一种诊疗机构的监管方法与流程

1.本发明属于诊疗机构管理领域，具体涉及一种诊疗机构的监管方法。


背景技术：

2.受医药管控的要求，所有诊疗机构都必须具有经营证照，经营证照包含了诊疗机构的经营信息(法人、经营地址、经营范围和有效期限等)，当诊疗机构在各类采购平台进行药品采购时，都需要向采购平台提交经营证照信息，经采购平台审核后，根据诊疗机构的经营范围向其提供药品采购服务。
3.在现有技术中，通过人工操作对诊疗机构的经营证照进行审核，并手动录入系统，当经营效期临近时又由人工进行复核，并提示其重新提交审核。但是，诊疗机构的数量庞大，通过人工进行审核，造成耗时较长、人工成本较大和容易出错的问题。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种诊疗机构的监管方法解决了现有技术中存在的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：一种诊疗机构的监管方法，包括：
6.获取经营证照图片，并对经营证照图片进行预处理，得到预处理图片；
7.对预处理图片进行文字识别，得到经营信息；
8.根据经营信息，对诊疗机构进行监管。
9.进一步地，所述对经营证照图片进行预处理，包括：对经营证照图片进行灰度化、中值滤波、二值化、倾斜矫正、平滑去噪以及字符分割，得到预处理图片。
10.进一步地，所述对预处理图片进行文字识别，得到经营信息，包括：
11.构建训练数据集；
12.以bp神经网络作为文字识别器，根据训练数据集对文字识别器进行训练；
13.通过训练后的文字识别器对预处理图片进行识别，得到经营信息。
14.进一步地，所述训练数据集包括若干训练图像及训练图像对应的文字信息。
15.进一步地，所述以bp神经网络作为文字识别器，根据训练数据集对文字识别器进行训练，包括：
16.以bp神经网络作为文字识别器，构建误差函数；
17.将训练图像输入文字识别器进行识别，得到识别结果；
18.根据识别结果以及训练图像对应的文字信息，通过误差函数获取误差值；
19.判断误差值是否在设定的阈值范围内，若是，则训练完成，否则，对文字识别器的权值进行调整，并重新将训练图像输入文字识别器进行识别，直至误差值在设定的阈值范围内，训练完成。
20.进一步地，所述误差函数为：
[0021][0022]
其中，e表示误差值，dk表示文字识别器的输出层中第k个神经元的期望输出值，k＝1,2,
…
,l，l表示输出层的神经元总数，f(*)表示转移函数，w
jk
表示隐含层中第j个神经元到输出层中第k个神经元的权值，j＝1,2,
…
,m，m表示隐含层的神经元总数，v
ij
表示输入层中第i个神经元到隐含层中第j个神经元的权值，i＝1,2,
…
,n，n表示输入层的神经元总数，xi表示输入层中第i个神经元的输入值。
[0023]
进一步地，所述对文字识别器的权值进行调整，包括：
[0024]
δw
jk
＝η(d
k-ok)ok(1-ok)yj[0025][0026]
其中，δw
jk
表示调整后的权值w
jk
，δv
ij
表示调整后的权值v
ij
，η表示学习率，ok表示输出层中第k个神经元的实际望输出值，yj表示隐含层中第j个神经元的输出值。
[0027]
进一步地，所述经营信息包括经营范围、经营效期以及经营地址。
[0028]
进一步地，所述根据经营信息，对诊疗机构进行监管，包括：
[0029]
根据经营范围和经营地址，对诊疗机构的经营药品进行监管；
[0030]
根据经营效期，对诊疗机构的经营资质进行监管。
[0031]
进一步地，所述根据经营范围和经营地址，对诊疗机构的经营药品进行监管，包括：
[0032]
获取诊疗机构经营药品信息，并根据经营药品信息，判断诊疗机构的经营药品是否位于经营范围内，若是，则根据经营地址进行判断，否则生成经营异常信息；
[0033]
获取经营地址所在地规定的药品经营范围，并判断经营药品是否位于规定的药品经营范围内，若是，则判定诊疗机构的经营药品正常，否则生成经营异常信息；
[0034]
所述根据经营效期，对诊疗机构的经营资质进行监管，包括：判断诊疗机构的当前经营时间是否位于经营效期内，若是，则判定诊疗机构的经营资质正常，否则生成经营异常信息。
[0035]
本发明的有益效果为：
[0036]
(1)本发明提供了一种诊疗机构的监管方法，通过自动识别经营证照图片中的经营信息，降低了审核时间和人工成本，并且解决了人工识别容易出错的问题。
[0037]
(2)本发明对经营信息进行识别以及判断，实现了对诊疗机构的经营药品和经营资质的监管。
附图说明
[0038]
图1为本技术实施例提供的一种诊疗机构的监管方法。
[0039]
图2为本技术实施例提供的一种诊疗机构的监管装置。
[0040]
图3为本技术实施例提供的一种诊疗机构的监管设备。
[0041]
其中，201-获取模块、202-识别模块、203-监管模块、300-监管设备、301-存储器、302-处理器、303-总线。
具体实施方式
[0042]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0043]
下面结合附图详细说明本发明的实施例。
[0044]
如图1所示，一种诊疗机构的监管方法，包括：
[0045]
s101、获取经营证照图片，并对经营证照图片进行预处理，得到预处理图片。
[0046]
通过对经营证照图片进行预处理，使经营证照图片中的文字信息更加容易被识别，保证了最终识别结果的准确性。例如，对经营证照进行灰度化操作，在保证了主要信息不丢失的前提下，将经营证照图片由高数据量转化为低数据量文件，加快了文字识别速度。
[0047]
s102、对预处理图片进行文字识别，得到经营信息。
[0048]
经营信息是指经营证照上的信息，例如：法人、经营范围、经营效期和经营地址等。可以设置匹配模板，识别对应区域的文字信息后，将文字信息填入匹配模板中，从而得到经营信息，更加方便查询。
[0049]
s103、根据经营信息，对诊疗机构进行监管。
[0050]
对诊疗机构进行监管是指对其资质或者经营药品的监管，例如：从诊疗机构的销售平台上获取其经营药品信息，并监管经营药品是否位于经营范围内，若是，则经营正常，否则经营不正常。
[0051]
在一种可能的实施方式中，所述对经营证照图片进行预处理，包括：对经营证照图片依次进行灰度化、中值滤波、二值化、倾斜矫正、平滑去噪以及字符分割，得到预处理图片。
[0052]
在本实施例中，灰度化包括：获取经营证照图片的灰度值，所述灰度值p为：
[0053]
p＝(r g b)/3
[0054]
其中，r表示经营证照图片的红色亮度值，g表示经营证照图片的绿色亮度值，b表示经营证照图片的蓝色亮度值。
[0055]
使经营证照图片的红色亮度值r、绿色亮度值g以及蓝色亮度值b均与灰度值p相等，完成灰度化。
[0056]
在本实施例中，二值化为：
[0057][0058]
t表示阈值，当经营证照图片中像素点(x，y)的灰度值p大于阈值t时，将该像素点(x，y)表示为pix(x,y)＝1；当经营证照图片中像素点(x，y)的灰度值p小于阈值t时，将该像素点(x，y)表示为pix(x,y)＝0，pix(x,y)表示二值化后的像素点。
[0059]
在本实施例中，采用投影法、直线拟合法或者hough变化法，确定经营证照图片是否倾斜，若是，则进行倾斜矫正，否则不进行倾斜矫正。
[0060]
可选的，对经营证照图片进行预处理还可以包括图像增强处理和归一化等可以增加最终识别准确度的处理，值得说明的是，此处仅仅是作为一种举例。
[0061]
在一种可能的实施方式中，所述对预处理图片进行文字识别，得到经营信息，包括：
[0062]
构建训练数据集。
[0063]
以bp(back propagation)神经网络作为文字识别器，根据训练数据集对文字识别器进行训练。
[0064]
通过训练后的文字识别器对预处理图片进行识别，得到经营信息。
[0065]
在一种可能的实施方式中，所述训练数据集包括若干训练图像及训练图像对应的文字信息。
[0066]
在一种可能的实施方式中，所述以bp神经网络作为文字识别器，根据训练数据集对文字识别器进行训练，包括：
[0067]
以bp神经网络作为文字识别器，构建误差函数。
[0068]
将训练图像输入文字识别器进行识别，得到识别结果。
[0069]
根据识别结果以及训练图像对应的文字信息，通过误差函数获取误差值。
[0070]
在本实施例中，将训练图像对应的文字信息作为期望输出，通过识别结果与期望输出进行对比，则可以得到误差值。通过对文字识别器进行训练，使误差值小于一定阈值后，则训练完成。
[0071]
判断误差值是否在设定的阈值范围内，若是，则训练完成，否则，对文字识别器的权值进行调整，并重新将训练图像输入文字识别器进行识别，直至误差值在设定的阈值范围内，训练完成。
[0072]
在本实施例中，输入训练图像的向量为x＝(x1,x2,...,xi,...,xn)
t
，输出结果向量为o＝(o1,o2,...,ok,...,o
l
)
t
；训练图像对应的文字信息向量为d＝(d1,d2,...,dk,...,d
l
)
t
，则输出层的期望输出向量为d＝(d1,d2,...,dk,...,d
l
)
t
。
[0073]
在一种可能的实施方式中，所述误差函数为：
[0074][0075]
其中，e表示误差值，dk表示文字识别器的输出层中第k个神经元的期望输出值，k＝1,2,
…
,l，l表示输出层的神经元总数，f(*)表示转移函数，w
jk
表示隐含层中第j个神经元到输出层中第k个神经元的权值，j＝1,2,
…
,m，m表示隐含层的神经元总数，v
ij
表示输入层中第i个神经元到隐含层中第j个神经元的权值，i＝1,2,
…
,n，n表示输入层的神经元总数，xi表示输入层中第i个神经元的输入值。
[0076]
通过构建误差函数对文字识别器进行训练，可以使最终得到文字识别器的准确率更高，保证了识别效果，解决了现有技术中依靠人工识别，导致的出错问题。
[0077]
在一种可能的实施方式中，所述对文字识别器的权值进行调整，包括：
[0078]
δw
jk
＝η(d
k-ok)ok(1-ok)yj[0079][0080]
其中，δw
jk
表示调整后的权值w
jk
，δv
ij
表示调整后的权值v
ij
，η表示学习率，η的取值范围在0-1之间，ok表示输出层中第k个神经元的实际望输出值，yj表示隐含层中第j个神
经元的输出值。
[0081]
可选的，输出层的输出信号为：
[0082]
ok＝f(netk)
[0083][0084]
隐含层的输出信号为：
[0085]
yj＝f(netj)
[0086][0087]
转移函数f(*)可以为：
[0088][0089]
在本实施例中，误差函数可以通过以下方式获取：
[0090][0091]
将ok进行代换，可以得到：
[0092][0093]
将yj进行代换，可以得到最终的误差函数：
[0094][0095]
在本实施例中，可以采用自适应学习率调整方法，加快训练速度，自适应学习率调整具体为：
[0096][0097]
其中，η(t)表示本次训练的学习率；η(t 1)表示调整后的学习率，也就是下次训练的学习率；e(t)表示本次训练误差，e(t-1)表示上次训练误差；t表示第t次训练，也就是本次训练。
[0098]
当本次训练的误差值e(t)小于上次训练误差值e(t-1)时，则将学习率调整至1.05倍；当本次训练的误差值e(t)大于上次训练误差值e(t-1)*1.10时，则将学习率调整至0.85倍；其他情况下，学习率不变。
[0099]
在一种可能的实施方式中，所述经营信息包括经营范围、经营效期以及经营地址。
[0100]
经营范围是指诊疗机构可以售卖的药品范围，经营效期是指诊疗机构的经营证照的有效经营期限，经营地址是指诊疗机构所在的注册地址。
[0101]
在一种可能的实施方式中，所述根据经营信息，对诊疗机构进行监管，包括：
[0102]
根据经营范围和经营地址，对诊疗机构的经营药品进行监管。
[0103]
根据经营效期，对诊疗机构的经营资质进行监管。
[0104]
在一种可能的实施方式中，所述根据经营范围和经营地址，对诊疗机构的经营药品进行监管，包括：
[0105]
获取诊疗机构经营药品信息，并根据经营药品信息，判断诊疗机构的经营药品是否位于经营范围内，若是，则根据经营地址进行判断，否则生成经营异常信息。
[0106]
获取经营地址所在地规定的药品经营范围，并判断经营药品是否位于规定的药品经营范围内，若是，则判定诊疗机构的经营药品正常，否则生成经营异常信息。
[0107]
经营地址所在地规定的药品经营范围是指，经营地址所在地的政府允许在该区域销售的药品范围。
[0108]
所述根据经营效期，对诊疗机构的经营资质进行监管，包括：判断诊疗机构的当前经营时间是否位于经营效期内，若是，则判定诊疗机构的经营资质正常，否则生成经营异常信息。
[0109]
可选的，可以在销售平台上爬取诊疗机构的经营药品信息。
[0110]
如图2所示，提供一种诊疗机构的监管装置，包括获取模块201、识别模块202以及监管模块203。
[0111]
获取模块201用于获取经营证照图片，并对经营证照图片进行预处理，得到预处理图片。
[0112]
识别模块202用于对预处理图片进行文字识别，得到经营信息。
[0113]
监管模块203用于根据经营信息，对诊疗机构进行监管。
[0114]
在一种可能的实施方式中，获取模块201具体用于，对经营证照图片进行灰度化、中值滤波、二值化、倾斜矫正、平滑去噪以及字符分割，得到预处理图片。
[0115]
在一种可能的实施方式中，识别模块202具体用于，构建训练数据集；以bp神经网络作为文字识别器，根据训练数据集对文字识别器进行训练；通过训练后的文字识别器对预处理图片进行识别，得到经营信息。
[0116]
可选的，以bp神经网络作为文字识别器，根据训练数据集对文字识别器进行训练，包括：以bp神经网络作为文字识别器，构建误差函数；将训练图像输入文字识别器进行识别，得到识别结果；根据识别结果以及训练图像对应的文字信息，通过误差函数获取误差值；判断误差值是否在设定的阈值范围内，若是，则训练完成，否则，对文字识别器的权值进行调整，并重新将训练图像输入文字识别器进行识别，直至误差值在设定的阈值范围内，训练完成。
[0117]
误差函数为：
[0118][0119]
其中，e表示误差值，dk表示文字识别器的输出层中第k个神经元的期望输出值，k＝1,2,
…
,l，l表示输出层的神经元总数，f(*)表示转移函数，w
jk
表示隐含层中第j个神经元到输出层中第k个神经元的权值，j＝1,2,
…
,m，m表示隐含层的神经元总数，v
ij
表示输入层中第i个神经元到隐含层中第j个神经元的权值，i＝1,2,
…
,n，n表示输入层的神经元总数，xi表示输入层中第i个神经元的输入值。
[0120]
对文字识别器的权值进行调整，包括：
[0121]
δw
jk
＝η(d
k-ok)ok(1-ok)yj[0122][0123]
其中，δw
jk
表示调整后的权值w
jk
，δv
ij
表示调整后的权值v
ij
，η表示学习率，ok表示输出层中第k个神经元的实际望输出值，yj表示隐含层中第j个神经元的输出值。
[0124]
可选的，经营信息包括经营范围、经营效期以及经营地址。
[0125]
在一种可能的实施方式中，监管模块203具体用于，根据经营信息，对诊疗机构进行监管，包括：根据经营范围和经营地址，对诊疗机构的经营药品进行监管；根据经营效期，对诊疗机构的经营资质进行监管。
[0126]
可选的，根据经营范围和经营地址，对诊疗机构的经营药品进行监管，包括：获取诊疗机构经营药品信息，并根据经营药品信息，判断诊疗机构的经营药品是否位于经营范围内，若是，则根据经营地址进行判断，否则生成经营异常信息；获取经营地址所在地规定的药品经营范围，并判断经营药品是否位于规定的药品经营范围内，若是，则判定诊疗机构的经营药品正常，否则生成经营异常信息。
[0127]
可选的，根据经营效期，对诊疗机构的经营资质进行监管，包括：判断诊疗机构的当前经营时间是否位于经营效期内，若是，则判定诊疗机构的经营资质正常，否则生成经营异常信息。
[0128]
如图3所示，提供一种诊疗机构的监管设备，该监管设备300可以包括存储器301和处理器302。示例性地，存储器301、处理器302，各部分之间通过总线303相互连接。
[0129]
所述存储器301存储计算机执行指令；
[0130]
所述处理器302执行所述存储器存储的计算机执行指令，使得所述处理器执行上述任一所示的诊疗机构的监管方法。
[0131]
图3实施例所示的诊疗机构的监管设备可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
[0132]
本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现上述任一所示的诊疗机构的监管方法。
[0133]
本技术实施例还可以提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一所示的诊疗机构的监管方法。
[0134]
本发明提供了一种诊疗机构的监管方法，通过自动识别经营证照图片中的经营信息，降低了审核时间和人工成本，并且解决了人工识别容易出错的问题。本发明对经营信息进行识别以及判断，实现了对诊疗机构的经营药品和经营资质的监管。
[0135]
本技术实施例是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理单元以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理单元执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功
能的装置。
[0136]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0137]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0138]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。