在目前人们对健康日益重视以及医疗资源相对紧缺这一背景下,多数医院门诊往往都处于一个相当拥挤的状况,这就导致日常的就医活动会耗费患者们大量的时间,尤其是在大型医技检查项目上往往会耗费数小时甚至数天的等待时间。如在三甲医院中,超声项目检查平均等候时间长达1小时,但患者实际就诊时间仅约几分钟,这就会使得患者等候时间远远大于服务时间,进一步导致患者就医满意度下降。所以,通过合理的实验与论证去寻找医院管理或规划的改进空间,以此来提升医疗资源利用率以及医院运行效率就显得尤为重要。为此,本文从“知己知彼,百战百胜”的角度出发,采用回归预测与排队论模型相结合的创新方法,去探寻提前预测每日超声项目检查人数并在此基础上做出最优的医疗资源与医护人员安排方案的可行性。本文研究数据来源于某大型三甲医院历年门诊患者的就医数据,选取2019年11月份的就诊信息并从中进行分析和挖掘提取到有效样本共计30多万条,并利用R语言将其按具体就诊日期进行了分组统计。在此基础上,进一步的利用R语言处理数据,分别统计了该月每天每个科室具体的挂号人数,以及当天进行了超声项目检查的人数。在此过程中,发现经过数据整合与匹配之后的样本量远小于自变量的个数,从而导致不能够直接采用线性回归的方法来建立预测模型。为此,本文依次采用了偏最小二乘法（PLS）、LASSO以及弹性网这三种变量筛选的方法对这一特定数据进行了回归预测模型的建立。在训练集与验证集划分的基础上,对比这三种变量筛选的建模方法,结果表明三个模型均能够有效预测每日超声项目检查的人数,其误差均控制在5%左右。这同时也表明,通过医院提前观测到的挂号信息对每日的超声项目检查人数作出较为精准的预测是可行的。其中LASSO预测模型的精确度最高,其均方误差RMSE最小,仅为29.94,且该模型简洁度较高,在原来的36个自变量中只保留了15个自变量。为此,本文选择了LASSO方法所建模型作为了回归预测模型的建模结果。进一步的,在确定了较为精确的预测每日超声项目检查人数是可行的这一基础上,本文用排队论模型从理论上来分析并探究该院医疗资源安排方案的优化与改进空间。在这一过程中,通过分析数据发现,该院患者的到达情况在工作日时段以及周末时段有明显不同。因此,本文对上述这两种情况分别进行了排队论模型的建立与求解优化。结果表明,在工作日时段该院常规配备的20台超声检查仪器并不能够满足患者们的就医需求,这就导致患者们的就医等候时间不断加长,同时医护工作人员们也不得不承受较大的工作压力与强度。但如果该院能够适量的增加超声检查设备数量至24台,那么即使是在工作日患者平均到达率高达272.98（人/小时）的情况下,患者的平均等待时间也就仅有3分钟不到,患者的平均等候队长更是缩短至14人,这可以在很大程度上改善患者的就医体验和医院的拥挤状况。同样的,在周末时段现有的设备数量能够很好地满足患者的就诊需求,且仅需启用14台超声项目检查仪器便能使患者的平均等候时间下降至2.73分钟,且平均等候队长也将缩短为7人不到。