CN109545385A - 一种基于物联网的医疗大数据分析处理系统及其方法 - Google Patents
一种基于物联网的医疗大数据分析处理系统及其方法 Download PDFInfo
- Publication number
- CN109545385A CN109545385A CN201811454499.8A CN201811454499A CN109545385A CN 109545385 A CN109545385 A CN 109545385A CN 201811454499 A CN201811454499 A CN 201811454499A CN 109545385 A CN109545385 A CN 109545385A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- prediction model
- module
- cloud service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 201000010099 disease Diseases 0.000 claims abstract description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000003672 processing method Methods 0.000 claims abstract description 7
- 238000003745 diagnosis Methods 0.000 claims description 26
- 230000036541 health Effects 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 235000005911 diet Nutrition 0.000 claims description 5
- 230000037213 diet Effects 0.000 claims description 5
- 238000012805 post-processing Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 238000002203 pretreatment Methods 0.000 abstract description 2
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于物联网的医疗大数据分析处理系统及其方法，属于数据处理技术领域。所述大数据分析处理系统主要由包括云服务平台、用户端、医院数据库和医护平台终端构成，本发明医疗大数据分析处理方法包括数据获取与传输、数据预处理、构建预测模型和测试与优化预测模型的主要步骤来得到用以表示所预测对象的患病概率或所预测对象患有某种疾病概率的预测模型，通过通信模块实现数据信息的物联网传输，并且所述预测模型基于卷积神经网络构建得到，输入的相关联性多、影响范围广的数据源，并且数据有进行了预处理步骤，大大提高了预测结果的准确参考价值。
Description
技术领域
本发明属于大数据分析的技术领域，特别涉及一种基于物联网的医疗大数据分析处理系统及其方法。
背景技术
大数据(big data)，是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。随着网络的日益普及和高速发展，各个行业的大数据都可以被收集到。针对大数据的挖掘已经在其它行业有了很大程度的应用并也得到了显著的成果。但与其它行业所不同的是，医疗行业由于与病患的生命安全有着紧密的联系，所以医疗数据分析结果的准确性和实用性更是需要关注的重点。
医疗行业涉及到的大数据分析与服务范围包括临床业务、网络平台、公众健康管理、远程病人监控、新药开发等，因此通过大数据分析处理得到的结果能够大幅度提高医疗效果和患者诊治的满意度，同时通过人体健康数据的采集以及健康关联数据库的历史健康信息来形成的大数据健康分析预测将会是未来医疗领域一个主要的研发方向。
现有技术中出现了各种医疗应用的大数据服务系统，例如公开号为CN107887015A的中国发明专利申请公开了一种基于物联网大数据的远程医疗服务系统，包括中央处理器、智能设备、远程会诊模块、教育模块、大数据调用模块、计时模块、数据分析传输模块、数据库、医疗资源数据库、医疗案例库和数据采集部分；数据分析传输模块与数据库通过GPRS模块连接；中央处理器与大数据调用模块通信连接；大数据调用模块通过GPRS网络分别与数据库、医疗资源数据库、医疗案例库连接。该系统基于物联网技术并通过大数据调用模块从医疗案例库内获取案例信息，远程会诊模块向中央处理器传输诊断信息；当病人的身体状况不稳定时，中央处理控制器向智能设备发出警报，便于及时就诊，数据库的设置还可以实现医疗资源共享。但其医疗资源数据库、数据库内的信息仅由数据采集部分采集得到的血压、血糖、血氧、心率这些最为基础的身体机能信息，而对于患者的饮食习惯、作息方式、职业环境等与身体健康相关的参数信息没有考虑其中，将会影响会诊结果和大数据分析结果的准确性，使整个系统的实用性和可执行性受到很大的考验。
发明内容
本发明的发明目的是，针对上述问题，提供一种基于物联网的医疗大数据分析处理系统，对于除了以医院数据库中记载的原始诊治信息来作为数据源外，还通过用户端获取的健康数据信息一起作为数据源，使得整个预测模型的数据来源更广，并结合基于卷积神经网络构建得到的预测模型，使本系统的预测结果更为准确。
一种基于物联网的医疗大数据分析处理系统，包括云服务平台、用户端、医院数据库和医护平台终端，所述医护平台终端向医院数据库录入患者的原始诊治信息并能实时调用查看医院数据库中记载的各就诊信息，且医护平台终端通过通信模块与云服务平台连接；所述用户端通过通信模块与云服务平台连接，用以向云服务平台推送健康数据信息并接收云服务平台发来的健康预警信息；
所述云服务平台包括专家模块、趋势预警模块、用户数据库和知识档案数据库，所述用户数据库分别将用户端发来的健康数据信息和医院数据库发来的原始诊治信息进行数据归一化处理后得到用户信息；将知识档案数据库中的数据信息与用户数据库中的用户信息进行整合，并将整合得到的数据分为训练集和测试集，所述专家模块基于卷积神经网络构建预测模型，并以训练集进行有监督的学习与训练，然后以测试集对预测模型进行参数的优化与调整，得到最终预测模型即为所述趋势预警模块，所述趋势预警模块根据用户端和/或医护平台终端输入的预测指令输出对应的预警分析结果。
作为优选实施方式，所述云服务平台还包括统计模块，所述统计模块以医疗数据库和用户数据库中的数据信息作为整理与统计的数据源，并将数据源的统计结果发送给专家模块，且所述统计模块根据趋势预警模块发来的预警分析结果不断自检和更新统计结果。
作为优选实施方式，所述专家模块在构建预测模型前通过数据预处理模块对数据进行清洗后利用熵进行离散化处理，得到标准数据样本；其中，对数据的清洗包括去除或补全有缺失的数据，去除内容有错误的数据，去除逻辑错误的数据，去掉不需要的数据以及将数据进行关联性验证。
作为优选实施方式，所述云服务平台还包括数据存储模块，所述数据存储模块经数据安全模块后分别与用户数据库、知识档案数据库、统计模块连接，用以对上述数据信息进行安全存储。
作为优选实施方式，所述数据安全模块包括发送端预处理单元、发送端加密单元、接收端解密单元和接收端后处理单元，发送端预处理单元用于对输入的原始待发送数据进行压缩，以减少待加密的数据量；发送端加密单元用于对数据进行加密处理；接收端解密单元，用于在接收端接收到加密数据后，对数据进行解密，使数据从密文变为明文的形式；接收端后处理单元，其用于对解密单元输出的数据进行恢复还原，对解密之后的压缩数据进行解压缩；其中所述发送端加密单元对数据进行加密所使用的密码算法包括：AES、SM4对称密码算法。
作为优选实施方式，所述预测模型的构建方法具体为：向卷积神经网络中输入训练集，卷积神经网络进行有监督的学习与训练，直至所述卷积神经网络的模型收敛，得到初步预测模型；然后再向初步预测模型中输入测试集，对初步预测模型进行泛化能力测试，并根据测试结果来调整和优化参数，得到最终的预测模型。
本发明还提供了一种基于物联网的医疗大数据分析处理方法，包括如下步骤：
S1、数据获取与传输：医护人员通过医护平台终端向医院数据库录入病人实时就诊的原始诊治信息，病人通过用户端向云服务平台输入病人的健康数据信息，所述原始诊治信息包括病人检验指标信息、病人检验报告信息和病人就诊记录信息；所述健康数据信息包括作息规律信息、饮食喜好信息、职业信息、发病史信息；
S2、数据预处理：对步骤S1中的原始诊治信息和健康数据信息进行清洗后并利用熵进行离散化预处理，得到标准数据样本，所述云服务平台将标准数据样本进行归一化处理后构建用户数据库，所述云服务平台将用户数据库与知识档案数据库中的数据信息进行整合，并将整合得到的数据随机分为训练集和测试集；
S3、构建预测模型：云服务平台上的专家模块基于卷积神经网络构建预测模型，并以训练集进行有监督的学习与训练，得到初步的神经网络预测模型；
S4、测试与优化预测模型：以测试集对初步的神经网络预测模型进行参数的优化与调整，最终得到用于分析评估所预测对象的患病概率或预测对象患有某种疾病的概率的预测模型，最终的预测模型对应为云服务平台上的趋势预警模块，所述趋势预警模块根据用户端和/或医护平台终端输入的预测指令输出对应的预警分析结果。
进一步优选地，步骤S2中，利用熵进行离散化预处理包括：将样本集中的指标数据的百分位数作为候选的分割节点，并且设定每个指标数据最多被分成4份，当以某个节点分割后，使得该指标数据分成3个区域，若3个区域的数据样本量之比小于0.3或大于3，则继续对较大的那个区域进行离散化，否则该指标的离散化结束。
作为优选实施方式，所述卷积神经网络可以为多层人工神经网络结构，包括一个输入层、一个输出层和两个以上的隐层，所述输入层设有n个节点，一个节点对应选取的一个数据特征，输出层为一个节点且输出层的输出结果用以表示所预测对象的患病概率或预测对象患有某种疾病的概率。
由于采用上述技术方案，本发明具有以下有益效果：
1.本发明除了以医院数据库中记载的原始诊治信息来作为数据源外，还通过用户端获取的健康数据信息(例如作息信息、饮食喜好信息、职业环境等)一起作为数据源，还引入知识档案数据库，对于引发患病的方方面面数据信息均涉及到，数据来源更广、获取方式简单，并且结合基于卷积神经网络构建得到的预测模型，使得本系统的预测结果更为准确和具有参考价值。
2.本发明的在使用时，首先对获取的数据进行了清洗处理后对再对数据进行基于熵的离散化处理，有助于后期数据信息的归一化与整合，保证最终的预测模型的拟合性。
3.本发明采用的数据安全模块主要由发送端预处理单元、发送端加密单元、接收端解密单元和接收端后处理单元构成，所述数据安全模块可以实现定向数据加密的功能，有效地保证云服务器上各数据安全传输的功能，并且所设置的发送端预处理单元能减少待加密的数据量，从而提高数据的传输速度。
4、本发明医疗大数据分析处理方法包括数据获取与传输、数据预处理、构建预测模型和测试与优化预测模型的主要步骤来得到用以表示所预测对象的患病概率或所预测对象患有某种疾病概率的预测模型，通过通信模块实现数据信息的物联网传输，并且所述预测模型基于卷积神经网络构建得到，输入的相关联性多、影响范围广的数据源，并且数据有进行了预处理步骤，大大提高了预测结果的准确参考价值。
附图说明
图1是本发明的系统方框图。
图2是所述云服务平台的组成框图。
图3是本发明的系统流程框图。
具体实施方式
以下结合附图对发明的具体实施进一步说明。
如图1所示，一种基于物联网的医疗大数据分析处理系统，包括云服务平台、用户端、医院数据库和医护平台终端。所述医护平台终端向医院数据库录入患者的原始诊治信息并能实时调用查看医院数据库中记载的各就诊信息，且医护平台终端通过通信模块与云服务平台连接。所述用户端通过通信模块与云服务平台连接，用以向云服务平台推送健康数据信息并接收云服务平台发来的健康预警信息。
如图2所示，所述云服务平台包括专家模块、趋势预警模块、用户数据库和知识档案数据库。所述用户数据库分别将用户端发来的健康数据信息和医院数据库发来的原始诊治信息进行数据归一化处理后得到用户信息；将知识档案数据库中的数据信息与用户数据库中的用户信息进行整合，并将整合得到的数据分为训练集和测试集。所述专家模块基于卷积神经网络构建预测模型，并以训练集进行有监督的学习与训练，然后以测试集对预测模型进行参数的优化与调整，得到最终预测模型即为所述趋势预警模块，所述趋势预警模块根据用户端和/ 或医护平台终端输入的预测指令输出对应的预警分析结果。所述知识档案数据库内记载有关某疾病的发病概率，影响发病的因素，以及发病前征兆、发病时的症状、发病后治愈概率等信息。知识档案数据库内的信息随时供专家模块进行调用并与用户数据库内的数据信息进行关联，用以给专家模块内的预测模型提供决策分析依据。
所述云服务平台还包括统计模块，所述统计模块以医疗数据库和用户数据库中的数据信息作为整理与统计的数据源，并将数据源的统计结果发送给专家模块，且所述统计模块根据趋势预警模块发来的预警分析结果不断自检和更新统计结果。
所述专家模块在构建预测模型前通过数据预处理模块对数据进行清洗后利用熵进行离散化处理，得到标准数据样本。其中，对数据的清洗包括去除或补全有缺失的数据，去除内容有错误的数据，去除逻辑错误的数据，去掉不需要的数据以及将数据进行关联性验证。而对数据进行离散化处理则可以提高数据的拟合度，为模型提供更好的鲁棒性。
所述云服务平台还包括数据存储模块，所述数据存储模块经数据安全模块后分别与用户数据库、知识档案数据库、统计模块连接，用以对上述数据信息进行安全存储。
进一步地，所述数据安全模块包括发送端预处理单元、发送端加密单元、接收端解密单元和接收端后处理单元，发送端预处理单元用于对输入的原始待发送数据进行压缩，以减少待加密的数据量。发送端加密单元用于对数据进行加密处理。接收端解密单元，用于在接收端接收到加密数据后，对数据进行解密，使数据从密文变为明文的形式。接收端后处理单元，其用于对解密单元输出的数据进行恢复还原，对解密之后的压缩数据进行解压缩。其中所述发送端加密单元对数据进行加密所使用的密码算法包括：AES、SM4对称密码算法。
其中，所述加密单元具体可由两个寄存器、一个双向选择器和一个SM4加密组件构成。所述两个寄存器分为缓存0和缓存1，其中经压缩之后的第一组数据被存储在缓存0中，此时双向选择器选中缓存0，将其中的数据输出到SM4加密组件中，对其进行加密。在SM4加密组件对数据进行加密时，发送端预处理单元压缩输出的数据被存储至缓存1中，当SM4对缓存0中的数据加密完成后，双向选择器选中缓存1中的数据输出到SM4加密组件中对其进行加密，此时缓存0设置为可再次被用来存储经过压缩预处理的数据；通过缓存0和缓存1的轮换，使SM4加密部分不停顿，预处理和加密能够协调工作。用户数据库、知识档案数据库和统计模块中的数据信息之间的传输以及访问均通过上述设置的数据安全模块来进行，能够不影响系统的运行传输效率的同时，还能显著地提升数据信息传输过程被攻击和泄露的安全问题。
所述预测模型的构建方法具体为：向卷积神经网络中输入训练集，卷积神经网络进行有监督的学习与训练，直至所述卷积神经网络的模型收敛，得到初步预测模型；然后再向初步预测模型中输入测试集，对初步预测模型进行泛化能力测试，并根据测试结果来调整和优化参数，得到最终的预测模型。
上述通信模块具体为无线网络连接模块或移动数据通信模块。所述用户端具体为可安装在电脑或移动设备上的应用程序(即用户APP)，用户通过权限进行注册和登陆，并经云服务平台验证后获取病人相应的原始诊治信息，并通过用户端输入健康数据信息，且还可以向云服务平台发送预测的需求指令。所述医护平台终端具体为安装在电脑或移动设备上的应用程序(即医院就诊APP)，该医院就诊APP与医院数据库后台连接。医护人员通过权限进行注册和登陆，根据病人的就诊情况实时向医院数据库中录入原始诊治信息，并经云服务平台验证后获取病人相应的健康数据信息，且还可以向云服务平台发送预测的需求指令。
所述用户端和医护平台终端均可以接收云服务平台发了的预测分析结果。
如图3所示，本发明还提供了一种基于物联网的医疗大数据分析处理方法，包括如下步骤：
S1、数据获取与传输：医护人员通过医护平台终端向医院数据库录入病人实时就诊的原始诊治信息，病人通过用户端向云服务平台输入病人的健康数据信息，所述原始诊治信息包括病人检验指标信息、病人检验报告信息和病人就诊记录信息；所述健康数据信息包括作息规律信息、饮食喜好信息、职业信息、发病史信息；
S2、数据预处理：对步骤S1中的原始诊治信息和健康数据信息进行清洗后并利用熵进行离散化预处理，得到标准数据样本，所述云服务平台将标准数据样本进行归一化处理后构建用户数据库，所述云服务平台将用户数据库与知识档案数据库中的数据信息进行整合，并将整合得到的数据随机分为训练集和测试集；
S3、构建预测模型：云服务平台上的专家模块基于卷积神经网络构建预测模型，并以训练集进行有监督的学习与训练，得到初步的神经网络预测模型；
S4、测试与优化预测模型：以测试集对初步的神经网络预测模型进行参数的优化与调整，最终得到用于分析评估所预测对象的患病概率或预测对象患有某种疾病的概率的预测模型，最终的预测模型对应为云服务平台上的趋势预警模块，所述趋势预警模块根据用户端和/或医护平台终端输入的预测指令输出对应的预警分析结果。
进一步地，步骤S2中，利用熵进行离散化预处理包括：将样本集中的指标数据的百分位数作为候选的分割节点，并且设定每个指标数据最多被分成4份，当以某个节点分割后，使得该指标数据分成3个区域，若3个区域的数据样本量之比小于0.3或大于3，则继续对较大的那个区域进行离散化，否则该指标的离散化结束。
所述卷积神经网络可以为多层人工神经网络结构，包括一个输入层、一个输出层和两个以上的隐层，所述输入层设有n个节点，一个节点对应选取的一个数据特征，输出层为一个节点且输出层的输出结果用以表示所预测对象的患病概率或预测对象患有某种疾病的概率。
步骤S3中，所述预测模型有监督的学习与训练的过程，包括以下步骤：
S31、初始化所述卷积神经网络后，从训练数据集中取一个样本(X,Yp)，将X输入网络；
S32、正向传递计算损失函数后，实时计算相应的实际输出u；
S33、计算实际输出u与相应的输出样本Yp的误差大小；
S34、利用误差反向传播算法调整权矩阵参数,优化参数。
本发明在使用时，例如一个曾患高血压而在某医院有过就医记录的患者，在其就医过程医院会针对就医情况进行相关的身体检查，并且医生将根据患者情况和检查结果来做出专业的诊疗，医生通过医护平台终端向医院数据库录入此次就医的检查结果、身体状况和诊疗手段(开药、手术等措施)；病患根据自身健康情况通过用户端向云服务平台输入生活作息、饮食喜好、职业特点、健身情况、家族病史等健康数据信息，还可以根据当前身体指征，例如当前血压值；所述云平台服务器通过病患身份证或就医编号等共同的数据信息进行关联和归一化，然后专家模块收集知识数据库、用户数据库和统计模块内的数据并构建得到预测模型，趋势预警模块根据病患或医生的输入指示(例如该病患此种健康情况下，高血压治愈的概率是多少？或高血压再次发病的概率是多少....)预测模型向相应的终端发送预测结果，并给出建议，例如用户端则发送注意建议，医护平台终端则给出诊疗建议。
本发明这一系统不仅数据来源依据更为科学、数据的来源广，并且对于基于卷积神经网络对数据构建的预测模型，在不断的使用和优化的情况，系统得到的预测结果将会越来越准确。
上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所提示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。
Claims (9)
1.一种基于物联网的医疗大数据分析处理系统，其特征在于：包括云服务平台、用户端、医院数据库和医护平台终端，所述医护平台终端向医院数据库录入患者的原始诊治信息并能实时调用查看医院数据库中记载的各就诊信息，且医护平台终端通过通信模块与云服务平台连接；所述用户端通过通信模块与云服务平台连接，用以向云服务平台推送健康数据信息并接收云服务平台发来的健康预警信息；
所述云服务平台包括专家模块、趋势预警模块、用户数据库和知识档案数据库，所述用户数据库分别将用户端发来的健康数据信息和医院数据库发来的原始诊治信息进行数据归一化处理后得到用户信息；将知识档案数据库中的数据信息与用户数据库中的用户信息进行整合，并将整合得到的数据分为训练集和测试集，所述专家模块基于卷积神经网络构建预测模型，并以训练集进行有监督的学习与训练，然后以测试集对预测模型进行参数的优化与调整，得到最终预测模型即为所述趋势预警模块，所述趋势预警模块根据用户端和/或医护平台终端输入的预测指令输出对应的预警分析结果。
2.根据权利要求1所述的一种基于物联网的医疗大数据分析处理系统，其特征在于：所述云服务平台还包括统计模块，所述统计模块以医疗数据库和用户数据库中的数据信息作为整理与统计的数据源，并将数据源的统计结果发送给专家模块，且所述统计模块根据趋势预警模块发来的预警分析结果不断自检和更新统计结果。
3.根据权利要求1所述的一种基于物联网的医疗大数据分析处理系统，其特征在于：所述专家模块在构建预测模型前通过数据预处理模块对数据进行清洗后利用熵进行离散化处理，得到标准数据样本；其中，对数据的清洗包括去除或补全有缺失的数据，去除内容有错误的数据，去除逻辑错误的数据，去掉不需要的数据以及将数据进行关联性验证。
4.根据权利要求1所述的一种基于物联网的医疗大数据分析处理系统，其特征在于：所述云服务平台还包括数据存储模块，所述数据存储模块经数据安全模块后分别与用户数据库、知识档案数据库、统计模块连接，用以对上述数据信息进行安全存储。
5.根据权利要求4所述的一种基于物联网的医疗大数据分析处理系统，其特征在于：所述数据安全模块包括发送端预处理单元、发送端加密单元、接收端解密单元和接收端后处理单元，发送端预处理单元用于对输入的原始待发送数据进行压缩，以减少待加密的数据量；发送端加密单元用于对数据进行加密处理；接收端解密单元，用于在接收端接收到加密数据后，对数据进行解密，使数据从密文变为明文的形式；接收端后处理单元，其用于对解密单元输出的数据进行恢复还原，对解密之后的压缩数据进行解压缩；其中所述发送端加密单元对数据进行加密所使用的密码算法包括：AES、SM4对称密码算法。
6.根据权利要求1所述的一种基于物联网的医疗大数据分析处理系统，其特征在于：所述预测模型的构建方法为：向卷积神经网络中输入训练集，卷积神经网络进行有监督的学习与训练，直至所述卷积神经网络的模型收敛，得到初步预测模型；然后再向初步预测模型中输入测试集，对初步预测模型进行泛化能力测试，并根据测试结果来调整和优化参数，得到最终的预测模型。
7.一种基于物联网的医疗大数据分析处理方法，其特征在于，包括如下步骤：
S1、数据获取与传输：医护人员通过医护平台终端向医院数据库录入病人实时就诊的原始诊治信息，病人通过用户端向云服务平台输入病人的健康数据信息，所述原始诊治信息包括病人检验指标信息、病人检验报告信息和病人就诊记录信息；所述健康数据信息包括作息规律信息、饮食喜好信息、职业信息、发病史信息；
S2、数据预处理：对步骤S1中的原始诊治信息和健康数据信息进行清洗后并利用熵进行离散化预处理，得到标准数据样本，所述云服务平台将标准数据样本进行归一化处理后构建用户数据库，所述云服务平台将用户数据库与知识档案数据库中的数据信息进行整合，并将整合得到的数据随机分为训练集和测试集；
S3、构建预测模型：云服务平台上的专家模块基于卷积神经网络构建预测模型，并以训练集进行有监督的学习与训练，得到初步的神经网络预测模型；
S4、测试与优化预测模型：以测试集对初步的神经网络预测模型进行参数的优化与调整，最终得到用于分析评估所预测对象的患病概率或预测对象患有某种疾病的概率的预测模型，最终的预测模型对应为云服务平台上的趋势预警模块，所述趋势预警模块根据用户端和/或医护平台终端输入的预测指令输出对应的预警分析结果。
8.根据权利要求7所述的基于物联网的医疗大数据分析处理方法,其特征在于：步骤S2中，利用熵进行离散化预处理包括：将样本集中的指标数据的百分位数作为候选的分割节点，并且设定每个指标数据最多被分成4份，当以某个节点分割后，使得该指标数据分成3个区域，若3个区域的数据样本量之比小于0.3或大于3，则继续对较大的那个区域进行离散化，否则该指标的离散化结束。
9.根据权利要求7所述的基于物联网的医疗大数据分析处理方法,其特征在于：所述卷积神经网络为多层人工神经网络结构，包括一个输入层、一个输出层和两个以上的隐层，所述输入层设有n个节点，一个节点对应选取的一个数据特征，输出层为一个节点且输出层的输出结果用以表示所预测对象的患病概率或预测对象患有某种疾病的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811454499.8A CN109545385A (zh) | 2018-11-30 | 2018-11-30 | 一种基于物联网的医疗大数据分析处理系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811454499.8A CN109545385A (zh) | 2018-11-30 | 2018-11-30 | 一种基于物联网的医疗大数据分析处理系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109545385A true CN109545385A (zh) | 2019-03-29 |
Family
ID=65851795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811454499.8A Pending CN109545385A (zh) | 2018-11-30 | 2018-11-30 | 一种基于物联网的医疗大数据分析处理系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109545385A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110152087A (zh) * | 2019-04-19 | 2019-08-23 | 暨南大学 | 一种血液透析过程的监测方法 |
| CN110335683A (zh) * | 2019-06-14 | 2019-10-15 | 北京纵横无双科技有限公司 | 一种健康大数据分析方法及装置 |
| CN110415819A (zh) * | 2019-08-05 | 2019-11-05 | 江苏康尚生物医疗科技有限公司 | 一种分布式的医疗大数据分析处理系统及方法 |
| CN110739076A (zh) * | 2019-10-29 | 2020-01-31 | 上海华东电信研究院 | 一种医疗人工智能公共训练平台 |
| CN110931098A (zh) * | 2019-12-26 | 2020-03-27 | 广州合谐医疗科技有限公司 | 一种多体征数据远程采集和预警系统 |
| CN111260857A (zh) * | 2020-02-27 | 2020-06-09 | 苏州鱼得水电气科技有限公司 | 一种基于大数据的医疗用品自助发放系统及其方法 |
| CN111414341A (zh) * | 2020-03-24 | 2020-07-14 | 东南大学 | 一种物联网环境下的数据归一化描述方法 |
| CN112216400A (zh) * | 2020-10-10 | 2021-01-12 | 黑龙江省疾病预防控制中心 | 一种基于大数据的食源性疾病致病因子预测的方法和系统 |
| CN112269907A (zh) * | 2020-11-02 | 2021-01-26 | 山东万里红信息技术有限公司 | 一种物联网健康大数据的处理方法 |
| CN112270362A (zh) * | 2020-11-02 | 2021-01-26 | 山东万里红信息技术有限公司 | 一种物联网健康大数据态势感知方法 |
| CN112309527A (zh) * | 2020-11-24 | 2021-02-02 | 南通市第二人民医院 | 一种基于大数据的病案统计管理方法及系统 |
| WO2021017733A1 (zh) * | 2019-08-01 | 2021-02-04 | 平安科技（深圳）有限公司 | 发病率监测方法、装置、设备存储介质 |
| CN112669972A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于大数据深度学习的中医个人风险分合协同预测方法 |
| CN113035352A (zh) * | 2021-04-27 | 2021-06-25 | 河南科技大学 | 基于bp神经网络的糖尿病视网膜病变预警方法 |
| CN113140314A (zh) * | 2020-12-31 | 2021-07-20 | 上海明品医学数据科技有限公司 | 一种医学科普系统、方法及服务器 |
| CN113157640A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种家庭医生辅助问诊装置、终端及问诊系统 |
| CN113160993A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种健康干预系统、服务器及健康管理系统 |
| WO2021189907A1 (zh) * | 2020-10-20 | 2021-09-30 | 平安科技（深圳）有限公司 | 电子设备、疾病类型检测方法、装置及介质 |
| CN113517077A (zh) * | 2021-06-18 | 2021-10-19 | 东莞市人民医院 | 用于预测臀位外倒转术疗效的控制方法、系统和存储介质 |
| CN114113016A (zh) * | 2021-11-25 | 2022-03-01 | 无锡市第五人民医院 | 一种基于物联网的高灵敏度抗原检测方法及系统 |
| CN114171146A (zh) * | 2021-11-24 | 2022-03-11 | 北京通建泰利特智能系统工程技术有限公司 | 智能医疗监控方法、系统和可读存储介质 |
| CN114360732A (zh) * | 2022-01-12 | 2022-04-15 | 平安科技（深圳）有限公司 | 医疗数据分析方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605911A (zh) * | 2013-12-11 | 2014-02-26 | 东南大学 | 一种基于物联网的社区智能医护系统控制方法 |
| CN105260588A (zh) * | 2015-10-23 | 2016-01-20 | 福建优安米信息科技有限公司 | 一种健康守护机器人系统及其数据处理方法 |
| CN106874693A (zh) * | 2017-03-15 | 2017-06-20 | 国信优易数据有限公司 | 一种医疗大数据分析处理系统及方法 |
| CN107423536A (zh) * | 2016-12-26 | 2017-12-01 | 杭州看上科技有限公司 | 基于移动社保数据和云端数据分析的数据处理系统 |
| CN108573747A (zh) * | 2018-04-25 | 2018-09-25 | 河南聚合科技有限公司 | 一种用于健康监控的智慧物联网大数据云平台 |
-
2018
- 2018-11-30 CN CN201811454499.8A patent/CN109545385A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605911A (zh) * | 2013-12-11 | 2014-02-26 | 东南大学 | 一种基于物联网的社区智能医护系统控制方法 |
| CN105260588A (zh) * | 2015-10-23 | 2016-01-20 | 福建优安米信息科技有限公司 | 一种健康守护机器人系统及其数据处理方法 |
| CN107423536A (zh) * | 2016-12-26 | 2017-12-01 | 杭州看上科技有限公司 | 基于移动社保数据和云端数据分析的数据处理系统 |
| CN106874693A (zh) * | 2017-03-15 | 2017-06-20 | 国信优易数据有限公司 | 一种医疗大数据分析处理系统及方法 |
| CN108573747A (zh) * | 2018-04-25 | 2018-09-25 | 河南聚合科技有限公司 | 一种用于健康监控的智慧物联网大数据云平台 |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110152087A (zh) * | 2019-04-19 | 2019-08-23 | 暨南大学 | 一种血液透析过程的监测方法 |
| CN110335683A (zh) * | 2019-06-14 | 2019-10-15 | 北京纵横无双科技有限公司 | 一种健康大数据分析方法及装置 |
| WO2021017733A1 (zh) * | 2019-08-01 | 2021-02-04 | 平安科技（深圳）有限公司 | 发病率监测方法、装置、设备存储介质 |
| CN110415819A (zh) * | 2019-08-05 | 2019-11-05 | 江苏康尚生物医疗科技有限公司 | 一种分布式的医疗大数据分析处理系统及方法 |
| CN110739076A (zh) * | 2019-10-29 | 2020-01-31 | 上海华东电信研究院 | 一种医疗人工智能公共训练平台 |
| CN110931098A (zh) * | 2019-12-26 | 2020-03-27 | 广州合谐医疗科技有限公司 | 一种多体征数据远程采集和预警系统 |
| CN111260857A (zh) * | 2020-02-27 | 2020-06-09 | 苏州鱼得水电气科技有限公司 | 一种基于大数据的医疗用品自助发放系统及其方法 |
| CN111260857B (zh) * | 2020-02-27 | 2020-12-01 | 苏州鱼得水电气科技有限公司 | 一种基于大数据的医疗用品自助发放系统及其方法 |
| CN111414341A (zh) * | 2020-03-24 | 2020-07-14 | 东南大学 | 一种物联网环境下的数据归一化描述方法 |
| CN111414341B (zh) * | 2020-03-24 | 2024-03-01 | 东南大学 | 一种物联网环境下的数据归一化描述方法 |
| CN112216400A (zh) * | 2020-10-10 | 2021-01-12 | 黑龙江省疾病预防控制中心 | 一种基于大数据的食源性疾病致病因子预测的方法和系统 |
| WO2021189907A1 (zh) * | 2020-10-20 | 2021-09-30 | 平安科技（深圳）有限公司 | 电子设备、疾病类型检测方法、装置及介质 |
| CN112269907A (zh) * | 2020-11-02 | 2021-01-26 | 山东万里红信息技术有限公司 | 一种物联网健康大数据的处理方法 |
| CN112270362A (zh) * | 2020-11-02 | 2021-01-26 | 山东万里红信息技术有限公司 | 一种物联网健康大数据态势感知方法 |
| CN112309527A (zh) * | 2020-11-24 | 2021-02-02 | 南通市第二人民医院 | 一种基于大数据的病案统计管理方法及系统 |
| CN112669972A (zh) * | 2020-12-30 | 2021-04-16 | 华南师范大学 | 基于大数据深度学习的中医个人风险分合协同预测方法 |
| CN113160993A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种健康干预系统、服务器及健康管理系统 |
| CN113157640A (zh) * | 2020-12-31 | 2021-07-23 | 上海明品医学数据科技有限公司 | 一种家庭医生辅助问诊装置、终端及问诊系统 |
| CN113140314A (zh) * | 2020-12-31 | 2021-07-20 | 上海明品医学数据科技有限公司 | 一种医学科普系统、方法及服务器 |
| CN113035352A (zh) * | 2021-04-27 | 2021-06-25 | 河南科技大学 | 基于bp神经网络的糖尿病视网膜病变预警方法 |
| CN113517077A (zh) * | 2021-06-18 | 2021-10-19 | 东莞市人民医院 | 用于预测臀位外倒转术疗效的控制方法、系统和存储介质 |
| CN114171146A (zh) * | 2021-11-24 | 2022-03-11 | 北京通建泰利特智能系统工程技术有限公司 | 智能医疗监控方法、系统和可读存储介质 |
| CN114171146B (zh) * | 2021-11-24 | 2023-11-14 | 北京通建泰利特智能系统工程技术有限公司 | 智能医疗监控方法、系统和可读存储介质 |
| CN114113016A (zh) * | 2021-11-25 | 2022-03-01 | 无锡市第五人民医院 | 一种基于物联网的高灵敏度抗原检测方法及系统 |
| CN114360732A (zh) * | 2022-01-12 | 2022-04-15 | 平安科技（深圳）有限公司 | 医疗数据分析方法、装置、电子设备及存储介质 |
| CN114360732B (zh) * | 2022-01-12 | 2024-04-09 | 平安科技（深圳）有限公司 | 医疗数据分析方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109545385A (zh) | 一种基于物联网的医疗大数据分析处理系统及其方法 | |
| US9775516B2 (en) | Outpatient monitoring systems and methods | |
| Waghade et al. | A comprehensive study of healthcare fraud detection based on machine learning | |
| Sun et al. | FogMed: A Fog-Based Framework for Disease Prognosis Based Medical Sensor Data Streams. | |
| CN106934750A (zh) | 一种健身房管理系统 | |
| CN117238458B (zh) | 基于云计算的重症护理跨机构协同平台系统 | |
| Hannan et al. | Prediction of heart disease medical prescription using radial basis function | |
| CN114927230A (zh) | 基于机器学习的重症心衰患者预后决策支持系统及方法 | |
| CN113921127A (zh) | 一种区域内血液资源优化调度及精准使用信息系统及方法 | |
| CN113642672A (zh) | 医保数据的特征加工方法、装置、计算机设备及存储介质 | |
| Santos et al. | Enabling ubiquitous data mining in intensive care-features selection and data pre-processing | |
| CN106446592A (zh) | 一种医疗信息共享系统 | |
| CN115547483A (zh) | 用于监测患慢性炎症性疾病的患者的远程监测方法和系统 | |
| US20200381118A1 (en) | Artificial intelligence (ai) system for individual health maintenance recommendations | |
| CN108234640A (zh) | 超声参数优化系统及方法 | |
| CN114550930A (zh) | 疾病预测方法、装置、设备及存储介质 | |
| Rao et al. | Edge Computing-Based Heart Rate Monitoring System using RNN and LSTM | |
| CN110890157A (zh) | 一种分析模型建立方法、辅助诊断装置及设备、介质 | |
| CN117150562B (zh) | 基于区块链的血糖监测方法、装置、设备及存储介质 | |
| CN110189829A (zh) | 一种电力职业人群重大慢性病风险评估方法及系统 | |
| Castronuovo et al. | Analyzing the Interactions between Environmental Parameters and Cardiovascular Diseases Using Random Forest and SHAP Algorithms | |
| Narayanan et al. | Survival Prediction of Heart Failure Patients Using Lasso Algorithm and Gaussian Naive Bayes Classifier | |
| Gabrielyan et al. | Approaches for Processing and Storing Data from Wearable Medical Devices in Health Monitoring Systems | |
| Xiang et al. | Causal Convolution-Transformer for Time Series Forecasting of Dry Weight in Hemodialysis Patients | |
| CN117912669A (zh) | 一种康复状态大数据分析预判方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |