块；其中，
[0052]
评估体系确定模块，用于确定待评估学科并根据待评估学科建立医院学科评估体系，医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；
[0053]
神经网络模型建立模块，用于建立初始bp神经网络模型，利用二级指标数据训练初始bp神经网络模型，得到优化好的bp神经网络模型；
[0054]
评估模块，用于将采集的二级指标数据输入优化好的bp神经网络模型中，得到待评估学科的评估结果。
[0055]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0056]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于神经网络的军队总医院学科评估方法，其特征在于，具体步骤包括如下：确定待评估学科并根据所述待评估学科建立医院学科评估体系，所述医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；建立初始bp神经网络模型，利用二级指标数据训练所述初始bp神经网络模型，得到优化好的bp神经网络模型；将采集的二级指标数据输入优化好的bp神经网络模型中，得到所述待评估学科的评估结果。2.根据权利要求1所述的一种基于神经网络的军队总医院学科评估方法，其特征在于，所述一级指标包括临床工作、师资队伍与资源、人才培养、科学研究、为军服务；所述临床工作对应的二级指标包括日平均门诊量、住院人数；所述师资队伍与资源对应的二级指标包括师资数量、师资质量、学科支持平台数量；所述人才培养对应的二级指标包括毕业生就业数据、在院生数据；所述科学研究对应的二级指标包括学术论文发表情况、学术成果转换情况；所述为军服务对应的二级指标包括社会任务参与数据、演习任务参与数据。3.根据权利要求1所述的一种基于神经网络的军队总医院学科评估方法，其特征在于，所述初始bp神经网络模型为三层结构，包括输入层、隐含层和输出层，将所述二级指标作为所述初始bp神经网络模型的输入，评估等级作为初始bp神经网络的输出。4.根据权利要求3所述的一种基于神经网络的军队总医院学科评估方法，其特征在于，在所述初始bp神经网络模型中，所述输入层到所述隐含层的函数为：其中，n为输入层神经元个数，v
ij
为输入层第i个神经元到隐含层第j个神经元的权重，i＝1,2,...,n，j＝1,2,...,n。5.根据权利要求1所述的一种基于神经网络的军队总医院学科评估方法，其特征在于，根据所述医院学科评估体系，对所述一级指标和所述二级指标进行主客观评价，计算所述待评估学科的综合权重值，将所述综合权重值作为所述初始bp神经网络模型的初始权值进行学习训练。6.根据权利要求5所述的一种基于神经网络的军队总医院学科评估方法，其特征在于，基于三角模糊数确定所述一级指标和所述二级指标的主观权重，利用熵权法确定所述一级指标和所述二级指标的客观权重。7.根据权利要求1所述的一种基于神经网络的军队总医院学科评估方法，其特征在于，还包括对采集的所述待评估学科的一级指标数据以及二级指标数据进行数据清洗处理，并对进行数据清洗处理后的数据进行归一化处理。8.一种基于神经网络的军队总医院学科评估方法，其特征在于，包括依次相连的评估体系确定模块、神经网络模型建立模块、评估模块；其中，所述评估体系确定模块，用于确定待评估学科并根据所述待评估学科建立医院学科评估体系，所述医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；所述神经网络模型建立模块，用于建立初始bp神经网络模型，利用二级指标数据训练所述初始bp神经网络模型，得到优化好的bp神经网络模型；
所述评估模块，用于将采集的二级指标数据输入优化好的bp神经网络模型中，得到所述待评估学科的评估结果。

技术总结
本发明公开了一种基于神经网络的军队总医院学科评估方法及系统，涉及医院学科评估技术领域。具体步骤为：确定待评估学科并根据所述待评估学科建立医院学科评估体系，所述医院学科评估体系包括一级指标以及所述一级指标对应的二级指标；建立初始BP神经网络模型，利用二级指标数据训练所述初始BP神经网络模型，得到优化好的BP神经网络模型；将采集的二级指标数据输入优化好的BP神经网络模型中，得到所述待评估学科的评估结果。本发明从五个维度对军队高水平医院学科间进行全方位纵向对比评估，采用神经网络算法进行学科评估，解决了传统评估算法需要人为判定权重，过度依赖于人的主观评价从而导致评估准确率较低的问题。主观评价从而导致评估准确率较低的问题。主观评价从而导致评估准确率较低的问题。


技术研发人员：于伯洋 张鹭鹭 赵方捷 刘同同 唐康 朱阳杰 林烨
受保护的技术使用者：中国人民解放军海军军医大学
技术研发日：2022.10.09
技术公布日：2023/7/25