CN110210234A - 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 - Google Patents
转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110210234A CN110210234A CN201910327398.2A CN201910327398A CN110210234A CN 110210234 A CN110210234 A CN 110210234A CN 201910327398 A CN201910327398 A CN 201910327398A CN 110210234 A CN110210234 A CN 110210234A
- Authority
- CN
- China
- Prior art keywords
- patient
- medical
- medical information
- information
- affected areas
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明揭示了一种转诊时医疗信息的迁移方法、装置、计算机设备和存储介质,属于数据迁移技术领域,该转诊时医疗信息的迁移方法包括:接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;根据患者的医疗影像,识别患者患病区域;将所述患者的医疗信息和识别出的患病区域加密;将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。这样在保证病患信息的安全的前提下,使得病患的患病信息和就诊信息能够完整无误的展示,避免了使用可终端设备的麻烦。
Description
技术领域
本发明涉及数据迁移技术领域,特别是涉及转诊时医疗信息的迁移方法、装置、计算机设备和存储介质。
背景技术
现有技术中,一般患者在就诊时,需要携带多份记载有患者医疗信息的纸质文件(例如大幅的医疗影像胶片、病历、化验报告等)给医生,用以辅助医生诊断病情。这样患者需要携带大量文件,对患者而言非常地不方便。且当这样医疗信息文件较多时,还存在患者遗失或者忘带某件文件的风险。
发明内容
基于此,为解决相关技术中病患的医疗信息在迁移过程中十分不方便的技术问题,本发明提供了一种转诊时医疗信息的迁移方法、装置、计算机设备和存储介质。
第一方面,提供了一种转诊时医疗信息的迁移方法,应用于由多家医院作为区块链节点组成的区块链网络中,包括:
接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;
根据患者的医疗影像,识别患者患病区域;
将所述患者的医疗信息和识别出的患病区域加密;
将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;
响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
在其中一个实施例中,根据患者的医疗影像,识别患者患病区域,具体包括:
根据患者的医疗影像,识别所述医疗影像拍摄的器官;
根据识别出的医疗影像拍摄的器官,查询器官关键部位对应表,识别所述医疗影像中所述器官关键部位的特征属性;
根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域。
在其中一个实施例中,所述医疗信息中还包含患者的医疗影像的类型,根据患者的医疗影像,识别患者患病区域,具体包括:
根据患者医疗影像的类型,确定医疗影像拍摄的器官,识别所述医疗影像中所述器官关键部位的特征属性;
根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域。
在其中一个实施例中,所述患者的终端也为区块链网络中的一个节点,在响应于患者的授权操作,将所述患者的基本信息和患病区域信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的基本信息和患病区域信息之后,所述方法还包括:
响应于患者的下载操作,将所述解密后的患者的基本信息和患病区域信息发送至所述患者的终端中,以便医生在获取所述患者终端的授权后,通过工作站浏览所述患者的终端中的患者的基本信息和患病区域信息。
在其中一个实施例中,根据患者的医疗影像,识别所述医疗影像拍摄的器官的步骤包括:
将所述患者的医疗影像输入到第一机器学习模型,第一机器学习模型输出判定的器官;
将所述判定的器官作为所述医疗影像拍摄的器官。
所述第一机器学习模型如下训练:
获取患者的医疗影像样本集合,患者的医疗影像样本集合中的每个患者的医疗影像样本事先贴有器官标签,患者的医疗影像输入第一机器学习模型,第一机器学习模型输出判定的器官,与贴有的器官标签比对,如不一致,则调整所述第一机器学习模型,使所述机器学习模型输出的器官与标签一致。
在其中一个实施例中,所述根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域,具体包括:
将识别出的所述医疗影像中所述器官关键部位的特征属性输入到第二机器学习模型,第二机器学习模型输出判定的所述患者患病区域;
所述第二机器学习模型如下训练:
获取关键部位的特征属性样本集合,关键部位的特征属性样本集合中的每个患者的器官关键部位的特征属性样本事先贴有患病区域标签,关键部位的特征属性输入第二机器学习模型,第一机器学习模型输出判定的患病区域,与贴有的患病区域标签比对,如不一致,则调整所述第二机器学习模型,使所述机器学习模型输出的器患病区域与标签一致。
在其中一个实施例中,将所述患者的医疗信息和识别出的患病区域加密,具体包括:
获取需要加密的医疗信息和识别出的患病区域字符串并进行存储;
对所述医疗信息和识别出的患病区域的指定特征信息进行指定摘要运算;
根据所述指定摘要运算的结果,确定对所述医疗信息和识别出的患病区域进行加密的起始字符;
根据预定的加密算法,使用所述加密密钥对所述医疗信息和识别出的患病区域字符串进行加密;
发送加密后的医疗信息和识别出的患病区域字符串。
第二方面,提供了一种转诊时医疗信息的迁移装置,包括:
医疗信息接收模块,用于接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;
患病区域识别模块,用于根据患者的医疗影像,识别患者患病区域;
医疗信息加密模块,用于将所述患者的医疗信息和识别出的患病区域加密;
医疗信息同步模块,用于将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;
医疗信息解密模块,用于响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述转诊时医疗信息的迁移方法的步骤。
第四方面,提供了一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述转诊时医疗信息的迁移方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
上述转诊时医疗信息的迁移方法、装置、计算机设备和存储介质,通过将区块链技术和加密技术融入就诊过程中,将每一个医院作为一个区块链网络中的一个节点,实时同步更新就诊的病患信息,并将其加密,只有获得病患授权后的节点才能得到解密后的病患信息,在保证病患信息的安全的前提下,简化了转诊就诊的流程,使得病患的所有历史患病信息和就诊信息能够完整无误的展示,供医生参考。由于本发明还可以自动识别患者的患病区域,用以辅助医生诊断,这样就可以避免出现漏诊误诊的情况。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
图1是一个实施例中提供的转诊时医疗信息的迁移方法的实施环境图。
图2是根据一示例性实施例示出的一种转诊时医疗信息的迁移方法的流程图。
图3是根据图2对应实施例示出的转诊时医疗信息的迁移方法中步骤S20的一种具体实现流程图。
图4是根据图2对应实施例示出的转诊时医疗信息的迁移方法中步骤S20的另一种具体实现流程图。
图5是根据图2对应实施例示出的另一种转诊时医疗信息的迁移方法的流程图。
图6是根据图3对应实施例示出的转诊时医疗信息的迁移方法中步骤S210的一种具体实现流程图。
图7是根据图3或图4对应实施例示出的转诊时医疗信息的迁移方法中步骤S240的另一种具体实现流程图。
图8是根据图2对应实施例示出的转诊时医疗信息的迁移方法中步骤S30的另一种具体实现流程图。
图9是根据一示例性实施例示出的一种转诊时医疗信息的迁移装置的框图。
图10示意性示出一种用于实现上述坐席分配方法的电子设备示例框图。
图11示意性示出一种用于实现上述坐席分配方法的计算机可读存储介质。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中提供的转诊时医疗信息的迁移方法的实施环境图,如图1所示,在该实施环境中,包括在组成区块链网络的多个区块链节点100和医院200以及用户300。
所述区块链节点100中包含有认证模组和信息接收发送模组,以保证信息及时同步到区块链网络中的其它区块链节点。所述区块链节点100在接收到医院200录入的患者的医疗信息后,基于患者的医疗信息中的医疗影像,对所患者的患病区域进行识别,然后将患者的医疗信息和识别出的患病区域加密。其中,所述用患者的医疗信息和识别出的患病区域一旦加密便会同步到区块链网络中的所有节点。最后,区块链网络中的任意一个区块链节点100在接收到用户300的授权信息后就会将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
需要说明的是,所述区块链节点100可为台式计算机服务器、大型计算机服务器、云服务器、服务器集群以及各类终端服务器等,但并不局限于此。所述区块链节点100两两之间可以通过有线、无线或者其他通讯连接方式进行连接,本发明在此不做限制。
如图2所示,在一个实施例中,提出了一种转诊时医疗信息的迁移方法,该转诊时医疗信息的迁移方法可以应用于上述的区块链节点100中,具体可以包括以下步骤:
步骤S10,接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;
在本发明中,若需要迁移医疗影像,首先需要接收输入区块链中的包含有医疗影像的患者医疗信息,以便将医疗信息上链,通过区块链进行迁移,以及根据患者的医疗影像识别患者所患的病种。其中,所述患者的医疗信息中可以包括患者的身份信息、症状以及以往的病历信息等,这样能够更准确地识别患者患病区域,
步骤S20,根据患者的医疗影像,识别患者患病区域。
在接收到患者的医疗信息后,在上链迁移之前,需要先根据患者的医疗影像,识别患者患病区域,以辅助医生进行诊断。识别的具体方法可以是先根据所述患者的医疗影像,识别所述医疗影像所展示的器官(例如心肝脾肺肾等),再根据器官上的特定位置(例如左心房、肝脏的右前叶、肾脏的集合管等)的特征属性(例如有阴影、缺少显影、反光等)判断出所述病患所患的病种。在进行放射检测时,部分检测的结果还带有数值结果,这种情况下,识别患病区域时还可以根据医疗影像加上数值结果进行判断,这样识别的结果会更为准确。
步骤S30,将所述患者的医疗信息和识别出的患病区域加密。
在得到识别出的患者患病区域后,就可以将患者的医疗信息和识别出的患病区域进行加密,以便上链。又因为区块链上的数据都需要同步至区块链网络中的所有节点,故本步骤中对患者的医疗信息和识别出的患病区域这些隐私信息进行加密,以保证患者的隐私。
步骤S40,将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中。
在患者的医疗信息和识别出的患病区域得到加密后,就可以将所述患者的医疗信息和识别出的患病区域同步至区块链网络中的所有节点。这样,区块链网络中的所有节点医院都拥有了所述患者的医疗信息和识别出的患病区域,但由于上述隐私信息是经过加密的,故在得到授权前,这些节点医院并不能破解所述加密的隐私信息。
步骤S50,响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
在得到患者授权后,就可以将所述患者的医疗信息对患者授权的区块链节点解密,解密的方式可以是患者将与加密患者信息的公钥对应的私钥通过加密线路发送至所述授权的区块链节点医院的解密服务器,所述解密服务器不在区块链节点中,其内部数据不会上链,需要通过另外的加密线路发送,故也不会产生私钥泄露的问题。
其授权的方式可以是,在对患者的医疗信息和识别出的患病区域加密后,在患者社保卡或者身份证上保存对应的私钥,在患者在区块链节点的任意一家医院进行例如是挂号、缴费操作时,所述医院的服务器读取患者社保卡或者身份证上保存的私钥,并将患者的医疗信息和识别出的患病区域发送至所述患者所挂号的医生的服务器中,以便所述服务器将患者的医疗信息和识别出的患病区域解密后便于医生诊断。
本发明通过将区块链技术和加密技术融入就诊过程中,将每一个医院作为一个区块链网络中的一个节点,实时同步更新就诊的病患信息,并将其加密,只有获得病患授权后的节点才能得到解密后的病患信息,在保证病患信息的安全的前提下,简化了转诊就诊的流程,使得病患的所有历史患病信息和就诊信息能够完整无误的展示,供医生参考。由于本发明还可以自动识别患者的患病区域,用以辅助医生诊断,这样就可以避免出现漏诊误诊的情况。
可选的,图3是根据图2对应实施例示出的转诊时医疗信息的迁移方法中步骤S20的细节描述,该转诊时医疗信息的迁移方法中,步骤S20可以包括以下步骤:
步骤S210,根据患者的医疗影像,识别所述医疗影像拍摄的器官。
在本实施例中,根据患者的医疗影像,识别患者患病区域时,首先要识别出所述医疗影像拍摄的器官,这样才能更精准地确定病灶,若不事先知道医疗影像所拍摄的器官,就无法根据医疗影像中显示的特征判断患者患病区域。识别的方法可以是通过与器官标准图谱对比,将最接近的器官标准图谱所显示的器官作为所述医疗影像所拍摄的器官。
步骤S220,根据识别出的医疗影像拍摄的器官,查询器官关键部位对应表,识别所述医疗影像中所述器官关键部位的特征属性。
在识别出医疗影像拍摄的器官后,就可以开始识别所述医疗影像中所述器官关键部位的特征属性,所述识别方法可以是,先查询器官关键部位对应表,确定所需要识别的关键部位,将所述医疗影像与医疗影像所拍摄的器官的患病标准图谱进行对比,确定与患病标准图谱特征相似的关键部位以及所述关键部位的特征属性。
步骤S240,根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域。
最后就可以根据特征属性,识别出所述患者的患病区域,所述判断方法可以是通过机器学习模型实现,也可以是通过查询特征属性与患病区域对应表实现,本发明不做限制。
其基本原理是先根据医疗影像显示出的图像,判断所述图像是什么器官,然后根据识别出的器官,查询器官关键部位对应表,确定所需要识别的关键部位,识别所述医疗影像中的器官的这些关键部位,根据这些部位的特征属性,判断患者的患病情况。
例如,先根据医疗影像显示出的图像,判断所述图像是肺,然后查询器官关键部位对应表,确定所需要识别的肺的关键部位有左下肺叶、右下肺叶、肺小节等,识别所述医疗影像中的这些关键部位,根据这些部位的特征属性,如左下肺叶有阴影,预测患者的患病区域为左下肺叶。
可选的,图4是根据图2对应实施例示出的转诊时医疗信息的迁移方法中步骤S20的细节描述,该转诊时医疗信息的迁移方法中,所述医疗信息中还包含患者的医疗影像的类型,步骤S20可以包括以下步骤:
步骤S230,根据患者医疗影像的类型,确定医疗影像拍摄的器官,识别所述医疗影像中所述器官关键部位的特征属性。
在本实施例中,不用再识别出所述医疗影像拍摄的器官,所述医疗影像拍摄的器官包含在根据患者医疗影像的类型中,即可以根据患者医疗影像的类型来确定。这样,就可以直接识别所述医疗影像中所述器官关键部位的特征属性。
所述识别方式可以是,将所述医疗影像与所述医疗影像的同一类型的健康器官标准图谱进行对比,找到与标准图谱有差异的关键部位,识别所述关键部位的特征属性。
步骤S240,根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域。
由于做医疗影像检测的时候,患者所做的医疗影像检测的类型是已知的,例如是胸透,肺部CT、心脏彩超等,所以其检测部位是已知的,可以根据已知的检测部位直接读取确定要识别的关键部位,识别所述医疗影像中的器官的这些关键部位,根据这些部位的特征属性,判断患者的患病情况。这样,就可以省略识别器官的步骤,避免因为技术问题而识别不准的问题,提高了诊断的准确性。
图5示出了在一个实施例中,所述患者的终端也为区块链网络中的一个节点,图2对应实施例中的步骤S50之后,该转诊时医疗信息的迁移方法还可以包括以下步骤:
步骤S60,响应于患者的下载操作,将所述解密后的患者的基本信息和患病区域信息发送至所述患者的终端中,以便医生在获取所述患者终端的授权后,通过工作站浏览所述患者的终端中的患者的基本信息和患病区域信息。
在转诊时,为了避免信息的丢失,故本发明还可以通过让患者下载自己的基本信息和患病区域信息至自己的终端中,然后医生通过自己的工作站查看患者终端中保存的信息,提高了信息的安全性。其中所述患者的基本信息和患病区域信息包括患者的医疗信息和识别出的患病区域以及转诊前医院医生的患病区域信息,这些信息可以作为转诊后医院医生诊断病情的参考。
其具体方法可以是,在患者需要转诊时,通过已获授权的区块链节点医院下载解密后的患者的基本信息和患病区域信息至自己的终端中,在转诊后,转诊后的医院医生可以通过自己的服务器,在获取患者的授权后,访问患者的终端,获取患者的基本信息和患病区域信息,以进行后续诊断。
可选的,图6是根据图3对应实施例示出的转诊时医疗信息的迁移方法中步骤S210的细节描述,该转诊时医疗信息的迁移方法中,步骤S210可以包括以下步骤:
步骤S211,将所述患者的医疗影像输入到第一机器学习模型,第一机器学习模型输出判定的器官;
步骤S212,将所述判定的器官作为所述医疗影像拍摄的器官。
所述第一机器学习模型如下训练:
获取患者的医疗影像样本集合,患者的医疗影像样本集合中的每个患者的医疗影像样本事先贴有器官标签,患者的医疗影像输入第一机器学习模型,第一机器学习模型输出判定的器官,与贴有的器官标签比对,如不一致,则调整所述第一机器学习模型,使所述机器学习模型输出的器官与标签一致。
由于该医疗影像样本上贴有的器官标签是已知,所以所述医疗影像的拍摄的器官是已知的。将该已知的结果作为期望的输出,训练该机器学习模型。学习的方式为:在外界输入样本的刺激下不断改变网络的连接权值。学习的本质是对各连接权重进行动态调整。由于期望的输出是已知的,如果机器学习模型输出的结果与该期望的输出不符,就自动调整各连接权重,直到得到的输出结果和期望的输出一致。这样,就训练好了第一机器学习模型。当第一机器学习模型训练得足够好后,只要将所述医疗影像一张一张输入第一机器学习模型,第一机器学习模型就会输出判定的医疗影像拍摄的器官。
可选的,图7是根据图3或图4对应实施例示出的转诊时医疗信息的迁移方法中步骤S240的细节描述,该转诊时医疗信息的迁移方法中,步骤S240可以包括以下步骤:
步骤S241,将识别出的所述医疗影像中所述器官关键部位的特征属性输入到第二机器学习模型,第二机器学习模型输出判定的所述患者患病区域;
步骤S242,将所述判定的所述患者患病区域作为所述患者患病区域。
所述第二机器学习模型如下训练:
获取关键部位的特征属性样本集合,关键部位的特征属性样本集合中的每个关键部位的特征属性样本事先贴有患病区域标签,关键部位的特征属性输入第二机器学习模型,第二机器学习模型输出判定的患病区域,与贴有的患病区域标签比对,如不一致,则调整所述第二机器学习模型,使所述机器学习模型输出的器患病区域与标签一致。
由于该关键部位的特征属性样本上贴有的患病区域标签是已知,所以所述关键部位的特征属性样本的患病区域是已知的。将该已知的结果作为期望的输出,训练该机器学习模型。学习的方式为:在外界输入样本的刺激下不断改变网络的连接权值。学习的本质是对各连接权重进行动态调整。由于期望的输出是已知的,如果机器学习模型输出的结果与该期望的输出不符,就自动调整各连接权重,直到得到的输出结果和期望的输出一致。这样,就训练好了第二机器学习模型。当第二机器学习模型训练得足够好后,只要将所述器官关键部位的特征属性一个一个输入第二机器学习模型,第二机器学习模型就会输出判定的所述患者患病区域。
可选的,图8是根据图2对应实施例示出的转诊时医疗信息的迁移方法中步骤S30的细节描述,该转诊时医疗信息的迁移方法中,步骤S30还可以包括以下步骤:
步骤S310,获取需要加密的医疗信息和识别出的患病区域字符串并进行存储;
在对所述医疗信息和识别出的患病区域进行加密时,首先需要获取所述医疗信息和识别出的患病区域并进行存储,以方便对所述医疗信息和识别出的患病区域数据做处理,此时所述医疗信息和识别出的患病区域数据可以看作为一串字符串存储在本地设备中。
步骤S320,对所述医疗信息和识别出的患病区域的指定特征信息进行指定摘要运算;
在获取所述医疗信息和识别出的患病区域并进行存储后,就可以对所述医疗信息和识别出的患病区域的指定特征进行摘要运算了,所述指定特征信息可以是所述医疗信息和识别出的患病区域的字符串长度等,所述摘要运算的方法例如是哈希运算、随机生成一个数字除医疗信息和识别出的患病区域的字符串长度取余等,本方案不做限定。以所述指定特征信息是所述医疗信息和识别出的患病区域的字符串长度,所述摘要运算的方法为随机生成一个数字除医疗信息和识别出的患病区域的字符串长度取余为例,假设所述医疗信息和识别出的患病区域的字符串长度为a,随机生成的数字为b,则可以得到a除b的余数,所述余数即为指定摘要运算的结果。
步骤S330,根据所述指定摘要运算的结果,确定对所述医疗信息和识别出的患病区域进行加密的起始字符;
经过摘要运算后得到一个数值,可以将所述数值作为加密起始字符的位数,也可以将其前几位或者后几位作为加密起始字符的位数,这样就确定好了对所述医疗信息和识别出的患病区域进行加密的起始字符。步骤S234,从所述起始字符开始,在所述的医疗信息和识别出的患病区域字符串中获取加密密钥;
确定加密起始字符的位数后,就可以对所述医疗信息和识别出的患病区域字符串进行加密,加密方法可以是从起始字符开始,每隔预定位数进行摘取,摘取到预定长度,组成加密密钥,所述预定位数可以是1位、2位、质数位等,所述预定长度可以是所述医疗信息和识别出的患病区域字符串的长度,也可以是20位、304位,所述预定位数和所述预定长度均可以按照具体情况设置,本方案不做限定。
步骤S340,根据预定的加密算法,使用所述加密密钥对所述医疗信息和识别出的患病区域字符串进行加密;
获取加密密钥后,按照预定算法,使用所述加密密钥对所述存储数据字符串进行加密,其中,所述预定算法即生成所述加密密钥的算法。
步骤S350,发送加密后的医疗信息和识别出的患病区域字符串。
加密完成后,就可以将所述加密后的存储数据字符串发送至区块链网络的其他节点。
本公开的一个实施例中,动态加密运算将医疗信息和识别出的患病区域动态加密的具体方法可以是,先获取所述要加密的医疗信息和识别出的患病区域,然后对所述医疗信息和识别出的患病区域的指定特征信息进行摘要运算,所述指定特征信息可以是所述医疗信息和识别出的患病区域的字符串长度等,所述摘要运算的方法例如是哈希运算、随机生成一个数字除医疗信息和识别出的患病区域的字符串长度取余等,本方案不做限定。经过摘要运算后得到一个数值,将所述数值作为加密起始字符的位数,对所述医疗信息和识别出的患病区域字符串进行加密,加密方法可以是从起始字符开始,每隔1位进行摘取,摘取到预定长度,组成加密密钥,所述预定长度可以按照具体情况设置,本方案不做限定,获取加密密钥后,按照预定算法,对所述存储数据字符串进行加密,加密完成后,将所述加密后的存储数据字符串发送至区块链网络的其他节点。
如图9所示,在一个实施例中,提供了一种转诊时医疗信息的迁移装置,该转诊时医疗信息的迁移装置可以集成于上述的计算机设备100中,具体可以包括医疗信息接收模块110、患病区域识别模块120、医疗信息加密模块130、医疗信息同步模块140、医疗信息解密模块150。
医疗信息接收模块110,用于接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;
患病区域识别模块120,用于根据患者的医疗影像,识别患者患病区域;
医疗信息加密模块130,用于将所述患者的医疗信息和识别出的患病区域加密;
医疗信息同步模块140,用于将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;
医疗信息解密模块150,用于响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
上述装置中各个模块的功能和作用的实现过程具体详见上述转诊时医疗信息的迁移方法中对应步骤的实现过程,在此不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施方式的电子设备500。图10显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图2中所示的步骤S10,接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;步骤S20,根据患者的医疗影像,识别患者患病区域;步骤S30,将所述患者的医疗信息和识别出的患病区域加密;步骤S40,将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;步骤S50,响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图11所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种转诊时医疗信息的迁移方法,其特征在于,应用于由多家医院作为区块链节点组成的区块链网络中,所述方法包括:
接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;
根据患者的医疗影像,识别患者患病区域;
将所述患者的医疗信息和识别出的患病区域加密;
将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;
响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
2.如权利要求1所述的方法,其特征在于,根据患者的医疗影像,识别患者患病区域,具体包括:
根据患者的医疗影像,识别所述医疗影像拍摄的器官;
根据识别出的医疗影像拍摄的器官,查询器官关键部位对应表,识别所述医疗影像中所述器官关键部位的特征属性;
根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域。
3.如权利要求2所述的方法,其特征在于,根据患者的医疗影像,识别所述医疗影像拍摄的器官的步骤包括:
将所述患者的医疗影像输入到第一机器学习模型,第一机器学习模型输出判定的器官;
将所述判定的器官作为所述医疗影像拍摄的器官;
所述第一机器学习模型如下训练:
获取患者的医疗影像样本集合,患者的医疗影像样本集合中的每个患者的医疗影像样本事先贴有器官标签,患者的医疗影像输入第一机器学习模型,第一机器学习模型输出判定的器官,与贴有的器官标签比对,如不一致,则调整所述第一机器学习模型,使所述机器学习模型输出的器官与标签一致。
4.如权利要求1所述的方法,其特征在于,所述医疗信息中还包含患者的医疗影像的类型,根据患者的医疗影像,识别患者患病区域,具体包括:
根据患者医疗影像的类型,确定医疗影像拍摄的器官,识别所述医疗影像中所述器官关键部位的特征属性;
根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域。
5.如权利要求2至4任意一项所述的方法,其特征在于,所述根据识别出的所述医疗影像中所述器官关键部位的特征属性,识别所述患者患病区域,具体包括:
将识别出的所述医疗影像中所述器官关键部位的特征属性输入到第二机器学习模型,第二机器学习模型输出判定的所述患者患病区域;
将所述判定的所述患者患病区域作为所述患者患病区域;
所述第二机器学习模型如下训练:
获取关键部位的特征属性样本集合,关键部位的特征属性样本集合中的每个患者的器官关键部位的特征属性样本事先贴有患病区域标签,关键部位的特征属性输入第二机器学习模型,第一机器学习模型输出判定的患病区域,与贴有的患病区域标签比对,如不一致,则调整所述第二机器学习模型,使所述机器学习模型输出的器患病区域与标签一致。
6.如权利要求1所述的方法,其特征在于,所述患者的终端也为区块链网络中的一个节点,在响应于患者的授权操作,将所述患者的基本信息和患病区域信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的基本信息和患病区域信息之后,所述方法还包括:
响应于患者的下载操作,将所述解密后的患者的基本信息和患病区域信息发送至所述患者的终端中,以便医生在获取所述患者终端的授权后,通过工作站浏览所述患者的终端中的患者的基本信息和患病区域信息。
7.如权利要求1所述的方法,其特征在于,将所述患者的医疗信息和识别出的患病区域加密,具体包括:
获取需要加密的医疗信息和识别出的患病区域字符串并进行存储;
对所述医疗信息和识别出的患病区域的指定特征信息进行指定摘要运算;
根据所述指定摘要运算的结果,确定对所述医疗信息和识别出的患病区域进行加密的起始字符;
根据预定的加密算法,使用所述加密密钥对所述医疗信息和识别出的患病区域字符串进行加密;
发送加密后的医疗信息和识别出的患病区域字符串。
8.一种转诊时医疗信息的迁移装置,其特征在于,所述装置包括:
医疗信息接收模块,用于接收区块链节点医院输入的患者的医疗信息,所述医疗信息中包含患者的医疗影像;
患病区域识别模块,用于根据患者的医疗影像,识别患者患病区域;
医疗信息加密模块,用于将所述患者的医疗信息和识别出的患病区域加密;
医疗信息同步模块,用于将所述加密的患者的医疗信息和加密的识别出的患病区域同步至所述区块链网络的所有节点中;
医疗信息解密模块,用于响应于患者的授权操作,将所述患者的医疗信息对患者授权的区块链节点解密,以便获得患者授权的医生获取患者的医疗信息。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述的方法。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910327398.2A CN110210234A (zh) | 2019-04-23 | 2019-04-23 | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910327398.2A CN110210234A (zh) | 2019-04-23 | 2019-04-23 | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110210234A true CN110210234A (zh) | 2019-09-06 |
Family
ID=67786176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910327398.2A Pending CN110210234A (zh) | 2019-04-23 | 2019-04-23 | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210234A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062043A (zh) * | 2019-11-29 | 2020-04-24 | 清华大学 | 基于边缘计算的医疗影像识别方法及系统 |
CN111091900A (zh) * | 2019-11-25 | 2020-05-01 | 中电健康云科技有限公司 | 一种基于区块链智能合约的医疗分级诊疗方法及系统 |
CN112541010A (zh) * | 2019-09-23 | 2021-03-23 | 银橙(上海)信息技术有限公司 | 一种基于逻辑回归的用户性别预测方法 |
CN112687389A (zh) * | 2021-01-13 | 2021-04-20 | 罗春华 | 基于5g和区块链的人工智能医疗分级就诊方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682530A (zh) * | 2017-01-10 | 2017-05-17 | 杭州电子科技大学 | 一种基于区块链技术的医疗信息共享隐私保护方法及装置 |
CN106909778A (zh) * | 2017-02-09 | 2017-06-30 | 北京市计算中心 | 一种基于深度学习的多模态医学影像识别方法及装置 |
CN107767935A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN108600227A (zh) * | 2018-04-26 | 2018-09-28 | 众安信息技术服务有限公司 | 一种基于区块链的医疗数据共享方法及装置 |
CN108881175A (zh) * | 2018-05-28 | 2018-11-23 | 合肥工业大学 | 一种基于区块链的防篡改电子病历系统 |
CN109166104A (zh) * | 2018-08-01 | 2019-01-08 | 沈阳东软医疗系统有限公司 | 一种病变检测方法、装置及设备 |
CN109411084A (zh) * | 2018-11-28 | 2019-03-01 | 武汉大学人民医院(湖北省人民医院) | 一种基于深度学习的肠结核辅助诊断系统及方法 |
CN109544550A (zh) * | 2018-12-05 | 2019-03-29 | 易必祥 | 基于ct影像智能检测和识别方法及系统 |
-
2019
- 2019-04-23 CN CN201910327398.2A patent/CN110210234A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682530A (zh) * | 2017-01-10 | 2017-05-17 | 杭州电子科技大学 | 一种基于区块链技术的医疗信息共享隐私保护方法及装置 |
CN106909778A (zh) * | 2017-02-09 | 2017-06-30 | 北京市计算中心 | 一种基于深度学习的多模态医学影像识别方法及装置 |
CN107767935A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN108600227A (zh) * | 2018-04-26 | 2018-09-28 | 众安信息技术服务有限公司 | 一种基于区块链的医疗数据共享方法及装置 |
CN108881175A (zh) * | 2018-05-28 | 2018-11-23 | 合肥工业大学 | 一种基于区块链的防篡改电子病历系统 |
CN109166104A (zh) * | 2018-08-01 | 2019-01-08 | 沈阳东软医疗系统有限公司 | 一种病变检测方法、装置及设备 |
CN109411084A (zh) * | 2018-11-28 | 2019-03-01 | 武汉大学人民医院(湖北省人民医院) | 一种基于深度学习的肠结核辅助诊断系统及方法 |
CN109544550A (zh) * | 2018-12-05 | 2019-03-29 | 易必祥 | 基于ct影像智能检测和识别方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541010A (zh) * | 2019-09-23 | 2021-03-23 | 银橙(上海)信息技术有限公司 | 一种基于逻辑回归的用户性别预测方法 |
CN112541010B (zh) * | 2019-09-23 | 2023-05-23 | 银橙(上海)信息技术有限公司 | 一种基于逻辑回归的用户性别预测方法 |
CN111091900A (zh) * | 2019-11-25 | 2020-05-01 | 中电健康云科技有限公司 | 一种基于区块链智能合约的医疗分级诊疗方法及系统 |
CN111062043A (zh) * | 2019-11-29 | 2020-04-24 | 清华大学 | 基于边缘计算的医疗影像识别方法及系统 |
CN111062043B (zh) * | 2019-11-29 | 2022-05-20 | 清华大学 | 基于边缘计算的医疗影像识别方法及系统 |
CN112687389A (zh) * | 2021-01-13 | 2021-04-20 | 罗春华 | 基于5g和区块链的人工智能医疗分级就诊方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210234A (zh) | 转诊时医疗信息的迁移方法、装置、计算机设备和存储介质 | |
CN106030598B (zh) | 用于移动装置的信任代理认证方法 | |
CN111243690A (zh) | 分享电子医疗健康记录的方法与系统 | |
US10164966B2 (en) | Decoupling identity from devices in the internet of things | |
CN111275080A (zh) | 基于人工智能的图像分类模型训练方法、分类方法及装置 | |
US20210166807A1 (en) | Automated visual reporting technique for medical imaging processing system | |
US20200213295A1 (en) | Providing verified claims of user identity | |
CN107251033A (zh) | 用于在在线教育中进行实时用户验证的系统和方法 | |
Mehbodniya et al. | Modified Lamport Merkle Digital Signature blockchain framework for authentication of internet of things healthcare data | |
CN110245940B (zh) | 数字资产凭证继承转移中的信息处理方法、和相关装置 | |
JP5927864B2 (ja) | 遠隔画像システム | |
CN101937496A (zh) | 人员在场检测技术 | |
WO2022126903A1 (zh) | 图像异常区域检测方法、装置、电子设备及存储介质 | |
CN106663018A (zh) | 在容器化工作空间环境中修改android应用生命周期以控制其执行的方法 | |
Chand et al. | Robotics, artificial intelligence and distributed ledgers in surgery: data is key! | |
US20200334429A1 (en) | Alignment of Antennas on Near Field Communication Devices for Communication | |
CN112259178A (zh) | 基于区块链网络的诊断方法、装置和区块链网络系统 | |
CN107609463A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN104794669A (zh) | 基于虹膜识别的医疗信息获取系统及方法 | |
CN110197707A (zh) | 基于区块链的病历信息处理方法、装置、介质及电子设备 | |
US11164309B2 (en) | Image analysis and annotation | |
US20180363930A1 (en) | Utilizing radio signal emitting devices on fabric items to control temperature | |
CN112735566B (zh) | 医学影像的管理方法、装置、计算机设备和存储介质 | |
KR102458862B1 (ko) | 유전자 분석 정보 제공 시스템 및 방법 | |
JP2024511253A (ja) | エッジデバイス用のポスト量子暗号によるセキュアな実行環境 |
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 |