深度学习技术辅助门诊发药实践

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.