領(lǐng)域知識(shí)圖譜的醫(yī)生推薦系統(tǒng)：利用BERT+CRF+BiLSTM的醫(yī)療實(shí)體識(shí)別，建立醫(yī)學(xué)知識(shí)圖譜，建立知識(shí)問(wèn)答系統(tǒng)

本項(xiàng)目主要實(shí)現(xiàn)了疾病自診和醫(yī)生推薦兩個(gè)功能并構(gòu)建了醫(yī)生服務(wù)指標(biāo)評(píng)價(jià)體系。疾病自診主要通過(guò)利用BERT+CRF+BiLSTM的醫(yī)療實(shí)體識(shí)別， 建立醫(yī)學(xué)知識(shí)圖譜， 從而實(shí)現(xiàn)基于患者問(wèn)診文本的疾病初診。這個(gè)功能幫助患者初步了解自身的疾病情況并為下一步與醫(yī)生的交流提供支持。 第二個(gè)功能是醫(yī)生推薦。本平臺(tái)采用基于Jacard距離的Minhash和minhashLSHForest算法來(lái)進(jìn)行推薦， 匹配患者的咨詢文本和醫(yī)生的歷史問(wèn)診信息，從而為患者推薦最適合的醫(yī)生。最后我們使用django框架進(jìn)行項(xiàng)目發(fā)布。

1.項(xiàng)目框架

2.數(shù)據(jù)采集

本項(xiàng)目除了使用公開(kāi)的醫(yī)療數(shù)據(jù)集外，還采集了中國(guó)領(lǐng)先醫(yī)療平臺(tái)的數(shù)據(jù)集。

spiders模塊提供了數(shù)據(jù)采集的信息。

39crawler用于獲取39健康網(wǎng)的數(shù)據(jù)，hdf用于獲取好大夫網(wǎng)的數(shù)據(jù)（scrapy）。

運(yùn)行程序在dist文件夾中，雙擊spider_run.exe即可運(yùn)行爬蟲(chóng)程序。

爬取指定的疾病信息，在disease.txt加入科室名稱（拼音）或者疾病名稱（拼音），每一個(gè)科室或者科室占據(jù)單獨(dú)一行。

無(wú)論你在disease.txt文件中添加多少行，爬蟲(chóng)只會(huì)爬取第一行對(duì)應(yīng)的科室或疾病，結(jié)果將在程序運(yùn)行完成后，輸出為doctor.csv，disease.csv。

如需爬取第二個(gè)疾病，請(qǐng)將第一行科室或者疾病刪去，重新運(yùn)行程序。

3.疾病自診

在疾病自診模塊，平臺(tái)會(huì)讀取用戶疾病描述的語(yǔ)義信息，首先進(jìn)行文本預(yù)處理，然后通過(guò)實(shí)體識(shí)別模型抽取出其中的關(guān)鍵成分，即：疾病癥狀、并發(fā)癥、身體部位等醫(yī)學(xué)實(shí)體。然后，這些醫(yī)學(xué)實(shí)體會(huì)輸入到平臺(tái)后端的知識(shí)圖譜（基于大規(guī)模數(shù)據(jù)集構(gòu)建）中。最終，通過(guò)知識(shí)圖譜的快速查詢和計(jì)算，平臺(tái)將返回基于患者疾病描述的疾病推斷以及相應(yīng)的概率值。同時(shí)，疾病相關(guān)的介紹、需要去就診的科室和疾病多發(fā)人群的相關(guān)信息也會(huì)推送給用戶。

3.1. 醫(yī)學(xué)實(shí)體識(shí)別

醫(yī)療實(shí)體識(shí)別是指從給定句子中識(shí)別出醫(yī)療實(shí)體。在本項(xiàng)目中，需要從患者咨詢的病情描述中識(shí)別出疾病、癥狀、科室等多種類型的醫(yī)療實(shí)體，找到與疾病特征相關(guān)的關(guān)鍵詞。

entity_extract模塊提供了有關(guān)醫(yī)學(xué)實(shí)體識(shí)別的有關(guān)信息。

由于模型過(guò)大因此并未放置在項(xiàng)目文件路徑下，見(jiàn)項(xiàng)目資料

輸入：汪主任您好，1月中旬常規(guī)體檢發(fā)現(xiàn)TCT高度病變，HPV未查，2020年hpv和tct正常。已經(jīng)在南京鼓樓醫(yī)院做了活檢，報(bào)告如下，診斷寫(xiě)的腫瘤，請(qǐng)問(wèn)現(xiàn)在這個(gè)是不是癌呢？是不是很?chē)?yán)重？因?yàn)橥尢『芎ε?，后續(xù)該怎么手術(shù)呢？十分迫切希望得到您的答復(fù)，不勝感激！ 輸出：{'test': [('hpv', 35), ('tct', 39), ('活檢', 56)], 'symptom': [('腫瘤', 68)], 'feature': [('嚴(yán)重', 87)]}使用示例：# predict.pyargs.bert_dir = '../data/bert-base-chinese' ?# 加載預(yù)訓(xùn)練的語(yǔ)義模型model_name = 'bert_bilstm_crf' ?# 使用的model類型：bert_bilstm， bert_bilstm_crf， bert_crf， bertid2query = pickle.load(open('../data/id2query.pkl', 'rb')) ?# 加載詞典ent2id_dict = pickle.load(open('../data/ent2id_dict.pkl', 'rb')) ?# 加載詞典args.num_tags = len(ent2id_dict) bertForNer = BertForNer(args, id2query) model_path = './checkpoints/{}/model.pt'.format(model_name) ?# 模型存儲(chǔ)路徑model = bert_ner_model.BertNerModel(args) ?# 根據(jù)參數(shù)實(shí)例化模型model, device = trainUtils.load_model_and_parallel(model, args.gpu_ids, model_path) ?# 模型加載model.eval() raw_text = "汪主任您好，1月中旬常規(guī)體檢發(fā)現(xiàn)TCT高度病變，HPV未查，2020年hpv和tct正常。已經(jīng)在南京鼓樓醫(yī)院做了活檢，報(bào)告如下，診斷寫(xiě)的腫瘤，請(qǐng)問(wèn)現(xiàn)在這個(gè)是不是癌呢？是不是很?chē)?yán)重？因?yàn)橥尢『芎ε?，后續(xù)該怎么手術(shù)呢？十分迫切希望得到您的答復(fù)，不勝感激！".strip().replace( ? ?'(', '（').replace(')', '）').replace('+', '&') ?# 患者輸入的自述文本print(raw_text) bertForNer.predict(raw_text, model, device) ?# 識(shí)別的醫(yī)學(xué)實(shí)體

3.2. 支持識(shí)別的實(shí)體類型

body：患病部位，如：胃，皮膚 drug ：藥品，如：產(chǎn)婦康清洗液 feature：患病程度，如：嚴(yán)重 disease：疾病，如：前列腺炎 symptom：疾病癥狀，如：胃壁增厚 department：科室，如：五官科test：疾病相關(guān)的檢查，如：血常規(guī)

3.3. 模型選擇

我們?cè)谟?xùn)練集上檢驗(yàn)了BERT、BERT+CRF、BERT+BiLSTM和BERT+BiLSTM+CRF各模型的準(zhǔn)確率、召回率和micro_f1值后，我們發(fā)現(xiàn)BERT+BiLSTM+CRF模型具有更好的醫(yī)療實(shí)體識(shí)別能力，因此，在本項(xiàng)目中，我們選用**BERT+BiLSTM +CRF**模型完成后續(xù)醫(yī)療實(shí)體識(shí)別的任務(wù)。

3.4. 知識(shí)圖譜構(gòu)建

為了進(jìn)行準(zhǔn)確的疾病診斷，我們依托于大規(guī)模數(shù)據(jù)集構(gòu)建知識(shí)圖譜。

build_kg模塊提供了有關(guān)知識(shí)圖譜構(gòu)建的信息。

我們將應(yīng)用于疾病自診這一模塊的所需實(shí)體標(biāo)記為診斷檢查項(xiàng)目、科室、疾病、藥品、患病的部位、疾病癥狀、患病程度，在用戶輸入一段文本后，我們首先通過(guò)實(shí)體識(shí)別將以上這些關(guān)鍵實(shí)體識(shí)別出來(lái)。

通過(guò)事先考察，我們發(fā)現(xiàn)在進(jìn)行疾病診斷的過(guò)程中，不僅僅是以身體的癥狀為依據(jù)，也有許多其他的所屬關(guān)系可供我們參考。因此在進(jìn)行關(guān)系抽取中，我們將各個(gè)實(shí)體間的關(guān)系分為8類，分別為屬于、疾病常用藥品、疾病對(duì)應(yīng)科室、疾病別名、疾病所需檢查、疾病部位、疾病癥狀、疾病并發(fā)疾病。我們通過(guò)以上8類關(guān)系判斷在知識(shí)圖譜中實(shí)體間兩兩之間的關(guān)系，從而計(jì)算出患該種疾病的概率。定義知識(shí)圖譜實(shí)體間關(guān)系的描述性統(tǒng)計(jì)特征如下表所示。

4. 醫(yī)生推薦智能系統(tǒng)

在醫(yī)生推薦模塊，平臺(tái)期望尋找到歷史數(shù)據(jù)中與用戶最相似的患者，并找到與之對(duì)應(yīng)到相應(yīng)的醫(yī)生，來(lái)完成個(gè)性化的推薦。具體而言，平臺(tái)首先通過(guò)用戶的描述文本獲得其中的醫(yī)學(xué)實(shí)體，即：一段文本到多個(gè)token的映射。然后，將每一個(gè)實(shí)體都采用詞向量的形式進(jìn)行表示。緊接著，Minihash和MinihashLSHForest算法連接了兩端，即：用戶的描述文本和數(shù)據(jù)庫(kù)中醫(yī)生的歷史問(wèn)診記錄。平臺(tái)使用jacard距離來(lái)計(jì)算二者的相似性，相似度高的被認(rèn)為有較高的匹配度。最后，平臺(tái)通過(guò)匹配度較高的問(wèn)診記錄來(lái)推薦醫(yī)生。

recommend模塊提供了有關(guān)知識(shí)圖譜構(gòu)建的信息。

輸入：一周前稍感胸悶，入院檢查，心臟彩超，腹部彩超正常，心臟冠狀動(dòng)脈CT，顯示狹窄 輸出：[{'Unnamed: 0': 0, 'patient_score': 11, 'patient_online': 2116, 'educate': '教授', 'articleCount': '22篇', 'spaceRepliedCount': '2116位', 'totaldiagnosis': '367位', 'openSpaceTime': '2008-10-22 18:15', 'hot_num': 3.6, 'hospitalName': '上海交通大學(xué)醫(yī)學(xué)院附屬上海兒童醫(yī)學(xué)中心', 'keshi': '心內(nèi)科', 'good_at': '先天性心臟病的診斷和介入治療，小兒肺動(dòng)脈高壓的診治，兒童心肌病的診斷和治療', 'introduction': '傅立軍，男，主任醫(yī)師，教授，醫(yī)學(xué)博士，博士生導(dǎo)師，心內(nèi)科主任，國(guó)家衛(wèi)計(jì)委先天性心臟病介入培訓(xùn)基地導(dǎo)師。從事小兒心血管疾病的診療二十年，尤其擅長(zhǎng)于先天性心臟病的診斷和介入治療以及肺動(dòng)脈高壓、心肌病的診治，累計(jì)完成先天性心臟病介入治療3000余例。 中華醫(yī)學(xué)會(huì)兒科學(xué)分會(huì)心血管病學(xué)組委員，遺傳代謝性心肌病協(xié)作組組長(zhǎng) 中華醫(yī)學(xué)會(huì)心血管病學(xué)分會(huì)肺血管病學(xué)組委員 中國(guó)醫(yī)師協(xié)會(huì)兒科醫(yī)師分會(huì)心血管疾病專業(yè)委員會(huì)委員兼秘書(shū)長(zhǎng) 上海市兒科學(xué)會(huì)心血管病學(xué)組副組長(zhǎng) 在國(guó)內(nèi)外發(fā)表論文三十余篇。 參編專著多部。', 'doctor_title': '主任醫(yī)師', 'doctor_id': 221603, 'doctorName': '傅立軍', 'disease': 'gaoxueya'}, {'Unnamed: 0': 0, 'patient_score': 71, 'patient_online': 8515, 'educate': '教授', 'articleCount': '8篇', 'spaceRepliedCount': '8515位', 'totaldiagnosis': '1357位', 'openSpaceTime': '2009-05-07 16:16', 'hot_num': 4.0, 'hospitalName': '首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院鶴壁市人民醫(yī)院', 'keshi': '心臟內(nèi)科中心心血管內(nèi)科', 'good_at': '冠心病，介入治療；心肌病，心力衰竭，難治性高血壓的診斷治療。', 'introduction': '趙全明，博士，首都醫(yī)科大學(xué)教授，博士研究生導(dǎo)師，北京安貞醫(yī)院心臟內(nèi)科中心主任醫(yī)師。1989年西安醫(yī)科大學(xué)內(nèi)科碩士畢業(yè)，1997年底法國(guó)路易斯巴斯德大學(xué)醫(yī)學(xué)院博士畢業(yè)，2000年晉升主任醫(yī)師。擅長(zhǎng)各種心血管疾病的診斷和治療，重點(diǎn)從事冠心病的臨床和研究，個(gè)人完成冠狀動(dòng)脈造影10000例，冠心病介入治療（PCI）超過(guò)5000例。開(kāi)展了冠心病診斷（冠脈造影，血管內(nèi)超聲-IVUS,光學(xué)相干斷層顯像-OCT，冠脈血流儲(chǔ)備分?jǐn)?shù)-FFR）和復(fù)雜冠心病介入治療的各種新技術(shù)（冠狀動(dòng)脈支架術(shù)，鈣化病變的旋磨術(shù)，支架內(nèi)再狹窄的藥物球囊治療，生物可降解支架臨床研究），并獲得豐富經(jīng)驗(yàn)。', 'doctor_title': '主任醫(yī)師', 'doctor_id': 4269, 'doctorName': '趙全明', 'disease': 'gaoxueya'}, {'Unnamed: 0': 0, 'patient_score': 13, 'patient_online': 14327, 'educate': '教授', 'articleCount': '95篇', 'spaceRepliedCount': '14327位', 'totaldiagnosis': '3385位', 'openSpaceTime': '2011-07-06 14:35', 'hot_num': 3.6, 'hospitalName': '首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院', 'keshi': '心臟內(nèi)科中心', 'good_at': '房顫和復(fù)雜心律失常的導(dǎo)管消融治療，尤其擅長(zhǎng)各種類型心房顫動(dòng)（房顫）、心房撲動(dòng)（房撲）、房性心動(dòng)過(guò)速（房速）的導(dǎo)管消融，包括心臟外科術(shù)后如二尖瓣置換術(shù)后、房間隔封堵術(shù)后以及射頻消融術(shù)后復(fù)發(fā)的房顫、房撲；室性心動(dòng)過(guò)速（室速）和室上性心動(dòng)過(guò)速（室上速）；瓣膜病的球囊擴(kuò)張術(shù)，特別是風(fēng)濕性心臟病二尖瓣狹窄的治療。', 'introduction': '馬長(zhǎng)生，主任醫(yī)師，教授，博士生導(dǎo)師。于1998年完成國(guó)內(nèi)首例房顫導(dǎo)管消融術(shù)，并系統(tǒng)建立了我國(guó)心律失常消融的技術(shù)和方法。 北京市心血管疾病防治辦公室主任 中華醫(yī)學(xué)會(huì)心血管病學(xué)分會(huì)副主任委員 中國(guó)醫(yī)師協(xié)會(huì)心血管內(nèi)科醫(yī)師分會(huì)會(huì)長(zhǎng) 中華醫(yī)學(xué)會(huì)心電生理和起搏分會(huì)副主任委員 中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)常務(wù)理事兼心律分會(huì)主任委員 中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)介入醫(yī)學(xué)工程分會(huì)主任委員 為衛(wèi)生部有突出貢獻(xiàn)中青年專家、科技北京百名領(lǐng)軍人才、北京市衛(wèi)生系統(tǒng)領(lǐng)軍人才及JournalofCardiovascularElectrophysiology、Europace、JournalofInterventionalCardiacElectrophysiology和ChineseMedicalJournal等30余種學(xué)術(shù)期刊編委。 3次獲國(guó)家科學(xué)技術(shù)進(jìn)步二等獎(jiǎng) 首創(chuàng)單導(dǎo)管法、“2C3L”術(shù)式、倒U形導(dǎo)管塑形消融右側(cè)旁路等一系列原創(chuàng)性方法。 牽頭研制成功自主知識(shí)產(chǎn)權(quán)的磁定位三維電解剖標(biāo)測(cè)系統(tǒng)和首套房顫導(dǎo)管消融模擬器。 主編的《介入心臟病學(xué)》《心律失常射頻消融圖譜》為本專業(yè)最具影響的教科書(shū)之一。 以第一作者或通信作者發(fā)表SCI收錄論文80余篇， 承擔(dān)“十二五”國(guó)家科技支撐計(jì)劃、“十二五”國(guó)家科技重大專項(xiàng)子課題、“十一五”863計(jì)劃、“十五”國(guó)家科技攻關(guān)項(xiàng)目等省部級(jí)以上課題數(shù)十項(xiàng)。 已授權(quán)或公告專利7項(xiàng)，其中PCT專利2項(xiàng)。', 'doctor_title': '主任醫(yī)師', 'doctor_id': 4255, 'doctorName': '馬長(zhǎng)生', 'disease': 'gaoxueya'}, {'Unnamed: 0': 0, 'patient_score': 0, 'patient_online': 3151, 'educate': '教授', 'articleCount': '4篇', 'spaceRepliedCount': '3151位', 'totaldiagnosis': '115位', 'openSpaceTime': '2008-12-20 03:09', 'hot_num': 3.5, 'hospitalName': '中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院深圳醫(yī)院', 'keshi': '心血管內(nèi)科心血管內(nèi)科', 'good_at': '冠心病的診斷與介入治療，急性心肌梗死介入治療', 'introduction': '主任醫(yī)師，教授，博士研究生導(dǎo)師 中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院深圳醫(yī)院內(nèi)科管委會(huì)主任 內(nèi)科教研室主任、冠心病中心主任、介入中心主任 美國(guó)心臟病學(xué)會(huì)會(huì)員（FACC）、美國(guó)心臟協(xié)會(huì)會(huì)員（FAHA）；歐洲心臟病學(xué)會(huì)會(huì)員（FESC）。 ?著名的心血管病學(xué)專家，國(guó)家級(jí)領(lǐng)軍人才 中央保健委會(huì)診專家 深圳市醫(yī)學(xué)重點(diǎn)學(xué)科（心血管內(nèi)科）負(fù)責(zé)人 深圳市重大疾?。ü谛牟。┓乐沃行呢?fù)責(zé)人 深圳市醫(yī)防融合心血管病項(xiàng)目專家組組長(zhǎng) 深圳市醫(yī)療衛(wèi)生三名工程急性冠脈綜合征團(tuán)隊(duì)負(fù)責(zé)人 ?受教育經(jīng)歷： 1982年武漢大學(xué)醫(yī)學(xué)部獲學(xué)士學(xué)位（改革開(kāi)放后首批本科生）；1988年華中科大同濟(jì)醫(yī)學(xué)院（全日制）碩士學(xué)位；1994年日本國(guó)立濱松醫(yī)大（全日制）博士學(xué)位。 ?專業(yè)特長(zhǎng)： 全球心血管介入手術(shù)例數(shù)最多和經(jīng)驗(yàn)最豐富的的專家之一；各種心血管急重癥的診斷與治療；復(fù)雜冠心病介入治療和長(zhǎng)期管理；研究方向：急性心梗臨床與轉(zhuǎn)化醫(yī)學(xué)研究。 ?工作語(yǔ)言： 普通話、英語(yǔ)和日語(yǔ) 中國(guó)醫(yī)師協(xié)會(huì)胸痛專業(yè)委員會(huì)副主任委員 《中國(guó)介入心臟病學(xué)雜志》副主編 《中華心血管病雜志》等編委 《中華醫(yī)學(xué)雜志》等審稿專家 先后建立了中日友好醫(yī)院、北京安貞醫(yī)院和北京阜外醫(yī)院急性心梗救治通道；先后承擔(dān)國(guó)家和省部級(jí)研究項(xiàng)目30項(xiàng)，共獲得6000萬(wàn)元基金支持。 發(fā)表或參與發(fā)表文章550篇（https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=HONGBING+YANBeijing+&btnG=）。 出版著（譯）作60部（https://book.jd.com/writer/顏紅兵_1.html?stop=1&book=y&vt=2）。', 'doctor_title': '主任醫(yī)師', 'doctor_id': 4274, 'doctorName': '顏紅兵', 'disease': 'gaoxueya'}, {'Unnamed: 0': 0, 'patient_score': 4, 'patient_online': 4829, 'educate': '教授', 'articleCount': '33篇', 'spaceRepliedCount': '4829位', 'totaldiagnosis': '1228位', 'openSpaceTime': '2009-08-31 10:21', 'hot_num': 3.6, 'hospitalName': '首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院', 'keshi': '心臟內(nèi)科中心', 'good_at': '冠心病介入治療（支架術(shù)） 心絞痛/心肌梗死診治 起搏器／除顫器植入 經(jīng)導(dǎo)管主動(dòng)脈瓣置入術(shù) 肺動(dòng)脈高壓診治', 'introduction': '聶紹平，男，教授、主任醫(yī)師、醫(yī)學(xué)博士、博士研究生導(dǎo)師、歐洲心臟病學(xué)會(huì)專家會(huì)員（FESC），美國(guó)心血管造影和介入學(xué)會(huì)國(guó)際會(huì)員（FSCAI）?，F(xiàn)任首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院急診危重癥中心主任。主要從事冠心病介入治療、心肺血管急危重癥臨床與研究工作。個(gè)人累計(jì)完成經(jīng)皮冠狀動(dòng)脈介入治療（支架術(shù)）達(dá)15000余例，擅長(zhǎng)復(fù)雜冠心病介入治療（如鈣化病變旋磨術(shù)、閉塞病變介入治療等）。 主持863項(xiàng)目一項(xiàng)，國(guó)家自然科學(xué)基金面上項(xiàng)目3項(xiàng)，以及多項(xiàng)省部級(jí)重點(diǎn)項(xiàng)目。', 'doctor_title': '主任醫(yī)師', 'doctor_id': 4264, 'doctorName': '聶紹平', 'disease': 'gaoxueya'}]運(yùn)行示例：# try_minhash.pydf_csv = pd.read_csv('./gaoxueya-1.csv')# 建立參數(shù)# Number of Permutationspermutations = 128 forest = get_forest(df_csv, permutations)# Number of Recommendations to return# 召回top—n數(shù)目num_recommendations = 100# 精確需要的醫(yī)生id數(shù)num_doctors = 5# 輸入測(cè)試文本raw_text = ' 一周前稍感胸悶，入院檢查，心臟彩超，腹部彩超正常，心臟冠狀動(dòng)脈CT，顯示狹窄 ' raw_text = raw_text.strip().replace('(', '（').replace(')', '）').replace('+', '&')# 模型加載args.bert_dir = '../data/bert-base-chinese' model_name = 'bert_bilstm_crf' ?# 使用的model類型：bert_bilstm， bert_bilstm_crf， bert_crf， bertid2query = pickle.load(open('../data/id2query.pkl', 'rb')) ent2id_dict = pickle.load(open('../data/ent2id_dict.pkl', 'rb')) args.num_tags = len(ent2id_dict) bertForNer = BertForNer(args, id2query) model_path = '../entity_extract/checkpoints/{}/model.pt'.format(model_name) model = bert_ner_model.BertNerModel(args) model, device = trainUtils.load_model_and_parallel(model, args.gpu_ids, model_path) model.eval()# 識(shí)別測(cè)試文本中的醫(yī)療實(shí)體text_shiti = path_pre(raw_text, bertForNer, model, device)# 推薦醫(yī)生df = pd.read_csv('./haodaifu/doctors_gaoxueya.csv') recommend(df_csv, text_shiti,df)

5.醫(yī)生服務(wù)指標(biāo)評(píng)價(jià)體系

醫(yī)生評(píng)價(jià)指標(biāo)在考慮經(jīng)濟(jì)指標(biāo)的同時(shí)，更應(yīng)該突出社會(huì)效益導(dǎo)向，要體現(xiàn)以病人 為中心，追求利潤(rùn)的合理化，引導(dǎo)醫(yī)生努力提高醫(yī)療服務(wù)質(zhì)量。本研究在大規(guī)模客觀數(shù)據(jù)集的基礎(chǔ)上，構(gòu)建了基于醫(yī)生發(fā)文量、患者投票數(shù)、醫(yī)生推薦熱度、問(wèn)診后患者報(bào)道數(shù)量、在線服務(wù)患者數(shù)量和總患者數(shù)量六大維度的服務(wù)指標(biāo)評(píng)級(jí)體系。

6.項(xiàng)目可視化展示

本項(xiàng)目的運(yùn)行依托django框架。

web_server模塊提供了有關(guān)平臺(tái)運(yùn)行的信息。

6.1. 平臺(tái)首頁(yè)

6.2. 疾病自診

6.3. 醫(yī)生推薦

6.4. 醫(yī)生服務(wù)指標(biāo)評(píng)價(jià)體系

碼源鏈接跳轉(zhuǎn)見(jiàn)文末

[碼源鏈接跳轉(zhuǎn)]：https://blog.csdn.net/sinat_39620217/article/details/131697045

更多優(yōu)質(zhì)內(nèi)容請(qǐng)關(guān)注公號(hào)&知乎：汀丶人工智能；會(huì)提供一些相關(guān)的資源和優(yōu)質(zhì)文章，免費(fèi)獲取閱讀。