張欣琦

摘 要：醫(yī)院財務系統(tǒng)包括財務能力預測、預算管理和利潤計算等功能，對醫(yī)院的全部財務信息進行分析、歸納和總結。傳統(tǒng)設計下的醫(yī)院財務系統(tǒng)，沒有連接財務信息的權值、不具備全互連模式，導致系統(tǒng)并行處理數據后提取的信息參數類別少，因此設計一個基于多尺度深度學習的醫(yī)院財務系統(tǒng)。系統(tǒng)在硬件設計上，增加了多個傳感器，并利用協(xié)調器掃描財務數據庫中的全部信息。在軟件設計上，通過建立數據庫表單，設置可以連接同屬性財務信息的權值;根據多層感知網絡拓撲結構，設計基于多尺度深度學習的全互連模式，實現系統(tǒng)的對數據的深度提取。實驗結果表明，與3種傳統(tǒng)設計下的系統(tǒng)相比，此次設計的醫(yī)院財務系統(tǒng)，提取的財務信息參數類別最多，能詳細描述財務一級科目中包含的具體內容，可見多尺度深度學習可以提高財務系統(tǒng)的性能。

關鍵詞：多尺度深度學習;醫(yī)院財務系統(tǒng);信息連接權值;全互連模式

中圖分類號：TP 391

文獻標志碼：A

文章編號：1007-757X（2020）11-0143-04

Abstract：The hospital financial system includes the functions of financial ability prediction， budget management and profit calculation. It analyzesand summarizes all the financial information of the hospital. The traditional design of hospital financial system does not connect the weight of financial information， does not have the full interconnection mode， resulting in the system parallel processing data extraction of less information parameter categories. Hence， this paper designs a hospital financial system based on multi-scale deep learning. In the hardware design of the system， sensors are added， and the coordinator is used to scan all the information in the financial database. In the software design， through the establishment of database forms， we set the weights that can connect the financial information of the same attribute.According to the topology of multi-layer perceptual network， we design the full interconnection mode based on multi-scale deep learning， whichachieves the depth extraction of data. The experimental results show that compared with the three traditional design systems， the designed hospital financial system extracts the most types of financial information parameters， describes in detail the specific content of the first level financial subjects， which shows that multi-scale deep learning can improve the performance of the financial system.

Key words：multi scale deep learning;hospital financial system;information connection weight;full interconnection mode

0?引言

醫(yī)院是為人提供服務的特殊機構，其財務系統(tǒng)是維護醫(yī)院正常運行的重要模塊，因此財務部門掌管了醫(yī)院的總成本、流動資金、藥品等項目，是醫(yī)院運行的核心部門。在國外，醫(yī)院財務系統(tǒng)應用較早，60年代初就開始設計財務系統(tǒng)并投入使用，經過數十年的改進與優(yōu)化，國內專家充分吸取國外系統(tǒng)的優(yōu)點，并針對國內醫(yī)院的運作常態(tài)，設計了多個適用于醫(yī)院的財務系統(tǒng)，其中傳統(tǒng)方法一，就是利用J2EE開發(fā)技術設計的，通過設置一個搜索關鍵字，獲取全系統(tǒng)的同類數據[1-3];傳統(tǒng)方法二，利用SAP系統(tǒng)優(yōu)化一般財務系統(tǒng);傳統(tǒng)方法三則在方法二的基礎上，對決策軟件進行了優(yōu)化。但隨著醫(yī)院規(guī)模的擴大，患者和職工類型、人數的增加，新藥品的投放與使用，都擴大了醫(yī)院的財務信息類型，此時傳統(tǒng)方法設計的系統(tǒng)不能完全滿足要求，例如提取財務信息的三級科目時，可能會檢索不到想要的結果，因此設計一個基于多尺度深度學習的醫(yī)院財務系統(tǒng)，加深財務系統(tǒng)提取數據的深度，將隱藏在數據庫中的信息挖掘出來，以滿足財務工作的日常需求。

1?基于多尺度深度學習的醫(yī)院財務系統(tǒng)硬件設計

要滿足醫(yī)院財務系統(tǒng)的多尺度深度學習要求，需要重新設計系統(tǒng)硬件，讓硬件滿足多尺度深度學習下，多層感知器網絡的全互聯模式。已知財務系統(tǒng)若要實現全互聯模式，最緊要的硬件就是傳感器和協(xié)調器，利用傳感器提高電信號的傳輸、處理、存儲、顯示以及記錄和控制，利用協(xié)調器掃描系統(tǒng)中的財務數據，選擇合適的參數，建立可以多尺度深度學習的多層感知網絡。醫(yī)院財務系統(tǒng)的硬件設計框架圖[4-5]，如圖1所示。

根據圖1可知，在采集單元、處理單元和控制單元中，將協(xié)調器ZigBee與各個節(jié)點連接，以便獲取適合全網使用的參數，建立一個完全覆蓋系統(tǒng)的網絡。而新選用的傳感器型號為MGS-2483-H24，將該硬件連接到數據采集單元，用來搜索醫(yī)院財務系統(tǒng)中的財務數據，根據框圖顯示，每一采集節(jié)點上均連接一個傳感器，保證所有采集數據都能上傳到系統(tǒng)的數據處理中心[6]。按照圖1顯示的硬件設計框圖，重新連接財務系統(tǒng)硬件，實現滿足多尺度深度學習的醫(yī)院財務系統(tǒng)硬件設計。

2?基于多尺度深度學習的醫(yī)院財務系統(tǒng)軟件設計

2.1?建立數據庫表單設置連接權值

醫(yī)院財務系統(tǒng)中，涵蓋的財務信息類型多樣、內容復雜、細化的科目可能會出現三級、四級的情況，而系統(tǒng)想要開展多尺度深度學習[7-10]，就要設計一個利落、目標清晰、類型劃分鮮明的數據庫表單，通過設置一個權值，連接同一屬性信息。

醫(yī)院用戶和醫(yī)院職工的基本信息，如表1、表2所示。

以表1、表2為財務信息檢索的兩個大類，記錄并實時更新醫(yī)院在客戶和職工方面的財務信息。設置與表1相連接的客戶繳費項目、藥品類別、收費編號等信息;設置與表2相連接的基本工資、職務工資、工齡工資、職工福利、獎勵工資以及社會保險等信息。以此類推，根據醫(yī)院所有財務信息，設置連接財務信息的權值，權值的變化方程，如式（1）。

式中，qij表示財務信息之間的連接權值;Δqij表示權值的變化量;i與j表示隨機的兩個財務信息;μ表示系統(tǒng)的學習率;m表示同屬性財務信息;Dm表示全局誤差值。根據建立的數據庫表單信息，設置可以連接醫(yī)院財務信息的權值。

2.2?設計基于多尺度深度學習的全互連模式

已知感知器具有單層計算能力，屬于一種前饋網絡，根據設置的權值，可以對每一層網絡進行自下而上的信息傳遞，因此根據感知器的這一功能，構建一個多層感知網絡，以此設置系統(tǒng)信息的全互連模式，利用不同層間的神經元之間的聯系，挖掘醫(yī)院財務信息。

將感知器作為神經網絡中各個節(jié)點，根據公式（1）的結果設置一個動態(tài)的連接權值，然后用感知器學習該權值，多層感知網絡的拓撲結構示意圖，如圖2所示。

圖2中X表示隨機財務信息;H表示輸入層單元;hk表示隱藏層單元;K表示輸出層單元;Y表示最終結果。根據圖2可知，同一層的神經元之間沒有連接，相鄰兩層的神經元之間完全連接，通過有方向性的信息傳遞，逐層計算輸入向輸出中傳輸的數據。設置的多層感知網絡中，不僅含有輸入層和輸出層，還有一層或多層隱藏層，令系統(tǒng)在深度學習時，可以提取系統(tǒng)內有關聯屬性的財務數據特征，這是正向傳播的系統(tǒng)互聯。而利用反向傳播算法，設計感知網絡的反向系統(tǒng)互聯，是對權值進行二次賦值，從輸入端把輸入模式饋送到系統(tǒng)中，利用輸出值和目標輸出值之間的誤差，調整上一層的權值，以此實現多層感知網絡的全互連模式。

已知感知網絡的輸入層有a個輸入神經元，輸出層有b個輸出神經元，隱藏層有e個隱藏神經元，qij加上公式（1）所求，為輸出隱藏層與輸出層之間的連接權值，pij為輸入層與輸出隱藏層之間的連接權值，隱藏層的傳遞函數為f1，輸出層的傳遞函數為f2，則正向傳播下，隱藏神經元、輸出層神經元的輸出結果，如式（2）。

式中，ΔY為誤差;Xc表示原始輸入，也是期望輸出。根據該結果調整輸入層與輸出隱藏層之間的連接權值pij，則pij的變化方程，如式（4）。

式中，f′2（SK）表示隱藏層傳遞函數的偏微分;f′1（SY）表示輸出層傳遞函數的偏微分。將pij加上式（4）所求結果，同理qij加上式（1）所求，利用兩個方向的連接權值，實現正反方向的數據分析，完成對多層感知網絡全互連模式的設置，至此基于多尺度深度學習的醫(yī)院財務系統(tǒng)，設計完畢。

3?仿真實驗

設計的醫(yī)院財務系統(tǒng)，需要進行仿真實驗檢測，而進行測試實驗，則不能缺少對比測試對象，因為對比測試對象可以從更加直觀的角度，驗證所設計系統(tǒng)的規(guī)范性和可靠性，通過多項對比數據，才能增強實驗測試結果可靠性，因此選用傳統(tǒng)方法設計的3個醫(yī)院財務系統(tǒng)作為測試對比對象，通過專業(yè)的測試人員操作，得出具體實驗數據。

3.1?準備過程

以A省中的M醫(yī)院過去5年的基本財務信息作為實驗數據來源，已知該醫(yī)院財務科室管理的基本財務信息，如圖3所示。

根據財務系統(tǒng)頁面可知，財務科管理的內容包括采購、銷售、固定資產、費用、銀行往來、以及工資等內容。將工資作為此次實驗測試方向，利用圖3所示界面，導出2014年1月1日，至2018年12月31日，M醫(yī)院的部分職工基本信息，如表3所示。

利用四種醫(yī)院財務系統(tǒng)，按照上表中的信息，提取20名醫(yī)院職工5年的工資信息，共計50個月的信息。將圖三系統(tǒng)中的數據，分別導入到實驗測試的4個醫(yī)院財務系統(tǒng)中，進入工資報表模塊，設置工資提取年份為2014年1月1日-2018年12月31日中的隨機年份，點擊查詢按鈕，導出生成的工資數據。已知工資數據的信息極多，包含：基本工資、績效工資、工齡工資、加班費用、職工福利、獎勵工資以及5類社會保險和1項公積金。

3.2?結果分析

3.2.1?工資數據提取結果檢測

實驗共分為兩次進行，第一組實驗提取的是女性職工的工資數據，第二組實驗提取的是男性職工的工資數據。根據準備的實驗對象可知，女性職工的工資一級科目共有8個，男性職工的工資一級科目共有12個。此次測試，將所設計系統(tǒng)的導出結果作為實驗組，將3個傳統(tǒng)系統(tǒng)的導出結果作為對照組。4個系統(tǒng)應用下，女性職工工資數據的提取結果，如圖4所示。

根據圖4導出的財務系統(tǒng)查詢界面可知，實驗組得到了12類工資二級明細科目;而對照組A只獲得了工資部分的6組明細，并沒有提取到社會保險類的二級科目;對照組C和對照組D，則只獲得了工資總金額、保險總金額和公積金總金額。再對第二組男性職工工資數據進行提取，如圖5所示。

根據圖5導出的財務系統(tǒng)查詢界面可知，實驗組同樣提供了12類工資二級明細科目，詳細說明了工資組成和保險類金額。而對照組A還是缺少對保險金額二級科目的提取，對照組C和對照組D，則是缺少工資明細和保險明細。綜合上述兩組實驗測試結果可知，實驗組提取到的員工工資信息參數更多，可以明確工資及保險數據的組成，可見此次設計的醫(yī)院財務系統(tǒng)，性能更優(yōu)越。

3.2.2?財務系統(tǒng)性能測試

在上述獲得的實驗數據的基礎上，通過系統(tǒng)動態(tài)利潤表功能模塊及財務趨勢分析等，對系統(tǒng)功能及運行情況進行黑盒測試。登錄系統(tǒng)之后，進入動態(tài)利潤表界面。按照測試用例分析財務多維分析表詳細數據的正確性，檢查收入與支出

報表，檢查是否已圖表方式顯示上年同期對比。進入財務趨勢分析頁面，首先檢查左側參數設定正確性，設置工資提取年份為2014年1月1日-2018年12月31日中的隨機年份，選擇科室部門，提交查詢，在返回結果中檢查科室財務趨勢分析圖表和相關財務指標信息以及設備收益率跟蹤、未來增長趨勢分析和成本管理趨勢分析等。對財務系統(tǒng)運行效率進行檢測，如圖6所示。

由圖6可知，本文設計系統(tǒng)的運行效率明顯高于三組進行對照實驗所采用系統(tǒng)，且本文所設計的系統(tǒng)的運行效率最高接近96%，說明此次設計的醫(yī)院財務系統(tǒng)的性能更優(yōu)越。

4?總結

此次設計的醫(yī)院財務系統(tǒng)，是在系統(tǒng)硬件支持軟件運行的基礎上，通過建立一個全互聯網絡模式，展開系統(tǒng)的多尺度深度學習，用財務信息的底層特征形成具有抽象意義的高層特征，實現醫(yī)院財務信息的多參數顯示。但此次設計的醫(yī)院財務系統(tǒng)，沒有詳細描述選用硬件的基本參數，也沒有介紹硬件在同領域內的使用效果，今后若再次研究醫(yī)院財務系統(tǒng)，可以對硬件方面進行詳細的描述。

參考文獻

[1]?計大威.基于WEB系統(tǒng)與J2EE開發(fā)技術的財務憑證管理系統(tǒng)設計與實現[J].自動化技術與應用， 2019，38（12）：160-163.

[2]?王斌.SAP系統(tǒng)在醫(yī)院財務管理中的應用[J].西南國防醫(yī)藥，2019，29（12）：1253-1255.

[3]?李川.醫(yī)院財務管理與決策系統(tǒng)的設計與開發(fā)探析[J].軟件，2019，40（10）：180-183.

[4]?李盼，張潔，張志剛，等.基于大數據的醫(yī)院財務管理信息系統(tǒng)設計[J].自動化與儀器儀表，2019（12）：34-36.

[5]?胡亞洲，梁立.管理會計視角下公立醫(yī)院財務信息建設研究[J].山西財經大學學報，2018，40（S2）：43-45.

[6]?曾寧東.基層疾控機構財務核算信息集中監(jiān)管系統(tǒng)的應用研究[J].數字技術與應用，2019，37（12）：31-32.

[7]?胡天中，余建波.基于多尺度分解和深度學習的鋰電池壽命預測[J].浙江大學學報（工學版），2019，53（10）：1852-1864.

[8]?惠丹.基于深度學習算法的可穿戴設備手勢識別系統(tǒng)設計[J].信息技術與網絡安全，2019，38（9）：30-33.

[9]?陳德強，潘峰，李偉.基于多尺度卷積核特征提取算法的手寫數字識別研究[J].韶關學院學報，2019，40（9）：32-36.

[10]?張飛雁.基于機構設計與深度學習的工業(yè)模糊圖像智能調焦系統(tǒng)設計[J].電子測量技術，2019，42（12）：17-20.

（收稿日期：2020.05.19）