基于大数据的临床培训资源智能分配系统及方法

本发明涉及资源管理领域，具体为一种基于大数据的临床培训资源智能分配系统及方法。

背景技术：

1、随之微电子技术的不断进步和发展，超声机器进一步小型化，使得临床医师通过超声设备对患者进行危重急症的筛查成为可能，而快速且精确的诊断方法不仅可以挽救急危重症患者的生命，也可以改善患者后续的治理，因此此类临床技术的培训也逐渐被人们所重视。

2、现有的临床培训资源分配往往通过医师在系统中申请相应的课程进行学习，在医师结束所有学习课程后，进行考察，对于考察不合格的医师重新进行教学，容易造成临床培训资源的不必要浪费。

技术实现思路

1、(一)解决的技术问题

2、为解决背景技术中的不足，本发明提出了一种基于大数据的临床培训资源智能分配系统及方法，通过收集所有学员对于各类临床技术的掌握程度，并根据各类临床技术的培训权重计算临床技术综合掌握程度，对各个学员的临床技术综合掌握程度进行聚类，根据聚类结果对各个学员进行分级，并为各个级别设定对应的临床技术培训方案。

3、(二)技术方案

4、一种基于大数据的临床培训资源智能分配方法，所述方法包括如下步骤：

5、s1、设定临床技术类别集以及临床培训学员集，收集所述临床培训学员集中各个临床培训学员对于所述临床技术类别集中各类临床技术的学习情况，根据所述学习情况设定临床技术掌握程度数据矩阵；

6、s2、根据临床技术类别集设定对应的临床技术培训权重集，基于临床技术培训权重集以及临床技术掌握程度数据矩阵计算各个临床培训学员的临床技术综合掌握程度，得到临床技术综合掌握程度数据集；

7、s3、对临床技术综合掌握程度数据集进行聚类，得到临床技术培训级别集，按照各个临床培训学员的临床技术培训级别进行划分，得到临床培训学员分级矩阵；

8、s4、通过智能优化算法为临床技术培训级别集中各个临床技术培训级别设定对应的临床技术培训方案；

9、s5、按照临床技术培训级别为临床培训学员分级矩阵中各个临床培训学员分配对应的临床技术培训方案。

10、收集临床培训学员集中各个临床培训学员对于各类临床技术的学习情况设定临床技术掌握程度数据矩阵，准确分析各个学员对于各类临床技术的掌握程度；基于设定的临床技术培训权重集以及临床技术掌握程度数据矩阵计算各个临床培训学员的临床技术综合掌握程度，确保计算结果的准确性，为后续操作提供数据基础；通过对临床技术综合掌握程度数据集进行聚类，并根据聚类结果对学员进行分级，确保分级结果的准确性；通过鲸鱼算法为临床技术培训级别集中各个临床技术培训级别设定对应的临床技术培训方案，模拟座头鲸包围猎物、气泡网捕食和搜索猎物的行为，构建数学模型，保证寻优过程的速度和准确度，同时提高收敛过程的效率；按照临床技术培训级别为各个学员分配对应的临床技术培训方案，实现临床培训资源的智能分配，保证了分配结果的合理性。

11、优选的，设定临床技术类别集以及临床培训学员集，收集所述临床培训学员集中各个临床培训学员对于所述临床技术类别集中各类临床技术的学习情况，根据所述学习情况设定临床技术掌握程度数据矩阵的具体步骤如下：

12、s11、设定临床技术类别集a＝{a1，a2，…，ai，…，ak}，其中，ai表示第i类临床技术，k表示临床技术类别的总个数；

13、s12、设定临床培训学员集b＝{b1，b2，…，bi，…，bl}，其中bi表示第i个临床培训学员，l表示临床培训学员的总个数；

14、s13、收集所述临床培训学员集a＝{a1，a2，…，ai，…，ak}中各个临床培训学员对于所述临床技术类别集b＝{b1，b2，…，bi，…，bl}中各类临床技术的学习情况，根据所述学习情况设定临床技术掌握程度数据矩阵c如下：

15、

16、其中，cij表示第i个临床培训学员对于第j类临床技术的掌握程度数据。

17、收集临床培训学员集中各个临床培训学员对于各类临床技术的学习情况设定临床技术掌握程度数据矩阵，准确分析各个学员对于各类临床技术的掌握程度。

18、优选的，根据临床技术类别集设定对应的临床技术培训权重集，基于临床技术培训权重集以及临床技术掌握程度数据矩阵计算各个临床培训学员的临床技术综合掌握程度，得到临床技术综合掌握程度数据集的具体步骤如下：

19、s21、根据临床技术类别集a＝{a1，a2，…，ai，…，ak}设定对应的临床技术培训权重集a′＝{a′1，a′2，…，a′i，…，a′k}，其中，a′i表示第i类临床技术的培训权重；

20、s22、基于临床技术培训权重集a′＝{a′1，a′2，…，a′i，…，a′k}以及临床技术掌握程度数据矩阵c计算各个临床培训学员的临床技术综合掌握程度；计算公式如下：

21、di＝a′1·ci1+a′2·ci2+…+a′i·cij+…+a′k·cik

22、其中，di表示第i个临床培训学员的临床技术综合掌握程度；

23、s23、收集所有临床培训学员临床技术综合掌握程度的计算结果，建立临床技术综合掌握程度数据集e＝{e1，e2，…，ei，…，el}，其中，ei表示第i个临床培训学员的临床技术综合掌握程度数据。

24、基于设定的临床技术培训权重集以及临床技术掌握程度数据矩阵计算各个临床培训学员的临床技术综合掌握程度，确保计算结果的准确性，为后续操作提供数据基础。

25、优选的，对临床技术综合掌握程度数据集进行聚类，得到临床技术培训级别集，按照各个临床培训学员的临床技术培训级别进行划分，得到临床培训学员分级矩阵的具体步骤如下：

26、s31、将临床技术综合掌握程度数据集e＝{e1，e2，…，ei，…，el}中的每一个临床技术综合掌握程度数据当成一个蔟，计算蔟与蔟之间的欧式距离，得到一个距离矩阵；从所述距离矩阵中找到欧式距离最近的两个蔟合并成一个新的蔟，计算新蔟与其他蔟之间的欧式距离；

27、重复以上操作，直至聚类后得到的每个蔟之间的欧式距离大于设定的欧式距离阈值，则停止聚类，根据聚类后得到的各类临床技术综合掌握程度数据蔟设定对应的临床技术培训级别集f＝{f1，f2，…，fi，…，fp}，其中，fi表示第i个临床技术培训级别，p表示临床技术培训级别的总个数；

28、s32、将各个临床培训学员划分到临床技术培训级别集的临床技术培训级别中，得到临床培训学员分级矩阵h如下：

29、

30、其中，hij表示第i个临床技术培训级别中的第j个临床培训学员，hi表示第i个临床技术培训级别中临床培训学员的总个数。

31、通过对临床技术综合掌握程度数据集进行聚类，并根据聚类结果对学员进行分级，确保分级结果的准确性。

32、优选的，通过智能优化算法为临床技术培训级别集中各个临床技术培训级别设定对应的临床技术培训方案的具体步骤如下：

33、s41、构建鲸鱼种群，设定鲸鱼种群的种群规模为z、临床技术培训方案搜索空间的维度为q、当前迭代次数为t、最大迭代次数为tmax；

34、初始化鲸鱼种群的初始位置集x＝{x1，x2，…，xi，…，xz}，其中，xi表示第i只鲸鱼个体的初始位置；

35、s42、计算鲸鱼种群中每一只鲸鱼个体的适应度函数值，将适应度函数值最高的鲸鱼个体作为当前最优解，并记录当前最优解的位置；适应度函数公式如下：

36、

37、其中，fit(xi)表示第i只鲸鱼个体的适应度函数值，xi表示第i只鲸鱼个体帮助学员理解临床技术的能力，η表示修正值；

38、s43、开始进行迭代，计算收敛因子根据计算得到的收敛因子更新系数向量m和n；更新公式如下：

39、

40、其中，rand1和rand2均表示[0，1]之间的随机数；

41、s44、当|m|＜1时，鲸鱼种群中的鲸鱼个体随机选取收缩包围和螺旋游动中的一种方法进行位置更新；

42、s441、收缩包围是通过鲸鱼识别猎物位置并将其包围的行为进行位置更新，构建数学模型；公式如下：

43、

44、其中，p表示当前鲸鱼个体与最优鲸鱼个体之间的距离，m和n表示系数向量，x*(t)表示当前最优解的位置，x(t)和x(t+1)分别表示鲸鱼个体第t次和第t+1次迭代过程中的位置；

45、s442、螺旋游动是通过鲸鱼在螺旋上升移动的同时缩小包围范围的行为进行位置更新，构建数学模型；公式如下：

46、

47、其中，b表示定义螺旋曲线形状的常量系数，rand3表示(-1，1)之间的随机数；

48、s45、当|m|≥1时，则鲸鱼个体随机从鲸鱼种群中选取一个鲸鱼个体作为目标最优解，并通过收缩包围的方式进行位置更新；

49、s46、当所有鲸鱼个体都完成位置更新后，重新计算更新后鲸鱼种群中每一只鲸鱼的适应度函数值，将适应度函数值最高的鲸鱼个体作为当前最优解，并记录当前最优解的位置；

50、s47、判断当前迭代次数t是否达到最大迭代次数tmax，若未达到，则当前迭代次数t加1，并返回s43；若达到，则将当前最优解作为全局最优解，输出全局最优解对应的临床技术培训方案。

51、通过鲸鱼算法为临床技术培训级别集中各个临床技术培训级别设定对应的临床技术培训方案，模拟座头鲸包围猎物、气泡网捕食和搜索猎物的行为，构建数学模型，保证寻优过程的速度和准确度，同时提高收敛过程的效率。

52、优选的，按照临床技术培训级别为临床培训学员分级矩阵中各个临床培训学员分配对应的临床技术培训方案的具体步骤如下：

53、s51、设定单次临床技术培训人数阈值g，在各个临床技术培训级别的临床培训学员分配临床培训资源时，若该临床技术培训级别的临床培训学员人数小于或者等于单次临床技术培训人数阈值g，则为该临床技术培训级别的临床培训学员分配对应临床技术培训级别的临床技术培训方案；否则，则从该临床技术培训级别的临床培训学员中随机选取g个临床培训学员，为所有选取的临床培训学员分配对应临床技术培训级别的临床技术培训方案。

54、按照临床技术培训级别为各个学员分配对应的临床技术培训方案，实现临床培训资源的智能分配，保证了分配结果的合理性。

55、本发明还公开一种基于大数据的临床培训资源智能分配方法的系统，包括数据采集模块、临床技术综合掌握程度计算模块、聚类模块、临床技术培训方案设定模块以及临床培训资源分配模块；

56、所述数据采集模块通过收集临床培训学员集中各个临床培训学员对于各类临床技术的学习情况设定临床技术掌握程度数据矩阵；

57、所述临床技术综合掌握程度计算模块基于设定的临床技术培训权重集以及临床技术掌握程度数据矩阵计算各个临床培训学员的临床技术综合掌握程度，得到临床技术综合掌握程度数据集；

58、所述聚类模块通过对临床技术综合掌握程度数据集进行聚类，得到临床技术培训级别集，按照各个临床培训学员的临床技术培训级别进行划分，得到临床培训学员分级矩阵；

59、所述临床技术培训方案设定模块通过鲸鱼算法为临床技术培训级别集中各个临床技术培训级别设定对应的临床技术培训方案；

60、所述临床培训资源分配模块按照临床技术培训级别为临床培训学员分级矩阵中各个临床培训学员分配对应的临床技术培训方案。

61、(三)有益效果

62、本发明提供了一种基于大数据的临床培训资源智能分配系统及方法，具备以下有益效果：

63、1、本发明中设置数据采集模块、临床技术综合掌握程度计算模块、聚类模块、临床技术培训方案设定模块以及临床培训资源分配模块；收集临床培训学员集中各个临床培训学员对于各类临床技术的学习情况设定临床技术掌握程度数据矩阵，准确分析各个学员对于各类临床技术的掌握程度；基于设定的临床技术培训权重集以及临床技术掌握程度数据矩阵计算各个临床培训学员的临床技术综合掌握程度，确保计算结果的准确性，为后续操作提供数据基础；通过对临床技术综合掌握程度数据集进行聚类，并根据聚类结果对学员进行分级，确保分级结果的准确性；按照临床技术培训级别为各个学员分配对应的临床技术培训方案，实现临床培训资源的智能分配，保证了分配结果的合理性；

64、2、通过鲸鱼算法为临床技术培训级别集中各个临床技术培训级别设定对应的临床技术培训方案，模拟座头鲸包围猎物、气泡网捕食和搜索猎物的行为，构建数学模型，保证寻优过程的速度和准确度，同时提高收敛过程的效率。

技术特征：

1.一种基于大数据的临床培训资源智能分配方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s1包括以下步骤：

3.根据权利要求2所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s2包括以下步骤：

4.根据权利要求3所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s22中计算各个临床培训学员的临床技术综合掌握程度包括以下步骤：

5.根据权利要求4所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s3包括以下步骤：

6.根据权利要求5所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s4包括以下步骤：

7.根据权利要求6所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s44包括以下步骤：

8.根据权利要求7所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s5包括以下步骤：

9.根据权利要求8所述的一种基于大数据的临床培训资源智能分配方法，其特征在于，所述s51中为各个临床培训学员分配临床培训资源包括以下步骤：

10.一种实现如权利要求1-9中任一项所述的基于大数据的临床培训资源智能分配方法的系统，包括数据采集模块、临床技术综合掌握程度计算模块、聚类模块、临床技术培训方案设定模块以及临床培训资源分配模块；

技术总结
本发明涉及资源管理领域，具体为一种基于大数据的临床培训资源智能分配系统及方法，所述系统包括数据采集模块、临床技术综合掌握程度计算模块、聚类模块、临床技术培训方案设定模块以及临床培训资源分配模块；收集学员对于各类临床技术的掌握程度，并根据各类临床技术的培训权重计算临床技术综合掌握程度，对各个学员的临床技术综合掌握程度进行聚类，根据聚类结果对各个学员分级，按照级别为各个学员分配临床技术培训方案，实现临床培训资源的智能分配，保证了分配结果的合理性；通过鲸鱼算法设定临床技术培训方案，模拟座头鲸包围猎物、气泡网捕食和搜索猎物的行为，构建数学模型，保证寻优过程的速度和准确度，同时提高收敛过程的效率。

技术研发人员：吴培华,郭培培,查泽奇,赵慧颖,于超,吕杰,朱天刚
受保护的技术使用者：北京大学人民医院
技术研发日：
技术公布日：2024/12/5