CN109830271A - 一种基于边缘计算和云计算的健康数据管理系统及分析方法 - Google Patents
一种基于边缘计算和云计算的健康数据管理系统及分析方法 Download PDFInfo
- Publication number
- CN109830271A CN109830271A CN201910035488.4A CN201910035488A CN109830271A CN 109830271 A CN109830271 A CN 109830271A CN 201910035488 A CN201910035488 A CN 201910035488A CN 109830271 A CN109830271 A CN 109830271A
- Authority
- CN
- China
- Prior art keywords
- health data
- edge calculations
- cloud computing
- health
- data
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于边缘计算和云计算的健康数据管理系统及分析方法，将边缘计算和云计算有机结合的方式用于健康数据的管理和分析。为了有效管理健康数据的，采用健康数据云计算平台、健康数据边缘计算平台组和局部多模态健康数据采集组构建了基于边缘计算和云计算的健康数据管理系统，实现了多模态健康数据的采集和存储管理等。同时为了有效分析健康数据，使用PCA提取数据格式健康数据的特征，使用PCANet提取图像格式健康数据的特征，随后利用数据融合技术实现健康数据的有效融合，再借助随机森林算法分析健康状况。本发明硬件简单，采用的算法比较轻量化，可以在保障健康数据安全性的同时实现健康数据的实时、高精度分析。
Description
技术领域
本发明涉及边缘计算和人体健康领域，具体是一种基于边缘计算和云计算的健康数据管理系统及分析方法。
背景技术
目前，现阶段的医疗系统大多是医院内部记录病人的基本信息和疾病情况，大多涉及挂号、排队、门诊预约、收费系统等，即使有病人信息收集系统，收集的信息少，且没有进行针对性的搜集。由于在医院里，采集的数据基本上都是病人，没有采集健康人的健康状况，不能拿来做分析，不能作为疾控预警的分析样本。
现阶段健康数据管理和分析系统一般分为本地式和云端式。本地式大多数不能处理海量的医疗健康数据，只能针对少量的数据进行分析，得到的结果不具有普适性、准确性，容易出错。而云端式是借助云平台实现海量健康大数据的总和管理和分析，这样虽然可以实现大数据的分析，但是健康数据需要频繁的与云平台进行交互，会占用大量的网络资源，同时健康数据传输过程中也会出现丢失和泄露等问题。
发明内容
本发明的目的是提供一种基于边缘计算和云计算的健康数据管理系统及分析方法；该发明将边缘计算和云计算有机结合的方式用于健康数据的管理和分析，其主要优点有：(1)边缘计算的应用程序在边缘侧发起，产生更快的网络服务响应，满足医疗健康行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。(2)云计算平台保障了医疗健康大数据的有效存储和分析。
为实现发明目的，本发明采用的一个技术方案是提供一种基于边缘计算和云计算的健康数据管理系统，其特征在于包括：健康数据云计算平台、健康数据边缘计算平台组、局部多模态健康数据采集组；其中健康数据边缘计算平台与健康数据云计算平台通过5G实现数据交互；某一个健康数据边缘计算平台与一个或多个局部多模态健康数据采集单元连接。
作为优选，本发明提供的一种基于边缘计算和云计算的健康数据管理系统，所述云计算平台主要由NVIDIA高性能GPU实现海量医疗健康大数据的分析，同时使用多块西数黑盘进行健康数据的存储；
作为优选，本发明提供的一种基于边缘计算和云计算的健康数据管理系统，所述健康数据边缘计算平台组包含一个或多个健康数据边缘计算平台，其中健康数据边缘计算平台主要由Xilinx高性能FPGA实现局部多模态健康数据采集组的数据分析，同时使用多块西数黑盘进行健康数据的存储；
作为优选，本发明提供的一种基于边缘计算和云计算的健康数据管理系统，所述局部多模态健康数据采集组包含一个或多个局部多模态健康数据采集单元，其中局部多模态健康数据采集单元由健康数据采集主控制模块、存储模块、电源模块以及实现健康数据采集的心电信号采集模块、肌电信号采集模块、血压信号采集模块、血糖信号采集模块、脑CT信号采集模块和B超信号采集模块等模块组成。
为解决上述技术问题，本发明采用的另一个技术方案是：提供一种基于边缘计算和云计算的健康数据分析方法，包括以下步骤：
(1)局部多模态健康数据首先被分为数据格式健康数据和图像格式健康数据；
(2)使用PCA提取数据格式健康数据的特征，使用PCANet提取图像格式健康数据的特征；
(3)使用异构数据融合算法融合PCA和PCANet提取得到的特征，得到多模态健康数据的特征；
(4)使用随机森林算法对上述多模态健康数据特征进行分类，分析健康状态。
有益效果：
本发明与现有技术相比，其有益效果体现在：
将边缘计算和云计算有机结合用于医疗健康数据的管理和分析，借助边缘计算实现了健康数据的快速准确分析，同时也保障了健康数据的安全性；借助云计算实现了医疗大数据的海量数据存储管理和分析。同时借助PCA和PCANet分别提取数据格式的健康数据特征和图像格式的健康数据特征简化了数据处理复杂度，在保证分析精度的前提下提高了实时性。
附图说明
图1健康数据管理系统结构图
图2局部多模态健康数据采集单元结构图
图3多模态健康数据分析流程图
图4图像类健康数据的PCANet特征提取流程图
具体实施方式：
如图1所示，一种基于边缘计算和云计算的健康数据管理系统，其特征在于包括：健康数据云计算平台、健康数据边缘计算平台组、局部多模态健康数据采集组；其中健康数据边缘计算平台与健康数据云计算平台通过5G实现数据交互；某一个健康数据边缘计算平台与一个或多个局部多模态健康数据采集单元连接。
所述云计算平台主要由四块NVIDIA RTX 2080Ti实现海量医疗健康大数据的分析，同时使用多块西数黑盘进行健康数据的存储；
所述健康数据边缘计算平台组包含一个或多个健康数据边缘计算平台，其中健康数据边缘计算平台主要由两块Xilinx Virtex-6lx550t实现局部多模态健康数据采集组的数据分析，同时使用多块西数黑盘进行健康数据的存储；
如图2所示，所述局部多模态健康数据采集组包含一个或多个局部多模态健康数据采集单元，其中局部多模态健康数据采集单元由健康数据采集主控制模块、存储模块、电源模块以及实现健康数据采集的心电信号采集模块、肌电信号采集模块、血压信号采集模块、血糖信号采集模块、脑CT信号采集模块和B超信号采集模块等模块组成。
所述健康数据管理系统将边缘计算和云计算有机结合用于医疗健康数据的管理和分析，借助边缘计算实现了健康数据的快速准确分析，同时也保障了健康数据的安全性；借助云计算实现了医疗大数据的海量数据存储管理和分析。
如图3所示，基于所述健康数据管理系统，本发明还提供了一种基于边缘计算和云计算的健康数据分析方法，包括以下步骤：
(1)局部多模态健康数据首先被分为数据格式健康数据和图像格式健康数据；
(2)使用PCA提取数据格式健康数据的特征，使用PCANet提取图像格式健康数据的特征；其中采用两层结构的PCANet提取图像格式的健康数据的特征；
如图4所示，图像格式健康数据的特征提取包括以下步骤：
(21)图像尺寸归一化；
(22)第一层PCA滤波，其中包括Patch向量化去均值和PCA滤波处理；
(23)第二层PCA滤波，其中包括Patch向量化去均值和PCA滤波处理；
(24)二值化哈希；
(25)分块直方图；
(3)使用异构数据融合算法融合PCA和PCANet提取得到的特征，得到多模态健康数据的特征；
(4)使用随机森林算法对上述多模态健康数据特征进行分类，分析健康状态。
所述健康数据分析方法借助PCA和PCANet分别提取数据格式的健康数据特征和图像格式的健康数据特征简化了数据处理复杂度，在保证分析精度的前提下提高了实时性。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种基于边缘计算和云计算的健康数据管理系统，其特征在于包括：健康数据云计算平台、健康数据边缘计算平台组、局部多模态健康数据采集组；其中健康数据边缘计算平台与健康数据云计算平台通过5G实现数据交互；某一个健康数据边缘计算平台与一个或多个局部多模态健康数据采集单元连接。
2.根据权利要求1所述的一种基于边缘计算和云计算的健康数据管理系统，其特征在于：所述云计算平台主要由NVIDIA高性能GPU实现海量医疗健康大数据的分析，同时使用多块西数黑盘进行健康数据的存储。
3.根据权利要求1所述的一种基于边缘计算和云计算的健康数据管理系统，其特征在于：所述健康数据边缘计算平台组包含一个或多个健康数据边缘计算平台，其中健康数据边缘计算平台主要由Xilinx高性能FPGA实现局部多模态健康数据采集组的数据分析，同时使用多块西数黑盘进行健康数据的存储。
4.根据权利要求1所述的一种基于边缘计算和云计算的健康数据管理系统，其特征在于：所述局部多模态健康数据采集组包含一个或多个局部多模态健康数据采集单元，其中局部多模态健康数据采集单元由健康数据采集主控制模块、存储模块、电源模块以及实现健康数据采集的心电信号采集模块、肌电信号采集模块、血压信号采集模块、血糖信号采集模块、脑CT信号采集模块和B超信号采集模块等模块组成。
5.根据权利要求1所述的一种基于边缘计算和云计算的健康数据分析方法，包括以下步骤：
(1)局部多模态健康数据首先被分为数据格式健康数据和图像格式健康数据；
(2)使用PCA提取数据格式健康数据的特征，使用PCANet提取图像格式健康数据的特征；
(3)使用异构数据融合算法融合PCA和PCANet提取得到的特征，得到多模态健康数据的特征；
(4)使用随机森林算法对上述多模态健康数据特征进行分类，分析健康状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910035488.4A CN109830271A (zh) | 2019-01-15 | 2019-01-15 | 一种基于边缘计算和云计算的健康数据管理系统及分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910035488.4A CN109830271A (zh) | 2019-01-15 | 2019-01-15 | 一种基于边缘计算和云计算的健康数据管理系统及分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109830271A true CN109830271A (zh) | 2019-05-31 |
Family
ID=66861668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910035488.4A Pending CN109830271A (zh) | 2019-01-15 | 2019-01-15 | 一种基于边缘计算和云计算的健康数据管理系统及分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109830271A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473623A (zh) * | 2019-07-16 | 2019-11-19 | 武汉联影医疗科技有限公司 | 医疗服务系统 |
| CN110471988A (zh) * | 2019-08-09 | 2019-11-19 | 南京智骋致想电子科技有限公司 | 一种基于模块化的三段五层式人工智能系统 |
| CN111657891A (zh) * | 2020-06-23 | 2020-09-15 | 北京理工大学 | 一种基于边缘计算平台的老年人健康状况监测方法 |
| CN111800483A (zh) * | 2020-06-19 | 2020-10-20 | 张仕红 | 基于边缘计算和大数据的信息处理方法及人工智能云平台 |
| CN112672119A (zh) * | 2019-10-15 | 2021-04-16 | 许桂林 | 一种带摄像功能的智能投影仪及个人健康数据生成方法 |
| CN112672120A (zh) * | 2019-10-15 | 2021-04-16 | 许桂林 | 一种带语音分析功能的投影仪及个人健康数据生成方法 |
| CN112769822A (zh) * | 2020-12-31 | 2021-05-07 | 中国科学院上海高等研究院 | 基于边缘计算的数据采集装置、系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160307071A1 (en) * | 2015-04-20 | 2016-10-20 | Xerox Corporation | Fisher vectors meet neural networks: a hybrid visual classification architecture |
| CN107683469A (zh) * | 2015-12-30 | 2018-02-09 | 中国科学院深圳先进技术研究院 | 一种基于深度学习的产品分类方法及装置 |
| CN107819854A (zh) * | 2017-11-14 | 2018-03-20 | 深圳市华讯方舟软件信息有限公司 | 基于云边缘计算的公共安全系统及构建方法 |
| CN108427992A (zh) * | 2018-03-16 | 2018-08-21 | 济南飞象信息科技有限公司 | 一种基于边缘云计算的机器学习训练系统及方法 |
| CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
-
2019
- 2019-01-15 CN CN201910035488.4A patent/CN109830271A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160307071A1 (en) * | 2015-04-20 | 2016-10-20 | Xerox Corporation | Fisher vectors meet neural networks: a hybrid visual classification architecture |
| CN107683469A (zh) * | 2015-12-30 | 2018-02-09 | 中国科学院深圳先进技术研究院 | 一种基于深度学习的产品分类方法及装置 |
| CN107819854A (zh) * | 2017-11-14 | 2018-03-20 | 深圳市华讯方舟软件信息有限公司 | 基于云边缘计算的公共安全系统及构建方法 |
| CN108427992A (zh) * | 2018-03-16 | 2018-08-21 | 济南飞象信息科技有限公司 | 一种基于边缘云计算的机器学习训练系统及方法 |
| CN109119130A (zh) * | 2018-07-11 | 2019-01-01 | 上海夏先机电科技发展有限公司 | 一种基于云计算的大数据健康管理系统及方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473623A (zh) * | 2019-07-16 | 2019-11-19 | 武汉联影医疗科技有限公司 | 医疗服务系统 |
| CN110471988A (zh) * | 2019-08-09 | 2019-11-19 | 南京智骋致想电子科技有限公司 | 一种基于模块化的三段五层式人工智能系统 |
| CN112672119A (zh) * | 2019-10-15 | 2021-04-16 | 许桂林 | 一种带摄像功能的智能投影仪及个人健康数据生成方法 |
| CN112672120A (zh) * | 2019-10-15 | 2021-04-16 | 许桂林 | 一种带语音分析功能的投影仪及个人健康数据生成方法 |
| CN112672120B (zh) * | 2019-10-15 | 2022-09-09 | 许桂林 | 一种带语音分析功能的投影仪及个人健康数据生成方法 |
| CN111800483A (zh) * | 2020-06-19 | 2020-10-20 | 张仕红 | 基于边缘计算和大数据的信息处理方法及人工智能云平台 |
| CN111800483B (zh) * | 2020-06-19 | 2021-01-19 | 辽宁向日葵教育科技有限公司 | 基于边缘计算和大数据的信息处理方法及人工智能云平台 |
| CN111657891A (zh) * | 2020-06-23 | 2020-09-15 | 北京理工大学 | 一种基于边缘计算平台的老年人健康状况监测方法 |
| CN112769822A (zh) * | 2020-12-31 | 2021-05-07 | 中国科学院上海高等研究院 | 基于边缘计算的数据采集装置、系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109830271A (zh) | 一种基于边缘计算和云计算的健康数据管理系统及分析方法 | |
| Liu et al. | A review of deep-learning-based medical image segmentation methods | |
| Nazir et al. | Retinal image analysis for diabetes-based eye disease detection using deep learning | |
| CN105431089B (zh) | 根据肝脏扫描确定肝功能的系统和方法 | |
| CN111429474B (zh) | 基于混合卷积的乳腺dce-mri图像病灶分割模型建立及分割方法 | |
| Li et al. | Fusing metadata and dermoscopy images for skin disease diagnosis | |
| Jain et al. | Attention-based UNet deep learning model for plaque segmentation in carotid ultrasound for stroke risk stratification: an artificial intelligence paradigm | |
| CN109166104A (zh) | 一种病变检测方法、装置及设备 | |
| CN104545792B (zh) | 眼底图像的动静脉视网膜血管视盘定位方法 | |
| Gust et al. | Line-field confocal optical coherence tomography increases the diagnostic accuracy and confidence for basal cell carcinoma in equivocal lesions: a prospective study | |
| Tursynova et al. | 3D U-Net for brain stroke lesion segmentation on ISLES 2018 dataset | |
| KR20190069046A (ko) | 헬스케어 서비스 제공을 위한 데이터셋 생성 장치 및 방법 | |
| Mohammed et al. | Hybrid techniques for diagnosis with WSIs for early detection of cervical cancer based on fusion features | |
| Huang et al. | Image segmentation using transfer learning and Fast R-CNN for diabetic foot wound treatments | |
| Gaur et al. | Cloud driven framework for skin cancer detection using deep CNN | |
| Hsieh et al. | Cerebral small vessel disease biomarkers detection on MRI-sensor-based image and deep learning | |
| Wen et al. | Acne detection and severity evaluation with interpretable convolutional neural network models | |
| Hsu | A customer-oriented skin detection and care system in telemedicine applications | |
| Devi et al. | Cognitive IoT integration for smart healthcare: Case study for heart disease detection and monitoring | |
| Alphonse et al. | A hybrid stacked restricted boltzmann machine with sobel directional patterns for melanoma prediction in colored skin images | |
| Liao et al. | Convolutional herbal prescription building method from multi-scale facial features | |
| Filko et al. | WITA—Application for wound analysis and management | |
| Samanta et al. | Optimized Tree Strategy with Principal Component Analysis Using Feature Selection‐Based Classification for Newborn Infant’s Jaundice Symptoms | |
| Ringenberg et al. | Accurate reconstruction of 3D cardiac geometry from coarsely-sliced MRI | |
| CN116664592A (zh) | 基于图像的动静脉血管分离方法、装置、电子设备及介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190531 |
|
| WD01 | Invention patent application deemed withdrawn after publication |