同類熱銷排行榜

遠程會診智能服務途徑與方法

作者：喬岩|責編:吳潔
出版社：清華大學
ISBN：9787302705208

出版日期：2025/12/01
裝幀：平裝
頁數：176

人民幣：RMB 99 元售價：元

內容大鋼

    本書圍繞遠程會診智能服務途徑與方法展開研究，提出一系列模型與策略以提升遠程會診服務效率與質量。
    首先在遠程會診智能分診方面，構建BTB智能分診模型，經實證分析該模型性能良好。專家推薦研究中，提出基於多粒度特徵提取的遠程醫療專家推薦模型，實驗結果證明其有效性。需求預測部分，構建Self-Attention-LSTM模型實現對遠程會診需求的準確預測。
    服務時長預測研究構建ATT-FC-LSTM模型，可有效預測服務時長。預約調度研究從考慮服務時長、不確定環境、實時調度三個角度分別展開，提出相應調度策略與求解方法。
    最後總結研究結論，給出管理啟示，並對未來研究方向進行展望，為遠程會診智能服務的進一步發展提供理論支持與實踐指導。

作者介紹

喬岩|責編:吳潔
喬岩，鄭州大學管理工程學院講師，博士畢業於北京理工大學，2019-2020年在美國普渡大學生物醫學工程學行為期一年的訪學。在Telemedicine and e-Health和Technology and Health Care等SCI刊源期刊上以作者文多篇，在管理科學高質量期刊FMS中文T1檔期刊《中國管理科學》以作者發表1篇，並參與多項國家自然科學項目。主要研究興趣為與健康的數據分析與決策。

第1章  遠程會診智能分診研究
  1.1  研究背景
    1.1.1  遠程醫療中的人工分診困境
    1.1.2  遠程會診申請文本特徵及挑戰
    1.1.3  BTB智能分診模型的提出
  1.2  文獻綜述
    1.2.1  文本分類
    1.2.2  遠程會診平台智能分診研究
    1.2.3  基於深度學習模型的分類演算法研究
  1.3  研究模型
    1.3.1  BERT模型背景
    1.3.2  TextCNN的演進之路
    1.3.3  雙層BiGRU的發展軌跡
    1.3.4  BERT-TextCNN-雙層BiGRU模型的融合
    1.3.5  研究框架
    1.3.6  BTB模型
    1.3.7  評價指標
    1.3.8  損失函數及訓練參數
  1.4  實證分析
    1.4.1  數據準備
    1.4.2  數據預處理
    1.4.3  實驗配置
    1.4.4  對比實驗配置
  1.5  實驗結果與分析
    1.5.1  推薦科室的數量對性能的影響
    1.5.2  模型響應速度對比
    1.5.3  模型性能對比
    1.5.4  模型收斂性分析
    1.5.5  參數分析
    1.5.6  消融實驗
    1.5.7  損失值與準確度
  1.6  本章小結
    1.6.1  價值體現
    1.6.2  局限和未來展望
第2章  遠程會診專家推薦研究
  2.1  研究背景
  2.2  文獻綜述
    2.2.1  基於文本挖掘的特徵提取
    2.2.2  醫生推薦系統
  2.3  基於多粒度特徵提取的遠程醫療專家推薦模型
    2.3.1  專家推薦框架
    2.3.2  特徵提取層
    2.3.3  專家推薦層
    2.3.4  模型評價方法
  2.4  實驗與結果分析
    2.4.1  特徵提取層數據集及預處理
    2.4.2  多粒度特徵
    2.4.3  基於深度神經網路的專家推薦
    2.4.4  結果分析
    2.4.5  可解釋性分析

  2.5  本章小結
第3章  遠程會診需求預測研究
  3.1  研究背景
  3.2  模型構建
    3.2.1  多元回歸分析
    3.2.2  長短期記憶神經網路
    3.2.3  注意力機制
    3.2.4  Self-Attention-LSTM模型
    3.2.5  模型評價指標
  3.3  實證分析
    3.3.1  數據預處理
    3.3.2  超參數設置
    3.3.3  結果分析
  3.4  本章小結
第4章  遠程會診服務時長預測研究
  4.1  研究背景
  4.2  文獻綜述
  4.3  研究內容與框架
  4.4  預測模型演算法
    4.4.1  LSTM
    4.4.2  全連接層
    4.4.3  注意力機制
    4.4.4  ATT-FC-LSTM
  4.5  遠程會診服務時長預測模型構建
    4.5.1  數據預處理
    4.5.2  特徵選擇
    4.5.3  模型參數選取
    4.5.4  評估指標
  4.6  多模型預測結果評估與特徵重要性分析
    4.6.1  會診服務時長統計分析
    4.6.2  回歸預測結果
    4.6.3  分類預測結果
    4.6.4  特徵重要性分析
  4.7  本章小結
第5章  考慮服務時長的遠程會診預約調度研究
  5.1  研究背景
  5.2  文獻綜述
    5.2.1  伺服器分配決策
    5.2.2  伺服器不準時的預約安排
    5.2.3  具有排序決策的預約調度
    5.2.4  文獻述評
  5.3  預約調度系統設計
    5.3.1  分配規則
    5.3.2  排序規則
    5.3.3  基於服務時長預測結果的新排序規則
  5.4  遠程會診預約調度效果評估
  5.5  實驗和結果
    5.5.1  實驗設置
    5.5.2  基於機器學習的服務時長預測對預約調度的影響
    5.5.3  新排序規則對預約調度的影響

  5.6  本章小結
第6章  不確定環境下遠程會診預約調度研究
  6.1  研究背景
  6.2  文獻綜述
    6.2.1  遠程會診調度研究
    6.2.2  專家和患者的不準時行為
    6.2.3  患者當天到達行為
  6.3  問題假設和數學模型
    6.3.1  問題假設
    6.3.2  不考慮當天到達患者的遠程會診患者調度策略
    6.3.3  考慮當天到達患者的遠程會診患者調度策略
  6.4  求解方法
    6.4.1  GUROBI
    6.4.2  VNS
  6.5  數值實驗
    6.5.1  實證統計與參數設定
    6.5.2  比較分析
    6.5.3  模型1和模型2的數值分析
  6.6  本章小結
第7章  考慮不確定行為的遠程會診實時調度研究
  7.1  研究背景
  7.2  文獻綜述
    7.2.1  遠程會診靜態調度
    7.2.2  遠程會診動態調度
  7.3  模型框架
    7.3.1  問題假設與變數設置
    7.3.2  靜態調度模型
    7.3.3  動態調度模型
  7.4  求解方法
    7.4.1  基於樣本平均近似的方法
    7.4.2  SVILS演算法
    7.4.3  基於貪婪演算法的滾動時域優化（GRHO）
  7.5  數值分析
    7.5.1  實證統計與參數設定
    7.5.2  靜態調度演算法性能驗證
    7.5.3  動態調度演算法性能驗證
    7.5.4  對比分析
  7.6  本章小結
第8章  結論與展望
  8.1  結論
  8.2  管理啟示
  8.3  研究展望
術語縮寫對照表

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

遠程會診智能服務途徑與方法