深度学习技术辅助门诊发药实践

摘要：

目的:研究利用深度学习技术辅助门诊发药的技术可行性,利用计算机视觉技术实现药品类别和数量的自动识别.方法:采集药品外包装图像,利用预处理技术生成训练图像集,建立7层(3C3P1F)卷积神经网络模型进行训练,部署RESTful接口规范的药品图像识别服务.药师利用嵌入药品外包装识别模块的处方发药程序采集药品图像,将其传送至药品图像识别服务,将返回的药品分类与数量结果与HIS中电子处方比对,若发现信息不一致,系统向药师提示报警.结果:通过对56种药品约47万张图像进行3 000次迭代训练,训练时长12小时,预测分类准确率达到95.6％.结论:利用深度学习技术,门诊药师可借助药品外包装特征识别技术快速区分易混淆药品,及时发现药品和数量的错误信息,对降低药品错发率具有实际意义.

关键词：深度学习、特征识别、卷积神经网络、门诊药房

所属期刊栏目：14

分类号：R197.32;TP391(保健组织与事业（卫生事业管理）)

资助基金：解放军总医院医疗大数据研发项目-疾病与不良事件预测模型运用平台及系统集成研究2018MBD-006

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：56-58,107