-
医务人员对电子病历系统的认知和满意度分析
来源:医学信息 发布日期:2020-06-01
目的了解医务人员对电子病历系统的认知现状和使用满意度。方法 2019年1～2月采用方便抽样法选取四川2所三级医院402名医务人员,对其使用医院电子病历系统的情况进行问卷调查,分析其使用电子病历系统的认知情况和满意度。结果电子病历系统的主要缺陷为信息不完整(47.51%)和信息不准确(39.06%);医务人员对电子病历系统认知的积极反应率为35.84%,满意度为41.04%。电子病历系统的支持和沟通
-
基于区块链的电子病历数据共享方案
来源:自动化学报 发布日期:2020-05-26
以区块链为数据存储平台的电子病历系统是当下研究的热点.存储在区块链上的数据是不可变的,这加强了数据的安全性.本文提出了一个基于区块链的电子病历数据共享方案,实现了患者和第三方数据用户在不侵犯患者隐私的前提下共享患者电子病历.本文使用私有链与联盟链构造方案的系统模型,医院服务器上存储患者的电子病历密文,私有链上存储患者病历密文的哈希值和关键字索引,联盟链上存储由关键字索引构成的安全索引.同时本文利用
-
基于区块链的电子病历系统的设计
来源:产业科技创新 发布日期:2020-05-25
现如今,大多医疗电子病历采用的是中心化的储存方式,患者的电子病历由各个医院进行集中储存,随着时代的发展这种储存方式的弊端也慢慢展现了出来——病历数据容易泄露,信息共享不够快捷等等。而近年来兴起的区块链技术非常有效的解决了中心化的储存方式的弊端。文章研究的基于区块链技术的电子病历系统能够有效的防止用户信息被泄露、被篡改,更加快捷的实现数据共享的安全的储存方式。文章设计的系统设计是基于区块链Hyper
-
品管圈提高电子病历签名正确率的效果分析
来源:福建电脑 发布日期:2020-05-25
为分析研究品管圈对提高电子病历签名正确率的效果,本文随机选取2018年2月共240份电子病历作为品管圈实施前,2018年5月共252份电子病历作为品管圈实施后,以电子病历签名正确率作为主题,对品管圈实施前和实施后的正确率进行调查和要因分析,并制定出相应的措施。结果显示,品管圈活动后的电子病历签名正确率为96.03%,显著高于活动前的72.92%(P<0.05)。因此,品管圈可以显著提高电子病历签名
-
结构化电子病历的设计与应用
来源:信息系统工程 发布日期:2020-05-20
论文对结构化电子病历产生的背景、遇到的困难进行了概述,从技术角度分析了结构化电子病历模板的设计结构,并论述了电子病历模板的实现和应用,最后探讨了结构化电子病历实现的意义。该系统的实现具有一定的临床参考价值,并可以为其他医院建设电子病历提供参考方案。
-
面向电子病历的单向多跳身份基条件代理重加密方案
来源:医疗卫生装备 发布日期:2020-05-15
目的 :提出一种单向多跳的身份基条件代理重加密(unidirectional multi-hop identity-based conditional proxy re-encryption,UMH-IB-CPRE)方案,以保障患者电子病历(electronic medical record,EMR)的安全性。方法:基于双线性映射和DBDH(decisional bilinear Diffie-H
-
基于多通道自注意力机制的电子病历实体关系抽取
来源:计算机学报 发布日期:2020-05-15
电子病历是临床治疗过程中患者病情及治疗流程的重要载体之一,其中各类实体间关系包含了大量与患者健康相关的医学信息.因此,对电子病历文本的深度挖掘是获取医学知识、分析患者病情的有效手段之一.实体的高密度分布以及实体间关系的交叉互联为电子病历实体关系的抽取带来了极大挑战,应用于通识领域的实体关系抽取方法也因此受到极大的限制.针对这一文本差异性,本文提出一种基于多通道自注意力机制的"recurrent+t
-
语音识别技术在电子病历中应用难点及对策分析
来源:中阿科技论坛(中英阿文) 发布日期:2020-05-10
本文对语音识别技术在电子病历中的相关应用难点进行了深入的分析,并针对其应用过程中存在的问题来提出一些具有建设性的解决对策,以期能够促进语音识别技术在医学领域中的进一步应用,减少医生的工作量,实现对电子病历的个性化输入。
-
基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用
来源:中国数字医学 发布日期:2020-04-15
目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量。方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文本进行清洗构建训练集后做特征编码,采用基于深度学习的BiLSTM网络算法,学习专科专病的语义信息。结果:分别基于BERT特征、独热编码、词向量三种文本表示,针对过往病历数据建立B
-
整合BiLSTM-CRF网络和词典资源的中文电子病历实体识别
来源:现代情报 发布日期:2020-03-30
[目的/意义]通过整合BiLSTM-CRF神经网络和具有先验领域知识的词典资源,提高中文电子病历领域中的实体识别效果。[方法/过程]采用BiLSTM-CRF神经网络模型,以CCKS-2017测评任务提供的脱敏中文电子病历数据为实验数据集,结合Word2Vec和外部词典构造神经网络的词嵌入输入改进实体识别模型。[结果/结论]与传统的CRF和单纯的BiLSTM-CRF模型相比,引入先验知识的词典资源可
027-87841330