CN109671508A - 一种基于数据挖掘算法的临床护理管理系统及方法 - Google Patents

Abstract

一种基于数据挖掘的临床护理管理系统及方法，涉及医疗信息技术领域。所述系统包括：设置在病房内，用于数据采集的数据采集单元；对采集到的数据进行存储、删除、添加、修改和转发的数据管理服务器；用于数据传输过程中中继的基站；用于进行远程数据获取和转发的数据管理中心；用于医护人员进行数据获取和操作的终端；其特征在于，所述系统还包括：与数据管理服务器通信连接的数据处理单元，用于对采集到的数据信息进行分类。本发明能够基于物联网技术和无线远程通讯技术实现护理人员与医生的远距离通讯，通过数据挖掘算法能够对患者的数据进行分类、处理，使得用户快速地从浩瀚的数据中筛选出目标数据。

Description

一种基于数据挖掘算法的临床护理管理系统及方法

技术领域

本发明涉及临床护理技术领域，且更具体地涉及一种基于数据挖掘算法的临床护理管理系统及方法。

背景技术

目前，在医院住院时，由于患者多，病种不一，在临床护理中需要更多的护工，但在传统医疗模式下，医疗资源日益紧缺的情况下，医护人员无法对某个患者进行24小时的实时监控，在多个患者需要护理的情况下，人工劳动非常大，而且无法实现连续性的监控。随着信息技术的快速发展，国内越来越多的医院正加速实施基于信息化平台、HIS、EMR等系统的整体建设，以提高医院的护理服务水平与核心竞争力。信息化还能够提升了医生的工作效率，使医生有更多的时间为患者服务，更提高了患者满意度和信任度，无形之中树立起了医院的科技形象，同时，医院内部实行信息化管理也大大提高了医院内部工作人员的工作效率，使其管理更加高效。

但现有的医疗信息化平台由于网络架构和设备实施比较复杂，在医院内部应用受到很多因素的制约，在具体护理中，护士无法远距离与医生沟通，医生也很难实现远距离护理指导，交互性差，由于患者数据较多，识别起来繁琐，不易分类，工作效率低。

发明内容

针对现有技术的不足，本发明公开一种基于数据挖掘算法的临床护理管理系统及方法，能够基于物联网技术和无线远程通讯技术实现护理人员与医生的远距离通讯，通过数据挖掘算法能够对患者的数据进行分类、处理，使得用户快速地从浩瀚的数据中筛选出目标数据。

本发明采用以下技术方案：一种基于数据挖掘算法的临床护理管理系统，包括：设置在病房内，用于数据采集的数据采集单元；对采集到的数据进行存储、删除、添加、修改和转发的数据管理服务器；用于数据传输过程中中继的基站；用于进行远程数据获取和转发的数据管理中心；用于医护人员进行数据获取和操作的终端；所述系统还包括：

与数据管理服务器通信连接的数据处理单元，用于对采集到的数据信息进行分类；

分别与数据管理服务器和基站通信连接的信息传输单元，用于对数据管理服务器中的数据进行加密，将加密后的数据传输给基站；

与数据管理中心通信连接的报警装置，用于对数据管理中心发送过来的命令信息响应，发出报警信号；

与数据管理中心通信连接的显示装置，用于对数据管理中心发送过来的信息进行显示；

所述信息传输单元包括：用于生成加密密钥的加密密钥生成模块；配置为使用加密密钥进行数据加密的加密模块；用于生成解密数据所需信息的信息生成模块；用于监视密钥生成模块的监视模块；在监视模块检测到密钥生成时指示信息生成模块生解密数据所需信息；传输模块，用于根据指令将指示模块生成的信息进行传输。

进一步的，所述数据采集单元包括视频监控器、患者生理数据采集单元，所述患者生理数据采集单元包括所述脉搏传感器、体温传感器和心电传感器中的至少一种，其中：所述脉搏传感器设置成绑定在患者脉搏部位以实时采集患者的脉搏信息，并将实时采集到的脉搏信息传递到所述数据管理服务器；所述体温传感器设置成绑定在患者待测体温部位以实时采集患者的体温数据，并将实时采集到的体温数据传递到所述数据管理服务器；所述心电传感器设置成绑定在患者待测心电部位以实时采集患者的心电数据，并将实时采集到的心电数据传递到所述数据管理服务器。

进一步的，所述数据处理单元为：存储在计算机可读介质中的计算机程序，用于对一组实例进行分类，每个实例具有多个属性，包括：具有0个或多个决策节点和1个或多个叶节点的决策树结构，其中在每个决策节点上，根据一个或多个属性执行测试和基于叶节点上的贝叶斯规则的分类器，将每个叶节点连接到决策树的一个决策节点，该分类器根据贝叶斯规则对每个叶节点上的所述实例进行分类。

一种基于数据挖掘算法的临床护理管理方法，所述方法包括以下步骤：

步骤1：数据采集，通过数据采集单元采集数据；

步骤2：数据上传，采集到的数据上传至数据管理服务器；

步骤3：数据处理，数据处理单元将接数据管理服务器收到的数据进行分类和处理；

步骤4：数据输出，处理后的数据经由医护终端接收，便于查询、跟踪和管理；

步骤5：数据传输，通过数据传输单元对数据加密后，再传输至基站，通过基站进行远距离传输；

步骤6：远距离监控，数据管理中心接收监护基站传递的数据，通过显示装置显示远程监控到的数据，当出现异常情况时，通过报警装置提示预警。

进一步的，所述数据传输单元对数据进行加密的方法包括：

步骤1：生成供加密的加密密钥；

步骤2：使用加密密钥对数据进行加密；

步骤3：监控生成的密钥；

步骤4：在检测到加密钥生成时，解密加密数据所需的信息生成。

进一步的，所述生成供加密的加密密钥的方法包括：

步骤1：获得一张完整图片的完整图片数据；

步骤2：在显示窗口显示所述完整图片的部分图片；

步骤3：从所述部分图片中抓取第一图片，生成所述第一图片的第一图片数据；

步骤4：根据所述第一图片数据生成密钥，使用该密钥对数据进行加密。

进一步的，所述使用加密密钥对数据进行加密方法包括：将密钥添加预设的标识字符，以对所述密钥进行标识处理，其中，所述密钥为第一进制格式；将标识处理后的所述密钥进行第二进制格式转换，生成所述密钥对应的第二进制格式的第一字符串；按照预设顺序依次提取所述第一字符串中的每一位字符，并根据每次提取的字符，依次对待加密文件中与提取的所述字符对应的节点执行相应处理，生成所述待加密文件对应的加密文件，其中，所述待加密文件包括多个节点。

进一步的，所述数据处理单元对数据进行处理的方法还包括：构建一个从一组标记的实例中合成的混合分类器，具体包括：

步骤1：估计贝叶斯分类器在根节点上的效用C1；

步骤2：利用子节点上的贝叶斯分类器估计分裂成多个子节点的效用D1；

步骤3：确定C1是否大于D1，

步骤4：若如果C1大于D1，使根节点为叶节点，使用贝叶斯分类器；

步骤5：若如果C1不大于D1，则将所述根节点作为决策节点，并将实例划分为多个子节点；

步骤6：递归地对每个子节点执行步骤1到步骤3，就好像它是根节点一样，以获得上述混合分类器；其中，所述诱导混合分类器具有一个根节点、零个或多个决策节点、零个或多个子节点和一个或多个叶节点，所述根节点为决策节点或叶节点；

步骤7：将所述诱导混合分类器存储在计算机可读介质中。

进一步的，所述决策树算法的步骤如下：

步骤1：数据获取：从数据管理服务器获取数据组；

步骤2：数据训练：从所选数据组中计算数据集的经验熵，选择信息增益最大的特征作为当前分裂特征；其中数据组经验熵H(D)的计算公式为：

其中，i为数据的个数，|D|是数据集中所有样本个数,k是目标变量的类别数，|Ck|是该分类下的样本个数；

步骤3：确定根节点：根据计算出的经验熵选择决策树的根节点；

步骤4：确定叶节点：根据计算出的经验熵选择决策树的叶节点；

步骤5：根据确定的根节点和叶节点，建立数据模型；

步骤6：根据数据模型，构建决策树。

积极有益效果：

本发明通过数据采集单元和监控装置获取患者数据，并通过无线方式或者有线方式传递到数据管理服务器，通过数据管理服务器保存和管理；

本发明通过数据处理单元对获取的数据进行分类、处理，通过构建决策树的方式使用户快速地从浩瀚的数据中筛选出目标数据；

本发明通过通过监护基站能够实现数据的远距离无线通讯和监控，监控数据在远程数据管理中心显示，当发现异常情况进行，通过报警装置提示预警；

本发明通过物联网技术使得现场护理信息进行远程传递，并实现护士与医生的实时沟通，提高医院的整体工作效率。

附图说明

图1是本发明临床护理管理系统的结构示意图；

图2是本发明临床护理管理方法的流程示意图；

图3是本发明临床护理管理方法中构建决策树方法的流程示意图；

图4是本发明临床护理管理方法中构建决策树方法的一种实施例示意图；

图5是本发明临床护理管理方法中构建决策树方法的另一种实施例示意图；

图6是本发明临床护理管理方法中构建决策树方法的又一种实施例示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例一

如图1所示，一种基于数据挖掘算法的临床护理管理系统，包括：设置在病房内，用于数据采集的数据采集单元；对采集到的数据进行存储、删除、添加、修改和转发的数据管理服务器；用于数据传输过程中中继的基站；用于进行远程数据获取和转发的数据管理中心；用于医护人员进行数据获取和操作的终端；所述系统还包括：

与数据管理服务器通信连接的数据处理单元，用于对采集到的数据信息进行分类；

分别与数据管理服务器和基站通信连接的信息传输单元，用于对数据管理服务器中的数据进行加密，将加密后的数据传输给基站；

与数据管理中心通信连接的报警装置，用于对数据管理中心发送过来的命令信息响应，发出报警信号；

与数据管理中心通信连接的显示装置，用于对数据管理中心发送过来的信息进行显示；

所述信息传输单元包括：用于生成加密密钥的加密密钥生成模块；配置为使用加密密钥进行数据加密的加密模块；用于生成解密数据所需信息的信息生成模块；用于监视密钥生成模块的监视模块；在监视模块检测到密钥生成时指示信息生成模块生解密数据所需信息；传输模块，用于根据指令将指示模块生成的信息进行传输。

在上述实施例中，信息传输单元首先生成加密的加密密钥；使用加密密钥对数据进行加密；监控用户生成的密钥；在检测到加密密钥生成时，指示解密加密数据所需的信息生成；根据指令生成解密加密数据所需的信息；

进一步的，所述数据采集单元包括视频监控器、患者生理数据采集单元，所述患者生理数据采集单元包括所述脉搏传感器、体温传感器和心电传感器中的至少一种，其中：所述脉搏传感器设置成绑定在患者脉搏部位以实时采集患者的脉搏信息，并将实时采集到的脉搏信息传递到所述数据管理服务器；所述体温传感器设置成绑定在患者待测体温部位以实时采集患者的体温数据，并将实时采集到的体温数据传递到所述数据管理服务器；所述心电传感器设置成绑定在患者待测心电部位以实时采集患者的心电数据，并将实时采集到的心电数据传递到所述数据管理服务器。

进一步的，所述数据处理单元为：存储在计算机可读介质中的计算机程序，用于对一组实例进行分类，每个实例具有多个属性，包括：具有0个或多个决策节点和1个或多个叶节点的决策树结构，其中在每个决策节点上，根据一个或多个属性执行测试和基于叶节点上的贝叶斯规则的分类器，将每个叶节点连接到决策树的一个决策节点，该分类器根据贝叶斯规则对每个叶节点上的所述实例进行分类。

在本发明进一步的实施例中，所述数据采集单元包括患者生理数据采集单元，所述患者生理数据采集单元包括所述脉搏传感器、体温传感器和心电传感器；其中：

所述脉搏传感器设置成绑定在患者脉搏部位以实时采集患者的脉搏信息，并将实时采集到的脉搏信息传递到所述数据管理服务器；

所述体温传感器设置成绑定在患者待测体温部位以实时采集患者的体温数据，并将实时采集到的体温数据传递到所述数据管理服务器；

所述心电传感器设置成绑定在患者待测心电部位以实时采集患者的心电数据，并将实时采集到的心电数据传递到所述数据管理服务器。

在具体实施例中，患者生理数据采集单元不局限上述传感器类型，还可以包括其他种类的传感器，在此不做一一说明。

上述传感器采用以下方式进行实时采集患者数据：通过护士将脉搏传感器、体温传感器、心电传感器等不同传感器(根据患者病种进行选择)绑定在患者相关部位上，当不需要采集数据时，再将传感器移开，与患者脱离。

在本发明进一步的实施例中，所述数据采集单元还包括经护士转换后的电子数据，在具体实施例中，护士可手动录入纸质件的数据，也可以通过其他移动存储设备(诸如U盘)来转移数据，所述电子数据包含以下内容：

病房号、入院日期时间、住院日期时间、出院日期、病房编号、床位号、总床位数、已使用床位数、收费等级、住院号、姓名、年龄、电话号码、性别、病床号、主治医师、医护人员姓名、工号、班次、护理记录、记录日期和病案号。

在上述实施例中，电子数据可以为任何关于患者、护士和医生的数据，这些数据被存储在数据采集单元中，作为临床护理的原始数据库而存在，在下文进行样本选择时，通过在这些临床护理的原始数据库中选择合适的样本。

在本发明进一步的实施例中，所述监控装置为基于CCD摄像头，通过CCD摄像头采集患者的视频数据。在本实施例中，CCD摄像头用于对现场的数据信息采集，以便获取现场护理情况。

在本发明进一步的实施例中，所述数据管理服务器包含有MCU处理器和与所述MCU处理器连接的有线网络接口和无线网络接口，所述数据管理服务器通过所述有线网络接口或者无线网络接口向所述监护基站传递所接收到的数据，并且所述数据管理服务器为基于Web架构的应用程序服务器，内存为可扩容内存，在应用时通过MCU处理器处理数据。

数据管理服务器通过下文所描述的决策树算法对接收到的数据进行分类和计算、存储、传递等，其目的是将杂乱无章的数据梳理成具有一定规律的数据，便于用户查询，用户可通过下文所述的算法设置合适的根节点和叶子节点，通过运算模型，可输出用户想获得的数据。这种方法使得用户从浩瀚的数据库中快速筛选出目标数据，节省时间。其硬件基础为Web服务器。软件为Tanagra、KNIME和Orange中的任意一种，都是适用于数据挖掘的软件。

在本发明进一步的实施例中，远程数据管理中心设置目的是实现患者远程在线检测。远程数据管理中心能够同时监控成千上万个病房的患者数据，其能够远程连接Oracle数据库并进行信息查询，在具体实施例中，可以为Web服务器，也可以为云端服务器。在本发明进一步的实施例中，所述监护基站基于433.92MHz的无线射频网络发送接收到的数据。监护基站还包含有信号中继器，使得信息能传播的更远。

在本发明进一步的实施例中，报警装置可以为基于单片机控制的报警单元，在具体实施时，令报警装置连接单元机，单片机连接控制电路，控制电路连接报警灯或者喇叭，当出现需要启动报警装置的特征时，单片机触发控制电路导通，控制电路驱动报警装置报警，报警装置通过报警灯或者喇叭，当出现需要启动报警装置的特征时，单片机触发控制电路导通，控制电路驱动报警灯或者喇叭，从而起到报警的目的。在电子技术应用中，通过单片机驱动的报警控制电路很多，再此，不做详细说明。

在本发明进一步的实施例中，所述显示装置为设置有无线网络接口和蓝牙接口的LED大屏幕显示屏，LED大屏幕显示屏能够显示接收到的数据信息。

结合上述实施例图4至图6，对本发明的实施过程做进一步说明。其中图4是本发明临床护理管理方法中构建决策树方法的一种实施例示意图；图5是本发明临床护理管理方法中构建决策树方法的另一种实施例示意图；图6是本发明临床护理管理方法中构建决策树方法的又一种实施例示意图。图4、图5和图6的区别在于：所选择的根节点和叶节点不同，输出数据类型不同，在理解本实施例时，可选取图4、图5或图6中任意一项进行理解。

实施例二

如图3所示，一种临床护理管理方法，包括以下步骤：

(S1)数据采集：通过数据采集单元和监控装置采集数据；

(S2)数据上传：采集到的数据上传至数据管理服务器；

(S3)数据处理：数据处理单元将接数据管理服务器收到的数据根据决策树算法进行分类和处理；

(S4)数据输出：处理后的数据经由护士站管理系统和医生办公系统接收，便于查询、跟踪和管理；

(S5)数据传输：数据采集单元或监控装置采集数据经由无线通讯单元传递至监护基站，通过监护基站进行远距离传输；

(S6)远距离监控：远程数据管理中心接收监护基站传递的数据，通过显示装置显示远程监控到的数据，当出现异常情况时，通过报警装置提示预警。

针对步骤(S1)，通过数据采集单元和监控装置获取患者数据，并通过无线方式或者有线方式传递到数据管理服务器，通过数据管理服务器保存和管理。

针对步骤(S2)，采集数据到的数据通上传至数据管理服务器，传递方式可以为有线方式或者无线方式。

针对步骤(S3)，所述决策树算法为ID3算法，通过ID3算法构建决策树。所述决策树算法的步骤如下：

(S31)数据获取：从数据管理服务器获取数据组；

数据组为患者、护士、医生的各种形式的数据，通过这些数据中可将所有记录看作一个节点，在构建决策树中，树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。

(S32)数据训练：从所选数据组中计算数据集的经验熵，选择信息增益最大的特征作为当前分裂特征；其中数据组经验熵H(D)的计算公式为：

其中，i为数据的个数，|D|是数据集中所有样本个数,k是目标变量的类别数，|Ck|是该分类下的样本个数；

在所有的特征中，假设A，计算特征A对数据集D的经验条件熵H(D|A)

计算特征A的信息增益公式为：g(D,A)＝H(D)-H(D|A)；

列举事例来说明，设表1给的数据集为D，根据最大信息增益选择最优特征生成极小熵决策树,计算各特征A1、A2、A3、A4、A5对数据D的信息增益，统计结果为：

上表中的D1和D2，D3分别表示在各个特征中取值为1、2和3的样本子集，根据计算后统计在表格中的数据可得：

H(D)＝-8/15*log2(8/15)—7/15*log2(7/15)＝0.9968

g(D,A1)＝H(D)-[8/15*H(D1)+7/15*H(D2)]＝0.2880

g(D,A2)＝H(D)-[5/15*H(D1)+4/15*H(D2)+6/15*H(D3)]＝0.1398

g(D,A3)＝H(D)-[3/15*H(D1)+12/15*H(D2)]＝0.0292

g(D,A4)＝H(D)-[7/15*H(D1)+8/15*H(D2)]＝0.2880

g(D,A5)＝H(D)-[6/15*H(D1)+4/15*H(D2)+5/15*H(D3)]＝0.4131

根据上面的计算结果，特征A5的信息增益最大，所以选择A5为根节点。根据A5的取值将样本分成3个结合，S1＝{2,3,6,8,12,13}，S2＝{1,5,7,14}，S3＝{4,9,10,11,15}其中集合S2已全部属于同一个类，不需要再分，已成为叶子节点。采用类似的方法可确定其它根节点和叶子节点，参数上述说明，不再做详细说明。

(S33)确定根节点：根据计算出的经验熵选择决策树的根节点；

(S34)确定叶节点：根据计算出的经验熵选择决策树的叶节点；

在步骤(S33)和(S34)中，参考图4，根节点和叶子节点不同，选择的标准也不同，假如数据库中，以患者作为叶子节点，则可大量数据中筛选出一部分数据，然后在剩下的数据中，再继续选择叶子节点，以住院部作为叶子节点，则在剩余数据中可筛选出另一部分数据，然后以心脏患者作为叶子节点，则可最终选择心脏患者的数据为最终的选择。

(S35)根据确定的根节点和叶节点，建立数据模型；当选择完毕根节点和叶子节点时，可将数据模型存储起来，并将数据模型做为下次使用的模型，直接套用。

(S36)根据数据模型，构建决策树。

针对步骤(S4)，经由步骤(S3)计算出的数据，可以经由护士站管理系统和医生办公系统接收分类、处理后的数据，对于后期查询、跟踪和管理非常方便。

针对步骤(S5)，主要实现数据的远距离传输，通过监护基站实现无线发送。

针对步骤(S6)，远程数据管理中心主要对所有数据显示和监控，当监测到现场有异常现象时，在可报警提示值班人员预警。现场的异常现象可以为患者检测数据偏差大，现场异常反应剧烈，则可通过显示单元的画面进行显示。

实施例三

另外，本发明的决策树算法可以采用本实施例中的决策树算法，其将贝叶斯和决策树进行结合，提高了判断和决策的准确性。具体情况如下：

一种基于数据挖掘算法的临床护理管理方法，其特征在于：所述方法包括以下步骤：

步骤1：数据采集，通过数据采集单元采集数据；

步骤2：数据上传，采集到的数据上传至数据管理服务器；

步骤3：数据处理，数据处理单元将接数据管理服务器收到的数据进行分类和处理；

步骤4：数据输出，处理后的数据经由医护终端接收，便于查询、跟踪和管理；

步骤5：数据传输，通过数据传输单元对数据加密后，再传输至基站，通过基站进行远距离传输；

步骤6：远距离监控，数据管理中心接收监护基站传递的数据，通过显示装置显示远程监控到的数据，当出现异常情况时，通过报警装置提示预警。

进一步的，所述数据传输单元对数据进行加密的方法包括：

步骤1：生成供加密的加密密钥；

步骤2：使用加密密钥对数据进行加密；

步骤3：监控生成的密钥；

步骤4：在检测到加密钥生成时，解密加密数据所需的信息生成。

进一步的，所述生成供加密的加密密钥的方法包括：

步骤1：获得一张完整图片的完整图片数据；

步骤2：在显示窗口显示所述完整图片的部分图片；

步骤3：从所述部分图片中抓取第一图片，生成所述第一图片的第一图片数据；

步骤4：根据所述第一图片数据生成密钥，使用该密钥对数据进行加密。

进一步的，所述使用加密密钥对数据进行加密方法包括：将密钥添加预设的标识字符，以对所述密钥进行标识处理，其中，所述密钥为第一进制格式；将标识处理后的所述密钥进行第二进制格式转换，生成所述密钥对应的第二进制格式的第一字符串；按照预设顺序依次提取所述第一字符串中的每一位字符，并根据每次提取的字符，依次对待加密文件中与提取的所述字符对应的节点执行相应处理，生成所述待加密文件对应的加密文件，其中，所述待加密文件包括多个节点。

进一步的，所述数据处理单元对数据进行处理的方法还包括：构建一个从一组标记的实例中合成的混合分类器，具体包括：

步骤1：估计贝叶斯分类器在根节点上的效用C1；

步骤2：利用子节点上的贝叶斯分类器估计分裂成多个子节点的效用D1；

步骤3：确定C1是否大于D1，

步骤4：若如果C1大于D1，使根节点为叶节点，使用贝叶斯分类器；

步骤5：若如果C1不大于D1，则将所述根节点作为决策节点，并将实例划分为多个子节点；

步骤6：递归地对每个子节点执行步骤1到步骤3，就好像它是根节点一样，以获得上述混合分类器；其中，所述诱导混合分类器具有一个根节点、零个或多个决策节点、零个或多个子节点和一个或多个叶节点，所述根节点为决策节点或叶节点；

步骤7：将所述诱导混合分类器存储在计算机可读介质中。

在上述实施例中，采用图片信息生成密钥，不同于普通的密钥，图片信息的密钥更难被解密，同时采用贝叶斯分类器和决策树的混合分类器进行分类，其分类效率更高。

综上所述，本发明通过数据采集单元和监控装置获取患者数据，并通过无线方式或者有线方式传递到数据管理服务器，通过数据管理服务器保存、管理；

本发明通过数据处理单元对获取的数据进行分类、处理，通过构建决策树的方式使用户快速地从浩瀚的数据中筛选出目标数据；

本发明通过通过监护基站能够实现数据的远距离无线通讯和监控，监控数据在远程数据管理中心显示，当发现异常情况进行，通过报警装置提示预警；

本发明通过物联网技术使得现场护理信息进行远程传递，并实现护士与医生的实时沟通，提高医院的整体工作效率。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (9)

1.一种基于数据挖掘算法的临床护理管理系统，包括：设置在病房内，用于数据采集的数据采集单元；对采集到的数据进行存储、删除、添加、修改和转发的数据管理服务器；用于数据传输过程中中继的基站；用于进行远程数据获取和转发的数据管理中心；用于医护人员进行数据获取和操作的终端；其特征在于，所述系统还包括：

与数据管理服务器通信连接的数据处理单元，用于对采集到的数据信息进行分类；

分别与数据管理服务器和基站通信连接的信息传输单元，用于对数据管理服务器中的数据进行加密，将加密后的数据传输给基站；

与数据管理中心通信连接的报警装置，用于对数据管理中心发送过来的命令信息响应，发出报警信号；

与数据管理中心通信连接的显示装置，用于对数据管理中心发送过来的信息进行显示；

所述信息传输单元包括：用于生成加密密钥的加密密钥生成模块；配置为使用加密密钥进行数据加密的加密模块；用于生成解密数据所需信息的信息生成模块；用于监视密钥生成模块的监视模块；在监视模块检测到密钥生成时指示信息生成模块生解密数据所需信息；传输模块，用于根据指令将指示模块生成的信息进行传输。

2.如权利要求1所述的基于数据挖掘算法的临床护理管理系统，其特征在于：所述数据采集单元包括视频监控器、患者生理数据采集单元，所述患者生理数据采集单元包括所述脉搏传感器、体温传感器和心电传感器中的至少一种，其中：所述脉搏传感器设置成绑定在患者脉搏部位以实时采集患者的脉搏信息，并将实时采集到的脉搏信息传递到所述数据管理服务器；所述体温传感器设置成绑定在患者待测体温部位以实时采集患者的体温数据，并将实时采集到的体温数据传递到所述数据管理服务器；所述心电传感器设置成绑定在患者待测心电部位以实时采集患者的心电数据，并将实时采集到的心电数据传递到所述数据管理服务器。

3.如权利要求2所述的基于数据挖掘算法的临床护理管理系统，其特征在于：所述数据处理单元为：存储在计算机可读介质中的计算机程序，用于对一组实例进行分类，每个实例具有多个属性，包括：具有0个或多个决策节点和1个或多个叶节点的决策树结构，其中在每个决策节点上，根据一个或多个属性执行测试和基于叶节点上的贝叶斯规则的分类器，将每个叶节点连接到决策树的一个决策节点，该分类器根据贝叶斯规则对每个叶节点上的所述实例进行分类。

4.一种基于权利要求1至3之一所述的基于数据挖掘算法的临床护理管理系统的方法，其特征在于：所述方法包括以下步骤：

步骤1：数据采集，通过数据采集单元采集数据；

步骤2：数据上传，采集到的数据上传至数据管理服务器；

步骤3：数据处理，数据处理单元将接数据管理服务器收到的数据进行分类和处理；

步骤4：数据输出，处理后的数据经由医护终端接收，便于查询、跟踪和管理；

步骤5：数据传输，通过数据传输单元对数据加密后，再传输至基站，通过基站进行远距离传输；

步骤6：远距离监控，数据管理中心接收监护基站传递的数据，通过显示装置显示远程监控到的数据，当出现异常情况时，通过报警装置提示预警。

5.如权利要求4所述的基于数据挖掘算法的临床护理管理方法，其特征在于，所述数据传输单元对数据进行加密的方法包括：

步骤1：生成供加密的加密密钥；

步骤2：使用加密密钥对数据进行加密；

步骤3：监控生成的密钥；

步骤4：在检测到加密钥生成时，解密加密数据所需的信息生成。

6.如权利要求5所述的基于数据挖掘算法的临床护理管理方法，其特征在于，所述生成供加密的加密密钥的方法包括：

步骤1：获得一张完整图片的完整图片数据；

步骤2：在显示窗口显示所述完整图片的部分图片；

步骤3：从所述部分图片中抓取第一图片，生成所述第一图片的第一图片数据；

步骤4：根据所述第一图片数据生成密钥，使用该密钥对数据进行加密。

7.如权利要求6所述的基于数据挖掘算法的临床护理管理方法，其特征在于，所述使用加密密钥对数据进行加密方法包括：将密钥添加预设的标识字符，以对所述密钥进行标识处理，其中，所述密钥为第一进制格式；将标识处理后的所述密钥进行第二进制格式转换，生成所述密钥对应的第二进制格式的第一字符串；按照预设顺序依次提取所述第一字符串中的每一位字符，并根据每次提取的字符，依次对待加密文件中与提取的所述字符对应的节点执行相应处理，生成所述待加密文件对应的加密文件，其中，所述待加密文件包括多个节点。

8.如权利要求7所述的基于数据挖掘算法的临床护理管理方法，其特征在于：所述数据处理单元对数据进行处理的方法还包括：构建一个从一组标记的实例中合成的混合分类器，具体包括：

步骤1：估计贝叶斯分类器在根节点上的效用C1；

步骤2：利用子节点上的贝叶斯分类器估计分裂成多个子节点的效用D1；

步骤3：确定C1是否大于D1，

步骤4：若如果C1大于D1，使根节点为叶节点，使用贝叶斯分类器；

步骤5：若如果C1不大于D1，则将所述根节点作为决策节点，并将实例划分为多个子节点；

步骤6：递归地对每个子节点执行步骤1到步骤3，就好像它是根节点一样，以获得上述混合分类器；其中，所述诱导混合分类器具有一个根节点、零个或多个决策节点、零个或多个子节点和一个或多个叶节点，所述根节点为决策节点或叶节点；

步骤7：将所述诱导混合分类器存储在计算机可读介质中。

9.如权利要求7所述的基于数据挖掘算法的临床护理管理方法，其特征在于：所述决策树算法的步骤如下：

步骤1：数据获取：从数据管理服务器获取数据组；

步骤2：数据训练：从所选数据组中计算数据集的经验熵，选择信息增益最大的特征作为当前分裂特征；其中数据组经验熵H(D)的计算公式为：

其中，i为数据的个数，|D|是数据集中所有样本个数,k是目标变量的类别数，|Ck|是该分类下的样本个数；

步骤3：确定根节点：根据计算出的经验熵选择决策树的根节点；

步骤4：确定叶节点：根据计算出的经验熵选择决策树的叶节点；

步骤5：根据确定的根节点和叶节点，建立数据模型；

步骤6：根据数据模型，构建决策树。