目   录

第1章  远程会诊智能分诊研究 1

　　1.1  研究背景 1

         1.1.1  远程医疗中的人工分诊困境 2

         1.1.2  远程会诊申请文本特征及挑战 3

         1.1.3  BTB智能分诊模型的提出 3

　　1.2  文献综述 4

         1.2.1  文本分类 4

         1.2.2  远程会诊平台智能分诊研究 5

         1.2.3  基于深度学习模型的分类算法研究 6

　　1.3  研究模型 6

         1.3.1  BERT模型背景 6

         1.3.2  TextCNN的演进之路 8

         1.3.3  双层BiGRU的发展轨迹 8

         1.3.4  BERT-TextCNN-双层BiGRU模型的融合 9

         1.3.5  研究框架 10

         1.3.6  BTB模型 10

         1.3.7  评价指标 14

         1.3.8  损失函数及训练参数 15

　　1.4  实证分析 15

         1.4.1  数据准备 15

         1.4.2  数据预处理 16

         1.4.3  实验配置 17

         1.4.4  对比实验配置 18

　　1.5  实验结果与分析 18

         1.5.1  推荐科室的数量对性能的影响 18

         1.5.2  模型响应速度对比 19

         1.5.3  模型性能对比 20

         1.5.4  模型收敛性分析 21

         1.5.5  参数分析 21

         1.5.6  消融实验 22

         1.5.7  损失值与准确度 22

　　1.6  本章小结 23

         1.6.1  价值体现 23

         1.6.2  局限和未来展望 24

第2章  远程会诊专家推荐研究 28

　　2.1  研究背景 28

　　2.2  文献综述 29

         2.2.1  基于文本挖掘的特征提取 29

         2.2.2  医生推荐系统 31

　　2.3  基于多粒度特征提取的远程医疗专家推荐模型 33

         2.3.1  专家推荐框架 33

         2.3.2  特征提取层 34

         2.3.3  专家推荐层 39

         2.3.4  模型评价方法 40

　　2.4  实验与结果分析 40

         2.4.1  特征提取层数据集及预处理 40

         2.4.2  多粒度特征 41

         2.4.3  基于深度神经网络的专家推荐 47

         2.4.4  结果分析 47

         2.4.5  可解释性分析 50

　　2.5  本章小结 52

第3章  远程会诊需求预测研究 56

　　3.1  研究背景 56

　　3.2  模型构建 58

         3.2.1  多元回归分析 58

         3.2.2  长短期记忆神经网络 58

         3.2.3  注意力机制 60

         3.2.4  Self-Attention-LSTM模型 61

         3.2.5  模型评价指标 62

　　3.3  实证分析 62

         3.3.1  数据预处理 63

         3.3.2  超参数设置 65

         3.3.3  结果分析 67

　　3.4  本章小结 69

第4章  远程会诊服务时长预测研究 72

　　4.1  研究背景 72

　　4.2  文献综述 73

　　4.3  研究内容与框架 74

　　4.4  预测模型算法 75

         4.4.1  LSTM 75

         4.4.2  全连接层 77

         4.4.3  注意力机制 79

         4.4.4  ATT-FC-LSTM 81

　　4.5  远程会诊服务时长预测模型构建 82

         4.5.1  数据预处理 82

         4.5.2  特征选择 87

         4.5.3  模型参数选取 89

         4.5.4  评估指标 91

　　4.6  多模型预测结果评估与特征重要性分析 92

         4.6.1  会诊服务时长统计分析 92

         4.6.2  回归预测结果 93

         4.6.3  分类预测结果 95

         4.6.4  特征重要性分析 96

　　4.7  本章小结 99

第5章  考虑服务时长的远程会诊预约调度研究 104

　　5.1  研究背景 104

　　5.2  文献综述 106

         5.2.1  服务器分配决策 106

         5.2.2  服务器不准时的预约安排 106

         5.2.3  具有排序决策的预约调度 107

         5.2.4  文献述评 107

　　5.3  预约调度系统设计 108

         5.3.1  分配规则 109

         5.3.2  排序规则 110

         5.3.3  基于服务时长预测结果的新排序规则 111

　　5.4  远程会诊预约调度效果评估 112

　　5.5  实验和结果 112

         5.5.1  实验设置 112

         5.5.2  基于机器学习的服务时长预测对预约调度的影响 114

         5.5.3  新排序规则对预约调度的影响 116

　　5.6  本章小结 117

第6章  不确定环境下远程会诊预约调度研究 121

　　6.1  研究背景 121

　　6.2  文献综述 122

         6.2.1  远程会诊调度研究 123

         6.2.2  专家和患者的不准时行为 124

         6.2.3  患者当天到达行为 124

　　6.3  问题假设和数学模型 125

         6.3.1  问题假设 125

         6.3.2  不考虑当天到达患者的远程会诊患者调度策略 128

         6.3.3  考虑当天到达患者的远程会诊患者调度策略 131

　　6.4  求解方法 135

         6.4.1  GUROBI 135

         6.4.2  VNS 136

　　6.5  数值实验 136

         6.5.1  实证统计与参数设定 136

         6.5.2  比较分析 139

         6.5.3  模型1和模型2的数值分析 142

　　6.6  本章小结 147

第7章  考虑不确定行为的远程会诊实时调度研究 150

　　7.1  研究背景 150

　　7.2  文献综述 152

         7.2.1  远程会诊静态调度 152

         7.2.2  远程会诊动态调度 153

　　7.3  模型框架 154

         7.3.1  问题假设与变量设置 154

         7.3.2  静态调度模型 155

         7.3.3  动态调度模型 157

　　7.4  求解方法 159

         7.4.1  基于样本平均近似的方法 159

         7.4.2  SVILS算法 161

         7.4.3  基于贪婪算法的滚动时域优化（GRHO） 162

　　7.5  数值分析 163

         7.5.1  实证统计与参数设定 164

         7.5.2  静态调度算法性能验证 165

         7.5.3  动态调度算法性能验证 166

         7.5.4  对比分析 167

　　7.6  本章小结 169

第8章  结论与展望 173

　　8.1  结论 173

　　8.2  管理启示 174

　　8.3  研究展望 175

术语缩写对照表 176