You are here: Home Proceedings
Document Actions

Proceedings

Datenbasierte Operationsplanung im Krankenhaus unter Entwicklung und Einbindung einer Machine Learning Plattform

Databased surgery planning in hospitals under development and integration of a machine learning platform

  1. Dipl.-Ing. Jennifer Saß Professur für Technische Logistik, Technische Universität Dresden
  2. Nick Hartmann Professur für Technische Logistik, Technische Universität Dresden
  3. apl. Prof. Dr. Ing. habil. Michael Völker Professur für Technische Logistik, Technische Universität Dresden
  4. Prof. Dr. Ing. habil. Thorsten Schmidt Professur für Technische Logistik, Technische Universität Dresden

Abstracts

Die vorliegende Arbeit gibt einen Überblick zur Ergänzung von Planungs- und Steuerungsprozessen im OP-Bereich von Krankenhäusern. Der Fokus liegt hier auf der automatisierten Vorhersage von Operationszeiten mittels maschineller Lernmethoden auf Basis von retrospektiven Daten. Der vorliegende Artikel befasst sich mit der Analyse der zu beziehenden Daten, der Aufbereitung und Vorverarbeitung dieser und der Empfehlung an geeigneten Algorithmen für das M Maschinelle Lernen. Die beschriebene Arbeit ist im Rahmen des SAB geförderten Projektes; Platform for Operation Scheduling and Prediction using machine learning (PROSPER) entstanden.

This paper gives an overview of the enhancement of planning and control processes in the operating theater of hospitals. The focus here is on the automated prediction of operating times using machine learning methods based on retrospective data. This article deals with the analysis of the data to be obtained, the preparation and preprocessing of this data and the recommendation of suitable algorithms for machine learning. This work was carried out as part of the funded project Platform for Operation Scheduling and Prediction using machine learning (PROSPER).

Keywords

Fulltext

License

Any party may pass on this Work by electronic means and make it available for download under the terms and conditions of the free Digital Peer Publishing License. The text of the license may be accessed and retrieved at http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html.

Number of citations

Visit Google Scholar to find out, how often this paper is cited.