CN105335804A - 一种社区卫生服务系统 - Google Patents

Abstract

本发明公开了一种社区卫生服务系统，包括：健康档案管理模块：用于对社区居民的健康档案数据进行管理，将居民健康档案数据与门诊系统关联，并通过数据挖掘，对居民患病的趋势进行提前预测；统计分析模块用于针对健康档案数据，采用基于CUDA加速的最大频繁项集方法进行健康档案数据的内部关联规则的挖掘，基于该关联规则获取社区居民的健康状况；系统管理模块用于提供社区服务相关的基础的服务管理功能。

Description

一种社区卫生服务系统

技术领域

本发明涉及医疗信息化领域，特别涉及一种基于CUDA(ComputeUnifiedDeviceArchitecture，统一计算设备架构)加速FP_tree挖掘算法的社区卫生服务系统。

背景技术

目前，随着医疗技术的迅速发展，社区医疗服务也大量运用先进的医疗信息化技术，丰富了社区医疗服务系统的功能。满足了人民生活和社区发展的需要，为居民提供安全、高效、便捷的医疗卫生服务，为卫生服务人员提高了卫生服务效率和卫生服务质量。

但是这种社区医疗服务系统还存在一些不足：

1)现阶段的社区卫生服务系统只对慢病患者的体征指数和体检报告进行采集和简单的阈值分类，未对这些数据进行深度分析和统计，不能准确发现体征指数与疾病的关联。

2)基于FP_tree算法的数据挖掘速度较慢，不能满足社区卫生服务系统要求的统计实时性。

发明内容

本发明所要解决的技术问题在于提供一种社区卫生服务系统，以解决现有社区医疗服务系统中存在的只能对患者的健康档案数据进行简单的采集分类工作，不能实现复杂的分析和统计，无法发现数据内部的关联关系的问题。

为达上述目的，本发明提供一种社区卫生服务系统，包括：

健康档案管理模块：用于对社区居民的健康档案数据进行管理，将所述居民健康档案数据与门诊系统关联，并通过数据挖掘，对居民患病的趋势进行提前预测；

统计分析模块：针对所述健康档案数据，采用基于CUDA加速的最大频繁项集方法进行所述健康档案数据的内部关联规则的挖掘，基于所述关联规则获取所述社区居民的健康状况；

系统管理模块：提供社区服务相关的基础的服务管理功能。

上述社区卫生服务系统，其特征在于，还包括：

社区数据中心：对所述健康档案数据进行整合管理和数据共享；

社区卫生管理平台：在所述社区数据中心基础上，采用统一的交换共享服务，集成所述健康档案数据。

上述社区卫生服务系统，其特征在于，还包括：

慢病管理模块：用于对社区的慢性病患者的健康状况进行管理和监测，对发现的异常情况进行报警，并对慢性病管理率进行统计和上报；

双向转诊模块：用于实现社区卫生服务与医院的双向转诊流程管理。

上述社区卫生服务系统，其特征在于，所述统计分析模块还包括：

数据监测模块：基于所述健康档案数据，采用体征值异常判断模型对所述社区居民的体征值进行监测和预警；

数据挖掘模块：采用所述基于CUDA加速最大频繁项挖掘方法，挖掘出所述社区居民的家族病史、个人病史、体征指数和慢性病数据之间的关联关系。

上述社区卫生服务系统，其特征在于，所述数据挖掘模块，还包括：

事务数据库构建模块：用于从所述健康档案模块提取数据，选取典型特征数据构成事务数据库；

单向频繁模式树建立模块：用于采用CUDA并行扫描所述事务数据库，得到支持度，并创建所述单向频繁模式树的根节点，从所述事务数据库中取出事务按照预定规则插入树中构成节点，直至所有所述事务加入树中，完成所述单向频繁模式树构建；

并行挖掘模块：采用CUDA加速的方法对所述单向频繁模式树的每行链表进行并行挖掘，取出每行链表对应的事务项集，形成候选项集；

最大频繁项集获取模块：基于所述候选项集生成频繁项集，动态更新所述候选项集和所述频繁项集，将所述支持度小于预设阈值的所述频繁项集剪枝，得到最大频繁项集合。

上述社区卫生服务系统，其特征在于，所述健康档案管理模块还包括健康档案数据挖掘模块、个人档案管理模块和家庭档案管理模块。

上述社区卫生服务系统，其特征在于，所述系统管理模块还包括：用户管理模块、角色管理模块、资源管理模块、字典管理模块、健康卡管理模块、设备管理模块。

上述社区卫生服务系统，其特征在于，所述社区卫生管理平台还包括：注册服务模块、信息共享和协同服务模块、数据交换模块、接口集成模块和HL7标准模块。

上述社区卫生服务系统，其特征在于，所述慢病管理模块还包括：慢病患者管理模块、慢病年度评估表管理模块、随访统计模块和慢病管理率统计模块。

上述社区卫生服务系统，其特征在于，所述双向转诊模块还包括：医院资源信息接口管理模块、医院信息列表接口管理模块、医院排班接口管理模块、回转管理模块、转出管理模块、转诊记录模块。

与现有技术相比，本发明的有益效果在于：本发明提供了社区医疗数据的统计分析挖掘管理，采用基于CUDA加速的挖掘算法对数据进行实时的深度分析和挖掘，快速发现体征指数与疾病的关联。同时提出一整套社区卫生服务系统，对社区卫生服务中心的各个业务流程进行信息化管理，提高诊疗效率。

附图说明

图1为本发明社区卫生服务系统结构示意图；

图2为本发明统计分析模块结构示意图；

图3为本发明数据挖掘模块结构示意图；

图4为本发明社区卫生服务系统实施例示意图；

图5为本发明社区卫生服务系统具体实施方法流程示意图。

其中，附图标记：

1健康档案管理模块2统计分析模块

3系统管理模块4慢病管理模块

5双向转诊模块6社区数据中心

7社区卫生管理平台

S1～S4：本发明各实施例的施行步骤

具体实施方式

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

本发明提出了社区卫生服务系统，该系统基于CUDA加速的单向FP_tree的最大频繁项集挖掘算法，不仅实现对健康数据复杂的分析和统计，可以发现数据内部的关联关系，而且可以实现社区卫生服务中心和社区卫生服务站等机构对居民的管理，满足卫生管理机构内部管理和分析决策的需要，促进机构服务能力和管理水平的提升。

如图1所示，本发明社区服务系统，包括：

健康档案管理模块1：用于对社区居民的健康档案数据进行管理，将居民健康档案数据与门诊系统关联，并通过数据挖掘，对居民患病的趋势进行提前预测；

健康档案管理模块1对社区居民的健康档案进行管理，并将居民健康档案和门诊系统关联。医生门诊时，可调阅居民的健康档案，并通过健康档案数据挖掘子模块挖掘出居民的可能患有的疾病，提早治疗。该模块包括个人档案管理、家庭档案管理。

统计分析模块2：针对健康档案数据，采用基于CUDA加速的最大频繁项集方法进行健康档案数据的内部关联规则的挖掘，基于该关联规则获取社区居民的健康状况；

统计分析模块2通过社区健康驿站采集的体征指数和社区居民的疾病状况，采用基于CUDA加速的最大频繁项集挖掘算法进行数据挖掘，该算法改进了原有的数据挖掘算法Apriori和FP_growth，将基于CPU的运算过程改成基于GPU和CPU共同运算，双向树改进为单向树的构造，节省了搜索效率，同时采用分治的算法，将海量的体征数据由大分成多个小的范围，再把小的范围分成更小的范围，最后分解到合适的范围后，再采用基于CUDA加速的Apriori算法进行数据挖掘，挖掘出体征指数和疾病状况的联系。

系统管理模块3：提供社区服务相关的基础的服务管理功能；

慢病管理模块4：用于对社区的慢性病患者的健康状况进行管理和监测，对发现的异常情况进行报警，并对慢性病管理率进行统计和上报；

慢病管理模块4用于对社区慢性病患者进行管理，对居民健康状况进行监测，一旦居民体征指数异常，系统会弹出提醒。该模块主要包括慢病管理、慢病年度评估表、慢病随访管理和统计、慢病管理率统计、健康知识库管理。该模块的特征在于慢病管理率的统计，将一年四季度的慢病随访病历采用遍历算法进行统计，判断出医生的随访完整度，计入医生的绩效考核，并上报给卫生管理部门。

双向转诊模块5：用于实现社区卫生服务与医院的双向转诊流程管理。

社区数据中心6：对健康档案数据进行整合管理和数据共享；

社区卫生管理平台7：在社区数据中心基础上，采用统一的交换共享服务，集成健康档案数据。

其中，如图2所示，统计分析模块还2包括：

数据监测模块21：基于健康档案数据，采用体征值异常判断模型对社区居民的体征值进行监测和预警；

数据挖掘模块22：采用基于CUDA加速最大频繁项挖掘方法，挖掘出社区居民的家族病史、个人病史、体征指数和慢性病等数据之间的关联关系。

其中，如图3所示，数据挖掘模块22，还包括：

事务数据库构建模块221：用于从所述健康档案模块提取数据，选取典型特征数据构成事务数据库；

单向频繁模式树建立模块222：用于采用CUDA并行扫描所述事务数据库，得到支持度，并创建所述单向频繁模式树的根节点，从所述事务数据库中取出事务按照预定规则插入树中构成节点，直至所有所述事务加入树中，完成所述单向频繁模式树构建；

并行挖掘模块223：采用CUDA加速的方法对所述单向频繁模式树的每行链表进行并行挖掘，取出每行链表对应的事务项集，形成候选项集；

最大频繁项集获取模块224：基于所述候选项集生成频繁项集，动态更新所述候选项集和所述频繁项集，将所述支持度小于预设阈值的所述频繁项集剪枝，得到最大频繁项集合。

以下结合附图对本发明具体实施例进行详细描述，但不作为对本发明的限定。

本发明提供的基于CUDA加速的单向FP_tree挖掘算法的社区卫生服务系统，采用B/S架构技术和C/S架构技术相结合，底层采用J2EE技术，利用CUDA实现GPU和CPU的并行计算。该系统包括社区数据中心、社区卫生管理平台、健康档案管理模块、慢病管理模块、健康驿站模块、双向转诊模块、统计分析模块、系统管理等应用层，以及安全保障体系。所述的系统将健康档案采用基于CUDA加速的最大频繁项集挖掘算法，为居民提供数据分析和诊疗的信息化手段。

如图4所示，本发明社区卫生服务系统包括：

社区数据中心10：医联体数据中心具有指标管理服务、注册管理服务、数据采集服务、数据共享服务、数据交换服务、数据集成服务、信息管理和存储服务、信息发布调阅服务、服务进程监测服务、服务任务设置、服务任务日志、数据映射规则、数据转换规则、数据备份等功能。

数据通过数据交换平台进入共享交换区，然后按照统一的数据标准，从整合数据区中抽取相关业务数据，经过整合后，建立统一的健康档案资源数据，即：业务操作数据区。整个过程包括：数据抽取、清洗、转换、装载。

社区卫生管理平台20：采用统一的交换共享服务，集成社区所有的健康档案等医疗数据，采用HL7标准统一管理数据，其管理控制台基于WebService标准框架体系构建。该平台的主要功能包括系统信息服务、交换节点管理、连接器管理、系统监控、数据源管理、定时任务管理、目录服务、错误信息统计、实时流量统计、消息交换全过程跟踪监控、消息器路由服务、消息传输服务、消息接入、接口集成等功能。

健康档案管理模块30：是基于接口引擎，实现社区居民的健康档案管理功能，前台采用AJAX技术，后台采用JDBC和SSH框架，整体采用XML和HL7标准。个人档案管理包括基本情况、过敏史、家族病史、个人病史、残疾史、和体检报告等个人信息的增、删、改、查功能；家庭档案管理主要包括家庭管理、团队管理和家庭签约等功能；同时，健康档案管理模块为统计分析模块留下接口，将健康档案中的家族病史、个人病史、体检报告传送给统计分析模块进行数据挖掘。

慢病管理模块40：是基于接口引擎，采用XML技术、SOAP技术等先进技术，整个模块分为HL7应用层、Webservices基础架构层和传输层三层架构，主要包括慢病患者管理(增、删、改、查)子模块、慢病年度评估表管理、随访统计、慢病管理率等子模块。

慢病年度评估表是将医护人员针对慢病患者每年填写的表格电子化，并统计评估表的完整度，计入医护人员的绩效考核

随访统计将医生通过门诊、入户随访、电话随访、短信、电子邮件、qq群等形式完成随访进行汇总，并统计随访的完整度，计入医护人员的绩效考核。

慢病管理率是统计整个社区慢病患者的管理率。

双向转诊模块50：采用应用层、传输层、webservice基础架构层三层结构。该模块主要分为系统登录、医院信息注册接口管理、医院信息更新接口管理、医院资源信息接口管理、医院信息列表接口管理、医院排班接口管理、回转管理、转出管理、转诊记录、统计分析报表、系统维护等子模块。

统计分析模块60：与健康档案管理模块对接，将健康档案中的家族病史、个人病史、体检报告等参数进行自动统计分析，主要包括数据监测子模块和数据挖掘，对居民的健康状况进行实时反馈，实现健康促进、数据监测等作用。

数据监测模块601：采用了体征值异常判断模型。当居民的健康档案中的体征值，如血压、血氧、血糖、心率、心电、骨密度等出现异常(与体征值异常判断模型作对比)，则系统弹出警报信息。提醒医生重点关注居民，并且经过医生同意后，可定时给居民发短信，短信内容根据居民健康档案异常的体征值可能导致的并发症来提供。

数据挖掘模块602：主要特征在于采用基于CUDA加速最大频繁项挖掘的新算法，挖掘出居民的家族病史、个人病史、体征指数和慢性病之间的联系。

数据挖掘模块602采用如图5所示的流程具体实现：

步骤S1：提取典型采样数据，组成事物数据库，从健康档案模块提取居民的数据，选取几个典型的体征值数据组成一个事物数据库，例如采样分为：2个年龄段(40-65岁，60以上)、3个典型的收缩压值范围、4个典型的平均血压范围、4个典型的脉压范围、高血压、高血压高危人群、正常人群。利用改进的新算法算出事物数据库的最大频繁项，即年龄段、体征值与慢性病之间的最紧密的关系。当居民体检结果出现相应体征值，系统根据新算法给出居民的对应健康状况。

该算法采用了一种新的挖掘策略，改进了Apriori算法和FP_growth算法的效率问题。首先将数据库压缩到从上到下的单向FP_tree树中。双向树算法有60％以上的时间耗费在向上搜索获取条件模式基上，从上到下的单向FP_tree树解决了向上搜索耗费时间的问题，只需向下搜索，减少了时间开销。并且，单向FP_tree树的每个节点包括前驱、兄弟指针域和支持度，数据结构采用位为单位作为顺序码，相比较char和int型节省了存储空间。

步骤S2：利用CUDA并行构造单向FP_tree树，从上而下单向树的构造过程如下：

(1)利用CUDA并行扫描事务数据库，得到支持度。每个节点的支持度的计算利用CUDA加速并行扫描整个数据库获得，CUDA强大并行计算能力，将支持度运算在kernel函数中进行，kernel有若干thread，每个thread负责一个节点的支持度计算，大大提高了挖掘效率。频繁项按支持度的逆序顺列，并生成相应顺序码。支持度最大的顺序码为两个字节0000000000000001，次之则为0000000000000010，以此类推。

(2)创建单向树的根节点，以“null”标记它，并以此作为所有事务的第0项。从事务数据库D中取出一个事务，并将其按照上面的规则转化成顺序码。并插入树中。

(4)读取下一事务，重复上述过程，直到所有事务加入树中。

步骤S3：对树的每行链表采用CUDA加速，构造完单向FP_tree树后，用CUDA对树的每行链表进行并行挖掘，采用基于的CUDA加速Apriori算法逐层处理后缀项目的子空间，每层将会逐条取出子空间中的“事务项集”；

步骤S4：动态更新“候选项集”“频繁项集”。将支持度大于最小支持度阈值的节点加入到“频繁项集”，将支持度小于阈值的子集减枝，当所有子空间处理完成时，得到若干频繁项集。将频繁项集中的子集剪枝，得到最大频繁项集合。即总结出某血压范围、某脉压范围、高血压对应一个最大频繁项集。某血压范围、某平均血压范围、正常人群对应一个最大频繁项集。

采样数据属性还可以选择家族病史、个人病史、体检报告等数据，挖掘出它们之间紧密关系。

系统管理模块70：该模块主要包括用户管理、角色管理、资源管理、字典管理、健康卡管理、设备管理、公告管理、档案废止。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种社区卫生服务系统，其特征在于，包括：

健康档案管理模块：用于对社区居民的健康档案数据进行管理，将所述居民健康档案数据与门诊系统关联，并通过数据挖掘，对居民患病的趋势进行提前预测；

统计分析模块：针对所述健康档案数据，采用基于CUDA加速的最大频繁项集方法进行所述健康档案数据的内部关联规则的挖掘，基于所述关联规则获取所述社区居民的健康状况；

系统管理模块：提供社区服务相关的基础的服务管理功能。

2.根据权利要求1所述社区卫生服务系统，其特征在于，还包括：

社区数据中心：对所述健康档案数据进行整合管理和数据共享；

社区卫生管理平台：在所述社区数据中心基础上，采用统一的交换共享服务，集成所述健康档案数据。

3.根据权利要求1或2所述社区卫生服务系统，其特征在于，还包括：

慢病管理模块：用于对社区的慢性病患者的健康状况进行管理和监测，对发现的异常情况进行报警，并对慢性病管理率进行统计和上报；

双向转诊模块：用于实现社区卫生服务与医院的双向转诊流程管理。

4.根据权利要求1所述社区卫生服务系统，其特征在于，所述统计分析模块还包括：

数据监测模块：基于所述健康档案数据，采用体征值异常判断模型对所述社区居民的体征值进行监测和预警；

数据挖掘模块：采用所述基于CUDA加速最大频繁项挖掘方法，挖掘出所述社区居民的家族病史、个人病史、体征指数和慢性病数据之间的关联关系。

5.根据权利要求4所述社区卫生服务系统，其特征在于，所述数据挖掘模块，还包括：

事务数据库构建模块：用于从所述健康档案模块提取数据，选取典型特征数据构成事务数据库；

单向频繁模式树建立模块：用于采用CUDA并行扫描所述事务数据库，得到支持度，并创建所述单向频繁模式树的根节点，从所述事务数据库中取出事务按照预定规则插入树中构成节点，直至所有所述事务加入树中，完成所述单向频繁模式树构建；

并行挖掘模块：采用CUDA加速的方法对所述单向频繁模式树的每行链表进行并行挖掘，取出每行链表对应的事务项集，形成候选项集；

最大频繁项集获取模块：基于所述候选项集生成频繁项集，动态更新所述候选项集和所述频繁项集，将所述支持度小于预设阈值的所述频繁项集剪枝，得到最大频繁项集合。

6.根据权利要求1所述社区卫生服务系统，其特征在于，所述健康档案管理模块还包括健康档案数据挖掘模块、个人档案管理模块和家庭档案管理模块。

7.根据权利要求1所述社区卫生服务系统，其特征在于，所述系统管理模块还包括：用户管理模块、角色管理模块、资源管理模块、字典管理模块、健康卡管理模块、设备管理模块。

8.根据权利要求2所述社区卫生服务系统，其特征在于，所述社区卫生管理平台还包括：注册服务模块、信息共享和协同服务模块、数据交换模块、接口集成模块和HL7标准模块。

9.根据权利要求3所述社区卫生服务系统，其特征在于，所述慢病管理模块还包括：慢病患者管理模块、慢病年度评估表管理模块、随访统计模块和慢病管理率统计模块。

10.根据权利要求3所述社区卫生服务系统，其特征在于，所述双向转诊模块还包括：医院资源信息接口管理模块、医院信息列表接口管理模块、医院排班接口管理模块、回转管理模块、转出管理模块、转诊记录模块。