CN110491456B - 一种医疗数据传输方法及设备 - Google Patents
一种医疗数据传输方法及设备 Download PDFInfo
- Publication number
- CN110491456B CN110491456B CN201910797213.4A CN201910797213A CN110491456B CN 110491456 B CN110491456 B CN 110491456B CN 201910797213 A CN201910797213 A CN 201910797213A CN 110491456 B CN110491456 B CN 110491456B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- mobile terminal
- diagnosis
- key 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003745 diagnosis Methods 0.000 claims abstract description 152
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 230000006854 communication Effects 0.000 claims description 99
- 238000004891 communication Methods 0.000 claims description 98
- 238000003066 decision tree Methods 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 23
- 238000012546 transfer Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 description 35
- 238000005265 energy consumption Methods 0.000 description 22
- 239000007921 spray Substances 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000002308 calcification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000019522 cellular metabolic process Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003908 liver function Effects 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种医疗数据传输方法及设备,通过获取用户输入的医疗诊断数据;解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;获取用户输入的提取指令;根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。通过应用本申请的技术方案,根据医生的诊断情况对病人数据进行分类,使医院在完成一份医疗报告之后不用将全部资料都上传到网络中,病人在接收医疗报告数据时也不会因为数据量过大,而对接收环境、接收网络、接收终端提出较高的要求。
Description
技术领域
本发明涉及数据传输领域,特别是指一种医疗数据传输方法及设备。
背景技术
一方面,经过PET-CT项目检查的病人,平均每个人将产生大约300张图像,总共1G左右大小,产生的数据量如果全部参与网络通信,将造成巨大的网络资源消耗。另一方面,每个人在一次医疗过程中产生的数据量也是非常庞大的,如前述提及的PET-CT项目检查的病人,平均每个人将产生大约300张图像,总共1G左右大小,根据这些影像资料,医生需要填写相关CRF表,即病例报告表,将影像中反映的信息记录下来,以前列腺癌CRF表为例,一级字段就达到17项,二级字段达到100项以上,完成一个病人的信息录入需要30分钟左右的时间,病人在提取这些资料时同样面对的是一个非常庞大的数据量,可以想象,如果医生将其全部发送给病人,势必将对网络资源造成极大的压力,造成了不必要的资源消耗,对病人的接收终端也提出了极高的要求。在这样的大数据环境下,能不能保证数据传输成功率,数据能不能按时到达,移动终端能不能存储这么多的数据。这些都是亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于解决现有环境下医疗数据量巨大造成的对通信网络资源的巨大消耗及占用,同时解决由于较大的个人医疗数据造成的对用户接收环境、接收网络、接收终端提出的较高要求,基于此提出了一种医疗数据传输方法及设备。
基于上述目的,一方面,本发明提供了一种医疗数据传输方法,包括:
获取用户输入的医疗诊断数据;
解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;
获取用户输入的提取指令;
根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。
在一些实施方式中,所述根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,具体包括:
将所述诊断结果按照不同的诊断部位进行分类;
根据所述诊断部位及每个所述诊断部位的所述诊断结果建立决策树;
根据所述决策树获取所述诊断结果对应的所述关键数据项。
在一些实施方式中,所述根据所述决策树获取所述诊断结果对应的所述关键数据项,具体包括:
根据用户的选择将所述决策树中的对应数据项设定为所述关键数据项;
和/或
获取相同所述诊断结果的历史获取记录,根据所述历史获取记录选取获取率超过阈值的所述关键数据项作为比对信息,根据所述比对信息,在所述决策树中比对出优先数据,根据所述优先数据筛选出所述决策树中的相关数据,将所述相关数据设定为所述关键数据项。
在一些实施方式中,所述将与所述个人信息相关联的所述关键数据项传输给所述目标终端,具体包括:
所述目标终端为目标移动终端,所述关键数据通过至少一个中间移动终端传输给所述目标移动终端。
在一些实施方式中,所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端,具体包括:
检测通信范围内的所述中间移动终端,并向所有所述中间移动终端发送检测报文,根据返回的第一响应报文建立至少一个通信域,其中所述第一响应报文至少包括对应的所述中间移动终端所能通信的其他中间移动终端个数,以及其他中间移动终端的第二响应报文,根据所述第一响应报文分别计算出每个所述通信域中所述中间移动终端的结点相遇度、结点相似度、结点时效度以及结点中心度,并根据所述结点相遇度、结点相似度、结点时效度以及结点中心度计算出每个所述通信域中的中心中间移动终端,通过所述中心中间移动终端建立所述通信域与相邻通信域之间的联系,并以此筛选出至少一条优选传输路径将所述关键数据项传输给所述中间移动终端,并指示所述中间移动终端检测所述通信域内的其他所述中间移动终端进行所述关键数据项的传输,及利用所述中心中间移动终端进行通信域间的所述关键数据项的传输;
指示所述中间移动终端在通信范围内检测到所述目标移动终端时,将所述关键数据项传输给所述目标移动终端。
另一方面,本发明还提供了一种医疗数据传输设备,包括:
第一获取模块,获取用户输入的医疗诊断数据;
筛选模块,解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;
第二获取模块,获取用户输入的提取指令;
传输模块,根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。
在一些实施方式中,所述筛选模块根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,具体包括:
将所述诊断结果按照不同的诊断部位进行分类;
根据所述诊断部位及每个所述诊断部位的所述诊断结果建立决策树;
根据所述决策树获取所述诊断结果对应的所述关键数据项。
在一些实施方式中,所述筛选模块根据所述决策树获取所述诊断结果对应的所述关键数据项,具体包括:
根据用户的选择将所述决策树中的对应数据项设定为所述关键数据项;
和/或
获取相同所述诊断结果的历史获取记录,根据所述历史获取记录选取获取率超过阈值的所述关键数据项作为比对信息,根据所述比对信息,在所述决策树中比对出优先数据,根据所述优先数据筛选出所述决策树中的相关数据,将所述相关数据设定为所述关键数据项。
在一些实施方式中,所述传输模块将与所述个人信息相关联的所述关键数据项传输给所述目标终端,具体包括:
所述目标终端为目标移动终端,所述关键数据通过至少一个中间移动终端传输给所述目标移动终端。
在一些实施方式中,所述传输模块将所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端,具体包括:
检测通信范围内的所述中间移动终端,并向所有所述中间移动终端发送检测报文,根据返回的第一响应报文建立至少一个通信域,其中所述第一响应报文至少包括对应的所述中间移动终端所能通信的其他中间移动终端个数,以及其他中间移动终端的第二响应报文,根据所述第一响应报文分别计算出每个所述通信域中所述中间移动终端的结点相遇度、结点相似度、结点时效度以及结点中心度,并根据所述结点相遇度、结点相似度、结点时效度以及结点中心度计算出每个所述通信域中的中心中间移动终端,通过所述中心中间移动终端建立所述通信域与相邻通信域之间的联系,并以此筛选出至少一条优选传输路径将所述关键数据项传输给所述中间移动终端,并指示所述中间移动终端检测所述通信域内的其他所述中间移动终端进行所述关键数据项的传输,及利用所述中心中间移动终端进行通信域间的所述关键数据项的传输;
指示所述中间移动终端在通信范围内检测到所述目标移动终端时,将所述关键数据项传输给所述目标移动终端。
从上面所述可以看出,本发明提供的一种医疗数据传输方法及设备,通过获取用户输入的医疗诊断数据;解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;获取用户输入的提取指令;根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。通过应用本申请的技术方案,根据医生的诊断情况对病人数据进行分类筛选,使医院在完成一份医疗报告之后只需要进行少部分关键信息的传输,极大的降低了通讯网络的负载以及对通讯资源的浪费,从源头减少数据的发送量,病人在接收医疗报告数据时也不会因为数据量过大,而对接收环境、接收网络、接收终端提出过高的要求,使客户更方便迅捷的查看到自己想要的资料,极大提升了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提出的一种医疗数据传输方法的流程示意图;
图2为本发明实施例提出的一种移动区域医疗数据传输网络设计示意图;
图3为本发明实施例提出的一种病人与医院数据中心数据交换传输选择过程示意图;
图4为本发明实施例提出的一种有效数据决策与筛选过程示意图;
图5为本发明实施例中节点与能量消耗示意图;
图6为本发明实施例中节点与路由开销示意图;
图7为本发明实施例中节点与传输成功率示意图;
图8为本发明实施例中不同时间间隔发送数据包成功率示意图;
图9为本发明实施例Spray and wait算法中电子病例各类文本存储空间示意图;
图10为本发明实施例Binary spray and wait算法中电子病例各类文本存储空间示意图;
图11为本发明实施例无线感应有效数据传输(WSEDT,Wireless SensorEffective Data Transmission)算法中电子病例各类文本存储空间示意图;
图12为本发明实施例提出的一种医疗数据传输设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
本发明实施例提供了一种医疗数据传输方法,需要说明的是,在大数据移动医疗背景下,如何解决医院与病人,病人与社会关系之间数据传递是一个很重要的问题。病人和社会关系接收和发送数据的方式通常采用移动APP设备,这种设备存储空间小,数据发送接收数量有限。由于每个病人的电子病历和检验结果构成的数据量很大,如果每次都要发送和接收所有的数据,会造成移动APP设备严重的消耗。为此,在本申请的一种具体应用场景中,建立了一种基于无线感应有效数据传输(WSEDT,Wireless Sensor Effective DataTransmission)路由算法。该算法通过结点对其邻居发送的路由请求进行判断和分析,预测结点需要的数据包数量,对数据包的发送和接收过程进行计算,提高的结点数据包的传输成功率,降低了结点的路由开销。
如图1所示,为本发明实施例提出的一种医疗数据传输方法的流程示意图。该方法具体包括以下步骤:
步骤101,获取用户输入的医疗诊断数据;
本步骤旨在获取医生输入的客户在医疗诊断过程中的产生的数据信息。其中,获取数据的方式有很多种,例如:医生编写完完整的诊断报告后直接导入、医生在诊断过程中逐步输入补全医疗报告等。其不同的获取方法只要能达到相应的目的,不同的方法均不会影响本发明的保护范围。
在具体应用场景中,当医生对病人进行诊断时,可以通过机器诊断和人工诊断的方式结合减少误诊率。在大数据自组织传感网络中,医生和医院通过移动设备将所有的诊断报告和结果发送给病人,病人和医生根据结果选择进一步的治疗方案。然而,病人在诊疗过程中有可能产生大量的数据信息。这些信息包括了病人的个人信息、以往病史、检查项目、医疗图像、住院记录等信息。
步骤102,解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;
本步骤旨在对将医疗诊断数据的诊断结果进行归类,并以此提取出最相关的关键数据项与个人信息相关联。其中对数据进行归类的方式有很多种,例如:按照不同病人、按照不同时间、按照不同病症、按照不同病灶等;同时获取关键数据项的方式也有很多种,例如:根据病人的历史获取记录、根据相同病症或病灶的获取记录、根据医生预设的需要获取的数据项等。其不同的归类方式及获取方法只要能达到相应的目的,不同的方法均不会影响本发明的保护范围。
进一步的,为了更为准确科学的找到关键数据项。在本申请的优选实施例中,所述根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,具体包括:
将所述诊断结果按照不同的诊断部位进行分类;
根据所述诊断部位及每个所述诊断部位的所述诊断结果建立决策树;
根据所述决策树获取所述诊断结果对应的所述关键数据项。
进一步的,为了保证客户或医生的特殊数据查看需求,同时在客户或医生无需求时快速确定所有需要的数据。在本申请的优选实施例中,所述根据所述决策树获取所述诊断结果对应的所述关键数据项,具体包括:
根据用户的选择将所述决策树中的对应数据项设定为所述关键数据项;
和/或
获取相同所述诊断结果的历史获取记录,根据所述历史获取记录选取获取率超过阈值的所述关键数据项作为比对信息,根据所述比对信息,在所述决策树中比对出优先数据,根据所述优先数据筛选出所述决策树中的相关数据,将所述相关数据设定为所述关键数据项。
在具体应用场景中,病人可以发送请求获得自身需要的数据包,该数据包可以是病人需要的诊断报告,电子病例,图像影像资料等等。医生也可以通过移动设备将有效的数据包分类,然后为病人选择下载。这样做的目的是,减少了完整个人电子病例的下载数量。通过这样的方式减少了数据量的传输和能量消耗。一个病人的数据包由{Ki,Ki+1…Kn}构成,其中K为某项数据。而实际需要的数据包只有病人可以通过请求,由医生进行筛选,减少数据量。这样的方式就可以把大数据量变成有效数据量。
通常情况下,有效数据选择的手段主要有3个方面。
第一,病人可以根据自身需要,在多个检测和检查报告中,提出局部病变或者观测的数据,分类下载,减少设备接收的数据量。
第二,由医生进行判断,将部分关键性诊断结果发送给病人,减少全数据的发送过程。
第三,通过医院的数据库进行扫描比对,通过智能筛选的模式,设定优先发送报告,减少数据量。
每个病人的诊断数据中包含时间、位置、诊断结果等信息,而诊断结果中有名字、诊断类别、诊断结论等,类别中包含舒张期、钙化情况、心跳、肝功能等信息。通过分析诊断结果然后用决策树的方式对病人的诊断报告进行筛选过滤。病人的病情诊断数据包含众多的数据项,其中大部分数据项只能体现病人身体状况,并不能反映病人的病情,而能够直观反映病人病情的关键数据项可以通过决策树筛选出来。
当病人请求查询自己的病况时,病人可以根据决策树分类结果选择和自己病情相关的关键数据项下载,或者由医生来进行判断,医生借助决策树来辅助选择关键性诊断结果发送给病人,或者根据医院数据库中历史相同诊断结果的关键数据项的下载记录,并将所有下载记录中所有数据项下载率超过一定比例(例如:40%、50%、60%等)的数据项作为优先选取数据与当前决策树进行比对,选出对应的数据项作为关键数据项发送给病人,通过这样的方式减少数据量的发送。
步骤103,获取用户输入的提取指令;
本步骤旨在在选择完关键数据项之后获取用户需要提取该关键数据项的指令。其中,提取指令可以为医生直接设置的提取指令、或为病人通过移动终端等发送来的提取指令等。其不同的提取指令获取方法只要能达到相应的目的,不同的方法均不会影响本发明的保护范围。
步骤104,根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。
本步骤旨在将关键数据项传输给最终的目标终端。其中,传输数据的方式有很多种,例如:通过网络直接传输给目标终端;通过中间服务器、云服务器将数据转送给目标终端;通过中间移动终端通过“携带—存储—转发”的方式转送给目标终端等。其不同的传输方式只要能达到相应的目的,不同的方法均不会影响本发明的保护范围。
进一步的,为了加快数据的传输效率,同时更方便便捷的让客户查看数据。在本申请的优选实施例中,所述将与所述个人信息相关联的所述关键数据项传输给所述目标终端,具体包括:
所述目标终端为目标移动终端,所述关键数据通过至少一个中间移动终端传输给所述目标移动终端。
进一步的,为了解决移动数据网络覆盖不全面,在缺少医疗资源和医疗条件的区域,医生可以通过移动,与通信域范围内的病人构成无线自组织传感网络。在本申请的优选实施例中,所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端,具体包括:
检测通信范围内的所述中间移动终端,并向所有所述中间移动终端发送检测报文,根据返回的第一响应报文建立至少一个通信域,其中所述第一响应报文至少包括对应的所述中间移动终端所能通信的其他中间移动终端个数,以及其他中间移动终端的第二响应报文,根据所述第一响应报文分别计算出每个所述通信域中所述中间移动终端的结点相遇度、结点相似度、结点时效度以及结点中心度,并根据所述结点相遇度、结点相似度、结点时效度以及结点中心度计算出每个所述通信域中的中心中间移动终端,通过所述中心中间移动终端建立所述通信域与相邻通信域之间的联系,并以此筛选出至少一条优选传输路径将所述关键数据项传输给所述中间移动终端,并指示所述中间移动终端检测所述通信域内的其他所述中间移动终端进行所述关键数据项的传输,及利用所述中心中间移动终端进行通信域间的所述关键数据项的传输;
指示所述中间移动终端在通信范围内检测到所述目标移动终端时,将所述关键数据项传输给所述目标移动终端。
在具体应用场景中,医院先将数据发送给外勤医生或者特定医生,再通过医生的移动或者再转移到其他医生的方式,靠近目标移动终端,在病人移动终端进入当前数据所在的医生的无线传感域时,将数据传输给病人移动终端。病人在接到医院提供的数据后,可以把数据转发给自己的社会关系。这样的方式,病人不用再去医院获取自己的检验结果,病人的社会关系也可以直接用病人的设备得到结果。通过这种数据传递,减少了病人和其他人员进入医院和医生的压力。
在多感知通信网络中,由于结点(即移动终端)的移动性,造成了结点之间的相遇程度不同,数据传输时间间隔不同,携带数据信息的内容不同等等的情况。为了选择更合理的关联结点,需要对如下概念进行定义。
结点相遇度(Meeting Degree)。结点相遇度表示两个结点之间在T时间间隔内相遇的程度。设结点m和n,它们的相遇度为MD(m,n),md(m,N)表示结点m与自组织通信域中的总结点N相遇的次数,md(m,n)表示结点m与结点n的相遇次数。则结点m和n之间的相遇度公式为:
结点相似度(Similarity Degree)。结点相似度表示两个结点之间共有邻居的程度。结点相似度越大,表示结点的信息之间共有邻居数量越多,结点的关系越紧密。
设结点m和n,它们的相似度为SD(m,n),sd(m,N)表示结点m与自组织通信域中的总结点N相似程度,sd(m,n)表示结点m与结点n的相似程度。则结点m和n之间的相似度公式为:
结点时效度(Timely effective Degree)。结点时效度表示两个结点之间建立路由时间的时效程度。即,两个结点建立路由延迟时间越短,它们的时效程度越高。由于机会网络中数据传输的延迟现象是很普遍的,所以对结点时效度的研究是非常重要的。
设结点m和n,它们的时效度为TD(m,n),td(m,N)表示结点m与自组织通信域中的总结点N的时效度,td(m,n)表示结点m与结点n的时效度。则结点m和n之间的时效度公式为:
结点中心度(Central Degree)。结点中心度表示结点在自组织通信域内的连通程度。结点中心度越高,它能够连接的邻居数量越多,传递的有效数据包越多。结点中心度是研究机会网络数据传输最重要的参数指标。
设结点m,它的结点中心度由它与邻居之间数据传输的出度cd(m,n)out和入度cd(m,n)in决定。所以,结点m的中心度CD(m,n)为:
其中,l表示结点m的邻居n的个数。CD(N)表示自组织通信域总度数。
通过以上的定义,可以得到在机会网络通信域中,关联结点满足的条件:关联结点在自组织网络的所有结点中,有最高的权值,即结点总体效用权值Uweight(m,d)。Uweight(m,d)表示结点m到目的结点d的效用权值。根据前述公式可以得到关联结点计算公式:
Uweight(m,d)=αMD(m,n)+βSD(m,n)+γTD(m,n)+δCD(m,n)
其中,α,β,γ和δ表示权值因子,且α+β+γ+δ=1。由于结点m属于全结点N,显然0≤Uweight(m,d)≤1。
通过计算通信域中的效用值Uweight(m,d),可以得到该通信域中最合适的结点,关联结点特征(Relationship node Characteristic)CR(m),
CR(m)=Uweight(m,d)max
即,关联结点拥有通信域中最大的关联结点特征值。
通过分析和计算,可以确定每一个通信域中关联结点,并通过设置关联结点的方式,在不同的通信域之间建立数据传输。
具体的执行过程如下:
第一步:在t时刻,对自组织机会网络进行通信域划分。
第二步:根据全部前述公式,分别计算每一个通信域中的中心结点。
第三步:中心结点对它的邻居进行response响应,建立连接通道。
第四步:中心结点将数据包传递给下一个通信域结点,若下一个通信域结点也为中心结点则将数据包进行迭代处理并传递到下一个通信域;若不是中心结点则根据全部前述公式查找中心结点并将数据包传输给中心结点。
第五步:重复第三、四步,当通信域中出现目标结点时,则将数据包通过中心结点传递给目标结点,完成通信过程。
通过应用本申请的技术方案,该方案通过获取用户输入的医疗诊断数据;解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;获取用户输入的提取指令;根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。通过应用本申请的技术方案,根据医生的诊断情况对病人数据进行分类筛选,使医院在完成一份医疗报告之后只需要进行少部分关键信息的传输,极大的降低了通讯网络的负载以及对通讯资源的浪费,从源头减少数据的发送量,病人在接收医疗报告数据时也不会因为数据量过大,而对接收环境、接收网络、接收终端提出过高的要求,使客户更方便迅捷的查看到自己想要的资料,极大提升了用户体验。
为了进一步阐述本发明的技术思想,现结合具体的应用场景,对本发明的技术方案进行说明。
1、传输网络设计
在大数据移动区域医疗背景下,传输网络设计如图2所示。当病人与医院,病人与医生建立关系后,只要病人在自组织网络通信范围内,医院和医生可以通过发送数据的方式将数据传递到病人的移动设备上。病人在接到医院提供的数据后,可以把数据转发给自己的社会关系。同时,病人也可以将自己的实时数据和需求发送给医生或者医院,医生和医院接到数据后,可以第一时间处理这些病人数据,保证病人的安全。这样的方式,病人不用再去医院获取自己的检验结果,病人的社会关系也可以直接用病人的设备得到结果。通过这种数据传递模型,减少了病人和其他人员进入医院和医生的压力。
尤其的,在缺少医疗资源和医疗条件的区域,医生可以通过移动,与通信域范围内的病人构成无线自组织传感网络,在该网络环境中,病人通过移动设备发送自身数据给医生,医生也可以根据病人的请求,发送诊断结果和检查报告给病人,解决了医疗资源分配的问题。
2、有效数据分析
当医生对病人进行诊断时,可以通过机器诊断和人工诊断的方式结合减少误诊率。在大数据自组织传感网络中,医生和医院通过移动设备将所有的诊断报告和结果发送给病人,病人和医生根据结果选择进一步的治疗方案。然而,病人在诊疗过程中有可能产生大量的数据信息。这些信息包括了病人的个人信息、以往病史、检查项目、医疗图像、住院记录等信息。根据某医院PET-CT中心统计,经过PET-CT项目检查的病人,平均每个人将产生大约300张图像,总共1G左右大小。而该医院一年的就诊病人超过300万人。产生的数据量如果全部参与网络通信,将造成巨大的网络资源消耗。
此外,根据这些影像资料,医生需要填写相关CRF表,即病例报告表,将影像中反映的信息记录下来。以前列腺癌CRF表为例,一级字段就达到17项,二级字段达到100项以上,完成一个病人的信息录入需要30分钟左右的时间。可以想象,面对如此复杂、繁琐的大数据,如果医生将其全部发送给病人,势必将对网络资源造成极大的压力,造成了不必要的资源消耗;同时,病人不具备相关的专业知识,无法自行判断这些数据中哪些部分是比较重要的,哪些是需要长期关注其变化趋势的,这会让有效信息淹没在其他数据中,导致病人无法获取关键信息。
在PET-CT中心,平均每位病人,会产生数百张影像资料,包含了检查对象全身的影像信息。这数百张影像,能反映出患者全身的细胞代谢分布情况,若有细胞代谢速度异常增高,则图中将产生亮黄色浓聚区域,并且使用相关软件,可以直接测量浓聚区域的面积,浓聚值(SUV)大小。对大部分病人来说,病灶局限于某个部位,例如肝脏、前列腺、淋巴结等。故医生在检查完病人的全身影像之后,只需将出现浓聚部位的影像挑选出来,予以重点关注,发送给病人。这样一来就可以极大的压缩发送信息量,减少发送的数据量。例如在一份数十张的PET-CT扫描图中,实际的有效图像只有3张用于诊断,提取这3张图像既减少了全部数据的发送,又增加了确诊判定的概率。因此,在研究大数据移动医疗的过程中,需要对数据的分析和分离进行考虑。
如图3所示是数据传输选择过程。病人可以发送请求获得自身需要的数据包,该数据包可以是病人需要的诊断报告,电子病例,图像影像资料等等。医生也可以通过移动设备将有效的数据包分类,然后为病人选择下载。这样做的目的是,减少了完整个人电子病例的下载数量。通过这样的方式减少了数据量的传输和能量消耗。一个病人的数据包由{Ki,Ki+1…Kn}构成。而实际需要的数据包只有病人可以通过请求,由医生进行筛选,减少数据量。这样的方式就可以把大数据量变成有效数据量。
如图4所示,表现了有效数据的筛选和决策过程。具体来说,通过对病人的诊断情况进行分类,来实现数据的筛选,从而辅助病人对有效数据进行选择。辅助医生在对病人进行数据分析时提供知识库。如图4所示,每个病人的诊断数据中包含时间,位置,诊断结果等信息,而诊断结果中有名字,诊断类别,诊断结论等,类别中包含舒张期,钙化情况,心跳,肝功能等信息。通过分析诊断结果然后用决策树的方式对病人的诊断报告进行筛选过滤。病人的病情诊断数据包含众多的数据项,其中大部分数据项只能体现病人身体状况,并不能反映病人的病情,而能够直观反映病人病情的关键数据项通过决策树筛选出来。
当病人请求查询自己的病况时,病人可以根据决策树分类结果选择和自己病情相关的关键数据项下载,或者由医生来进行判断,医生借助决策树来辅助选择关键性诊断结果发送给病人,通过这样的方式减少数据量的发送。
有效数据的筛选和决策过程:
1.收集诊断病人的个人信息和诊断结果的信息;
2.将病人的诊断结果按不同的诊断部位进行分类;
3.根据病人的诊断部位以及每个部位的诊断结果等因子建立决策树;
4.每个病人的诊断结果都可以根据决策树找到对应的关键数据项;
5.用户请求查询病况时便可直接过滤到其他数据项,返回用户关心的有效数项即可。
为了让数据的接收和转发更合理,本申请对WSEDT进行分析设计。其过程可以按照图3所示进行。首先,病人通过在医院得到医院和医生的诊断,得到一个电子病历。该病例包含了大量的数据包。医院将电子病例数据包存储在移动设备。病人提出请求,该请求包含了病人希望了解的数据。而医生可以通过APP,为病人提供即时的数据分析,将对病人有效的数据即时的提供到移动设备终端,为病人提供服务。这种数据传递方式,不仅能够在医生和病人之间传递,同时也可以在病人与病人,病人与社会关系中传递。这样的过程构成了信息传递的大面扩散。
下面证明上述的方式在节点能量消耗、结点路由开销及结点传输成功率上均优于现行的两种移动医疗环境下的数据传输方式Spray and Wait(S&W)算法及Binary Sprayand Wait(BS&W)算法。
1)移动医疗环境下结点能量消耗
本申请将医生、病人和病人社会关系作为网络中的结点。结点在发送信息时,需要消耗能量。当结点发送的信息数量超过该结点的能量时,就会发生结点死亡,即APP设备无法再继续发送信息。对于任意的结点,只有满足Esend≤E,其中Esend是发送数据消耗的能量,E是结点携带的能量。即发送数据消耗的能量必须不大于结点携带的能量,才可以保证结点发送信息。
在结点发送数据包的过程中,每发送一个数据包到邻居,就需要消耗能量。通过发送数据包数量与结点能量消耗形成一个函数关系,即:
E(p){peer to peer}=C1×p (1)
其中,E(p){peer to peer}表示结点与一个邻居发送数据包消耗的能量,C1表示结点能量系数,p表示结点发送数据包的数量。
在发送数据包过程中,能量系数与结点的邻居数量有关。因此,结点系数C1为:
C1=ni×es (2)
其中,ni表示结点邻居个数,es表示每个数据包消耗能量的单位。
根据公式(1)及公式(2)就可以计算结点发送数据需要消耗的能量为:
E=ni×es×p (3)
根据公式(3),结合三种算法发送数据包的特点,计算对于每种算法结点给所有邻居发送数据包需要的能量。即:
WSEDT结点能量消耗EWSEDT为:
Spray and Wait结点能量消耗ES&W为:
Binary Spray and Wait结点能量消耗为:
由于WSEDT对邻居结点进行了数据包选择,即数据包量pm≤pM。即WSEDT能量消耗小于Spray and Wait。当WSEDT选择有用数据包数量不大于总的数据包数量一半WSEDT能量消耗小于Binary Spray and Wait;反之则大于Binary Spray and Wait。但是,在大数据环境下,结点的数量较多,随着结点数量的增加,Binary Spray and Wait算法数据传递量也会增加,累计趋势将趋向于Spray and Wait算法。
2)移动医疗环境下结点路由开销
由于结点的路由开销与结点转发数据的总数有关,转发数据量越大,路由开销越大,副本冗余越高。所以控制结点的路由开销有助于提高网络的质量。尤其在大数据环境下,结点之间路由开销越小,副本的冗余越低,结点的消耗越少。因此,控制算法中结点之间的路由开销是关键。
在移动区域医疗环境下,医生与病人,病人与病人之间发送数据包的路由开销O{peer to peer}是:
根据公式(4)就可以计算机会网络算法中每个结点的路由开销。即:
WSEDT结点路由开销OWSEDT为:
Spray and Wait结点路由开销OS&W为:
Binary Spray and Wait结点路由开销OBs&W为:
由于WSEDT对邻居结点进行了数据包选择,即数据包量pm≤pM。WSEDT路由开销小于Spray and Wait。当WSEDT选择有用数据包数量不大于总的数据包数量一半,即时WSEDT路由开销小于Binary Spray and Wait。
3)移动医疗环境下结点传输成功率
在网络中,结点之间数据的传输成功率是衡量网络性能的重要指标。在大数据移动区域医疗环境下,提高数据传输成功率,不仅保证网络数据包能够准确的在病人与医生,病人与社会关系之间转递,也关系到病人资料的完整性,保证病人能够得到准确的医疗诊断。所以,提高信息的传输成功率是大数据移动区域医疗最重要的指标。
对于移动设备在限定了能量和存储空间的情况下,平均传输成功率和数据包的收发数量,设备的能耗以及开销有关系。当移动设备由于能耗过度,或者路由开销过大造成内存空间不够或者设备消耗过快时,就无法在发送或者接收数据包。这样的结果使得病人与医生,病人和社会关系无法正常的传递信息。
所以在大数据环境中,结点之间的传输成功率由一个三元组函数构成。即:
D{peer to peer}=f(E,O,p{peer to peer}) (5)
其中,D{peer to peer}表示结点之间的传输成功率,E表示能耗,O表示路由开销,p{peer to peer}表示数据包的发送和接收数量,即 其中preceive为数据包的接收数量,psend为数据包的发送数量。
在大数据移动区域医疗环境下,结点对之间的平均传输成功率为:
其中,Dk{peer to peer}表示任意两个结点之间的传输成功率,n表示结点对的个数。
根据公式(5)、(6)的函数关系,在网络中结点对之间的平均传输成功率为:
其中,Ek、Ok、pk{peer to peer}分别为任意两个结点之间的能耗、路由开销、数据包的发送和接收数量。
根据公式(3)和公式(4),得到Ek和Ok是关于任意两个结点之间数据包pk的函数。所以根据公式(7)可以表示为:
根据公式(3)、(4)、(8)得到平均传输成功率是关于结点发送数据包的数量p的函数。
当结点有足够的能量和存储空间。结点的传输成功率由邻居结点接收到的数据包和结点发送的数据包之间的比值决定的。即,传输成功率D是:其中,Dreceive为接收成功率,Dsend为发送成功率。对于整个网络,衡量网络的平均传输成功率/>是: 越大,表示网络中所有结点传递数据包的成功率越高,数据丢失率越低。因此,平均传输成功率可以通过仿真实验进行验证。
算法设计与仿真实验
WSEDT算法设计如表1所示。
表1WSEDT算法设计
在该算法中,路由开销与结点的能量消耗随着数据包的发送变化而变化,时间复杂度为O(n),传输成功率根据迭代,也随着数据包的变化而变化,时间复杂度为O(n)。
仿真实验将通过ONE 1.4进行仿真测试,选取的仿真测试参数设置如表2所示。
表2仿真参数设置
如图5所示,表现了大数据环境下能量消耗与结点的关系。参与传递信息的结点在300之前,WSEDT的能量消耗大于BS&W,当结点数大于400时,WSEDT的能量消耗小于BS&W,证明WSEDT能够在结点参与较多的情况下节约能耗。当参与传递信息的结点数到达1000时,S&W算法能耗是BS&W的2.5倍,是WSEDT的3倍,而且。通过仿真可以证明,在结点大量投入的情况下,WSEDT和BS&W能够获得较好的效果,尤其是WSEDT更适合在大数据环境下采用。
如图6所示,表示路由开销与结点之间的关系。在试验中,S&W算法的路由开销很高,而且随着结点参与通信的数据增加,路由开销明显。到结点数量在500时,S&W是1000左右,而当结点数量1000时,路由开销超过了3200。很明显,S&W算法不适合在大数据环境下应用。WSEDT和BS&W的增加不明显。尤其在结点数量小于280时,BS&W比WSEDT的路由开销小,当结点数量超过300时,WSEDT路由开销小于BS&W。当参与结点达到1000时,WSEDT路由开销是BS&W消耗的75%。说明WSEDT有较好的优化作用。也证明了WSEDT能够在大数据环境下节省路由开销。
如图7所示,显示了传输成功率和结点的关系。初始阶段,参与传递信息的结点数量为100时,WSEDT和BS&W的传输成功率超过了40%,S&W也超过了30%。随着结点的增加,三种算法的传输成功率都在上升。这种情况表明,机会网络算法的传输成功率随着结点增加而上升。当结点到达600时,WSEDT传输成功率超过70%,当结点达到800时,WSEDT传输成功率超过80%,当结点达到1000时,WSEDT算法传输成功率超过90%。说明WSEDT在数据越多时,传输成功率越高。而且,在结点达到1000时,WSEDT是S&W传输成功率的1.5倍。这表示了WSEDT有很好的改善网络传输成功率的效果。
由于传输成功率是大数据移动医疗平台下最重要的指标,它关系到结点之间信息能够准确到达,所以需要测算WSEDT在不同时间发送数据包的仿真。仿真设定数据包每隔5秒,10秒和15秒分别发放一次数据。仿真结果如图8所示。
从仿真开始结点,15s发送数据包的传输成功率就高于10s与5s的,但是传输成功率差距都不到10%。这样的趋势一直在延续。当结点数量到达500时,15s与5s的传输成功率差距超过了10%,10s的比较稳定。当结点到达1000时,10s和15s的传输成功率超过了90%,5s的接近90%。这表示,WSEDT在不同的时间发放数据包都可以得到较高的传输成功率。而且,数据包时间间隔较长时,传输成功率越高。
通过仿真实验表明,WSEDT在传输成功率,路由开销和能量消耗的表现优于传统的算法,更能适合于大数据环境下的应用。
图9、图10与图11则分别表示了各种不同类型的医疗电子病例数据文本在各类算法中转递的数量。
图9可以明显看到,在Spray and wait算法中,大量的数据传输存储空间被图像文本所占据,即表示在结点之间进行通信时,在有限的网络资源中,图像传输占据了大量的资源,而其他如诊断报告、随访信息、结论报告等等,没有足够的空间进行有效传输,造成了病人需求与实际接收的数据不符的现象,减低了传输过程的效率。
图10表示了各类本文在Binary spray and wait算法中的存储情况。很明显,由于Binary spray and wait算法限制了数据包的无线传输,降低了大规模数据的洪泛,图像类型的数据传输大小明显降低,其他类型的数据传输数据得以上升。尤其,对于诊断报告、检测报告的上升幅度明显。说明Binary spray and wait算法在医疗数据传输过程中比Sprayand wait算法更优化。
图11表示了WSEDT算法在传输医疗数据过程中,各项文本的传输情况。WSEDT算法由于采用了有效数据传输机制,使得各类文本的传输更加均衡。各个结点由于在得到数据包前,发送了需求信息,使得传输的数据种类从大样本随机传输到各项指标较为均衡的传输。这种算法策略对于改善机会网络高随机性传输数据包有明显的效果;同时,对于医疗数据信息的有效传输,抑制如图像信息这类大量占用网络资源的数据起到了较为良好的作用。
通过在大数据移动医疗环境中建立WSEDT机会网络算法,减少了结点的路由开销和能量消耗,提高了平均传输成功率。这表明,将WSEDT应用到APP信息传递过程,能够较好的实现信息在大数据移动医疗环境的传递。
基于同一发明构思,本发明实施例还提供了一种医疗数据传输设备,如图12所示,包括:
第一获取模块1201,获取用户输入的医疗诊断数据;
筛选模块1202,解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;
第二获取模块1203,获取用户输入的提取指令;
传输模块1204,根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端。
在具体的应用场景中,所述筛选模块1202根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,具体包括:
将所述诊断结果按照不同的诊断部位进行分类;
根据所述诊断部位及每个所述诊断部位的所述诊断结果建立决策树;
根据所述决策树获取所述诊断结果对应的所述关键数据项。
在具体的应用场景中,所述筛选模块1202根据所述决策树获取所述诊断结果对应的所述关键数据项,具体包括:
根据用户的选择将所述决策树中的对应数据项设定为所述关键数据项;
和/或
获取相同所述诊断结果的历史获取记录,根据所述历史获取记录选取获取率超过阈值的所述关键数据项作为比对信息,根据所述比对信息,在所述决策树中比对出优先数据,根据所述优先数据筛选出所述决策树中的相关数据,将所述相关数据设定为所述关键数据项。
在具体的应用场景中,所述传输模1204块将与所述个人信息相关联的所述关键数据项传输给所述目标终端,具体包括:
所述目标终端为目标移动终端,所述关键数据通过至少一个中间移动终端传输给所述目标移动终端。
在具体的应用场景中,所述传输模块1204将所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端,具体包括:
检测通信范围内的所述中间移动终端,并向所有所述中间移动终端发送检测报文,根据返回的第一响应报文建立至少一个通信域,其中所述第一响应报文至少包括对应的所述中间移动终端所能通信的其他中间移动终端个数,以及其他中间移动终端的第二响应报文,根据所述第一响应报文分别计算出每个所述通信域中所述中间移动终端的结点相遇度、结点相似度、结点时效度以及结点中心度,并根据所述结点相遇度、结点相似度、结点时效度以及结点中心度计算出每个所述通信域中的中心中间移动终端,通过所述中心中间移动终端建立所述通信域与相邻通信域之间的联系,并以此筛选出至少一条优选传输路径将所述关键数据项传输给所述中间移动终端,并指示所述中间移动终端检测所述通信域内的其他所述中间移动终端进行所述关键数据项的传输,及利用所述中心中间移动终端进行通信域间的所述关键数据项的传输;
指示所述中间移动终端在通信范围内检测到所述目标移动终端时,将所述关键数据项传输给所述目标移动终端。
上述实施例的设备用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种医疗数据传输方法,其特征在于,包括:
获取用户输入的医疗诊断数据;
解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;
获取用户输入的提取指令;
根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端;
所述将与所述个人信息相关联的所述关键数据项传输给所述目标终端,具体包括:
所述目标终端为目标移动终端,所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端;
所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端,具体包括:
检测通信范围内的所述中间移动终端,并向所有所述中间移动终端发送检测报文,根据返回的第一响应报文建立至少一个通信域,其中所述第一响应报文至少包括对应的所述中间移动终端所能通信的其他中间移动终端个数,以及其他中间移动终端的第二响应报文,根据所述第一响应报文分别计算出每个所述通信域中所述中间移动终端的结点相遇度、结点相似度、结点时效度以及结点中心度,并根据所述结点相遇度、结点相似度、结点时效度以及结点中心度计算出每个所述通信域中的中心中间移动终端,通过所述中心中间移动终端建立所述通信域与相邻通信域之间的联系,并以此筛选出至少一条优选传输路径将所述关键数据项传输给所述中间移动终端,并指示所述中间移动终端检测所述通信域内的其他所述中间移动终端进行所述关键数据项的传输,及利用所述中心中间移动终端进行通信域间的所述关键数据项的传输;其中,所述结点相遇度表示两个所述中间移动终端之间在单位时间间隔内相遇的程度,所述结点相似度表示两个所述中间移动终端之间共有邻居的程度,所述结点时效度表示两个所述中间移动终端之间建立路由时间的时效程度,所述结点中心度表示结点在自组织通信域内的连通程度,所述中心中间移动终端表示拥有通信域中最大的关联结点特征值的所述中间移动终端;
指示所述中间移动终端在通信范围内检测到所述目标移动终端时,将所述关键数据项传输给所述目标移动终端;
2.根据权利要求1所述的方法,其特征在于,所述根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,具体包括:
将所述诊断结果按照不同的诊断部位进行分类;
根据所述诊断部位及每个所述诊断部位的所述诊断结果建立决策树;
根据所述决策树获取所述诊断结果对应的所述关键数据项。
3.根据权利要求2所述的方法,其特征在于,所述根据所述决策树获取所述诊断结果对应的所述关键数据项,具体包括:
根据用户的选择将所述决策树中的对应数据项设定为所述关键数据项;
和/或
获取相同所述诊断结果的历史获取记录,根据所述历史获取记录选取获取率超过阈值的所述关键数据项作为比对信息,根据所述比对信息,在所述决策树中比对出优先数据,根据所述优先数据筛选出所述决策树中的相关数据,将所述相关数据设定为所述关键数据项。
4.一种医疗数据传输设备,其特征在于,包括:
第一获取模块,获取用户输入的医疗诊断数据;
筛选模块,解析所述医疗诊断数据,获取其中的个人信息及诊断结果,根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,将所述关键数据项与所述个人信息相关联;
第二获取模块,获取用户输入的提取指令;
传输模块,根据所述提取指令中的所述个人信息及目标终端,将与所述个人信息相关联的所述关键数据项传输给所述目标终端;
所述将与所述个人信息相关联的所述关键数据项传输给所述目标终端,具体包括:
所述目标终端为目标移动终端,所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端;
所述关键数据项通过至少一个中间移动终端传输给所述目标移动终端,具体包括:
检测通信范围内的所述中间移动终端,并向所有所述中间移动终端发送检测报文,根据返回的第一响应报文建立至少一个通信域,其中所述第一响应报文至少包括对应的所述中间移动终端所能通信的其他中间移动终端个数,以及其他中间移动终端的第二响应报文,根据所述第一响应报文分别计算出每个所述通信域中所述中间移动终端的结点相遇度、结点相似度、结点时效度以及结点中心度,并根据所述结点相遇度、结点相似度、结点时效度以及结点中心度计算出每个所述通信域中的中心中间移动终端,通过所述中心中间移动终端建立所述通信域与相邻通信域之间的联系,并以此筛选出至少一条优选传输路径将所述关键数据项传输给所述中间移动终端,并指示所述中间移动终端检测所述通信域内的其他所述中间移动终端进行所述关键数据项的传输,及利用所述中心中间移动终端进行通信域间的所述关键数据项的传输;其中,所述结点相遇度表示两个所述中间移动终端之间在单位时间间隔内相遇的程度,所述结点相似度表示两个所述中间移动终端之间共有邻居的程度,所述结点时效度表示两个所述中间移动终端之间建立路由时间的时效程度,所述结点中心度表示结点在自组织通信域内的连通程度,所述中心中间移动终端表示拥有通信域中最大的关联结点特征值的所述中间移动终端;
指示所述中间移动终端在通信范围内检测到所述目标移动终端时,将所述关键数据项传输给所述目标移动终端;
5.根据权利要求4所述的设备,其特征在于,所述筛选模块根据所述诊断结果对所述医疗诊断数据进行归类,根据归类结果获取所述医疗诊断数据中的关键数据项,具体包括:
将所述诊断结果按照不同的诊断部位进行分类;
根据所述诊断部位及每个所述诊断部位的所述诊断结果建立决策树;
根据所述决策树获取所述诊断结果对应的所述关键数据项。
6.根据权利要求5所述的设备,其特征在于,所述筛选模块根据所述决策树获取所述诊断结果对应的所述关键数据项,具体包括:
根据用户的选择将所述决策树中的对应数据项设定为所述关键数据项;
和/或
获取相同所述诊断结果的历史获取记录,根据所述历史获取记录选取获取率超过阈值的所述关键数据项作为比对信息,根据所述比对信息,在所述决策树中比对出优先数据,根据所述优先数据筛选出所述决策树中的相关数据,将所述相关数据设定为所述关键数据项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910797213.4A CN110491456B (zh) | 2019-08-27 | 2019-08-27 | 一种医疗数据传输方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910797213.4A CN110491456B (zh) | 2019-08-27 | 2019-08-27 | 一种医疗数据传输方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110491456A CN110491456A (zh) | 2019-11-22 |
CN110491456B true CN110491456B (zh) | 2023-07-11 |
Family
ID=68554574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910797213.4A Active CN110491456B (zh) | 2019-08-27 | 2019-08-27 | 一种医疗数据传输方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110491456B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227547A (ja) * | 2010-04-15 | 2011-11-10 | Fuyo-Kensetsu Co Ltd | 遠隔健康管理システムに用いられる情報処理サーバ |
JP2012053633A (ja) * | 2010-08-31 | 2012-03-15 | Fujifilm Corp | 医療情報提供装置、医療情報提供方法、並びに医療情報提供プログラム |
CN103258139A (zh) * | 2013-05-29 | 2013-08-21 | 美合实业(苏州)有限公司 | 一种远程用户多诊断方式选择的医疗方法 |
CN106778021A (zh) * | 2016-12-31 | 2017-05-31 | 深圳市前海康启源科技有限公司 | 医疗就诊信息管理系统及方法 |
CN107395426A (zh) * | 2017-08-04 | 2017-11-24 | 中山大学 | 一种基于节点使用概率的通信网络结构优化方法 |
CN107704600A (zh) * | 2017-10-16 | 2018-02-16 | 上海康云科技有限公司 | 一种结核检测云数据管理分析系统 |
KR101873926B1 (ko) * | 2017-11-22 | 2018-07-04 | 김광호 | 빅데이터 기반 의료자문 서비스 제공 방법 |
CN108401274A (zh) * | 2018-01-29 | 2018-08-14 | 中南大学 | 机会网络的数据传输方法 |
CN109120438A (zh) * | 2018-08-02 | 2019-01-01 | 湖南城市学院 | 一种机会网络下的数据协同传输方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2337280A1 (en) * | 2009-12-21 | 2011-06-22 | Thomson Licensing | Method to manage an opportunistic communication network |
KR101373134B1 (ko) * | 2012-12-10 | 2014-03-12 | 포항공과대학교 산학협력단 | 기회적 네트워크에서의 적응적, 비동기적 랑데부 프로토콜을 이용한 이웃노드 탐색 방법 및 이를 이용하여 이웃노드를 탐색하는 휴대통신 장치 |
CN105407047B (zh) * | 2015-10-23 | 2018-09-07 | 中国联合网络通信集团有限公司 | 基于中心度的机会网络数据分发方法以及机会网络系统 |
US20190027237A1 (en) * | 2017-07-21 | 2019-01-24 | Patientory, Inc. | Blockchain network for secure exchange of healthcare information |
CN107731269B (zh) * | 2017-10-25 | 2020-06-26 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及系统 |
CN107801226B (zh) * | 2017-11-13 | 2020-01-17 | 北京邮电大学 | 基于节点社会相似性和个体中心性的数据转发方法和装置 |
CN109599153B (zh) * | 2018-11-14 | 2021-06-29 | 金色熊猫有限公司 | 医疗数据跟踪方法及装置、存储介质、电子设备 |
-
2019
- 2019-08-27 CN CN201910797213.4A patent/CN110491456B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011227547A (ja) * | 2010-04-15 | 2011-11-10 | Fuyo-Kensetsu Co Ltd | 遠隔健康管理システムに用いられる情報処理サーバ |
JP2012053633A (ja) * | 2010-08-31 | 2012-03-15 | Fujifilm Corp | 医療情報提供装置、医療情報提供方法、並びに医療情報提供プログラム |
CN103258139A (zh) * | 2013-05-29 | 2013-08-21 | 美合实业(苏州)有限公司 | 一种远程用户多诊断方式选择的医疗方法 |
CN106778021A (zh) * | 2016-12-31 | 2017-05-31 | 深圳市前海康启源科技有限公司 | 医疗就诊信息管理系统及方法 |
CN107395426A (zh) * | 2017-08-04 | 2017-11-24 | 中山大学 | 一种基于节点使用概率的通信网络结构优化方法 |
CN107704600A (zh) * | 2017-10-16 | 2018-02-16 | 上海康云科技有限公司 | 一种结核检测云数据管理分析系统 |
KR101873926B1 (ko) * | 2017-11-22 | 2018-07-04 | 김광호 | 빅데이터 기반 의료자문 서비스 제공 방법 |
CN108401274A (zh) * | 2018-01-29 | 2018-08-14 | 中南大学 | 机会网络的数据传输方法 |
CN109120438A (zh) * | 2018-08-02 | 2019-01-01 | 湖南城市学院 | 一种机会网络下的数据协同传输方法及系统 |
Non-Patent Citations (6)
Title |
---|
An Enhanced Community-Based Routing with Ferry in Opportunistic Networks;Weimin Chen等;2016 International Conference on Identification, Information and Knowledge in the Internet of Things (IIKI);1-5 * |
Exploiting user interest similarity and social links for micro-blog forwarding in mobile opportunistic networks;S.M. Allen等;Pervasive and Mobile Computing;第11卷;106-131 * |
基于社区与社会性的机会网络路由算法;李豪等;计算机工程;第41卷(第12期);64-68+74 * |
基于移动医疗大数据平台下降低能量消耗机会网络的研究与应用;关培源;陈志刚;王云华;吴嘉;刘辉;;计算机应用研究(第12期);3790-3793 * |
基于节点通信监听机制的高效感知消息传输机会网络路由研究;陈贺婉等;科学技术与工程(第02期);131-136 * |
机会网络中计算节点间相似度的路由算法;林玉成;陈志刚;吴嘉;;小型微型计算机系统(第08期);1759-1764 * |
Also Published As
Publication number | Publication date |
---|---|
CN110491456A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105207821B (zh) | 一种面向业务的网络综合性能评估方法 | |
CN106549813A (zh) | 一种网络性能的评估方法及系统 | |
CN104618924B (zh) | 基于无线泛在网的用户体验质量指标系统和测量方法 | |
CN108182265B (zh) | 针对关系网络的多层迭代筛选方法及装置 | |
CN109428759A (zh) | 一种网络质量评估方法及装置 | |
Wang et al. | Effect of tumor resection on the characteristics of functional brain networks | |
CN106658652A (zh) | 连接WiFi热点的方法及装置 | |
CN102722577B (zh) | 指标动态权重的确定方法及装置 | |
CN107786994A (zh) | 端到端无线业务的用户感知质差分析方法和系统 | |
CN109242250A (zh) | 一种基于模糊熵权法与云模型的用户行为可信度检测方法 | |
CN110084705A (zh) | 一种项目推荐方法及装置、一种电子设备及存储介质 | |
CN107895038A (zh) | 一种链路预测关系推荐方法及装置 | |
CN103607309A (zh) | 一种业务kqi与qoe的映射方法 | |
CN103198432A (zh) | 在线社会网络中网络群体的检测方法及系统 | |
CN109325177B (zh) | 信息推送方法、系统、可读存储介质和计算机设备 | |
CN110491456B (zh) | 一种医疗数据传输方法及设备 | |
Tang et al. | Optimization of sports fitness management system based on internet of health things | |
CN110084423A (zh) | 一种基于局部相似性的链路预测方法 | |
Bo et al. | Construction of heart rate monitoring platform for college physical training based on wireless network | |
CN110210356A (zh) | 一种图片鉴别方法、装置及系统 | |
CN110136001A (zh) | 一种数据处理方法、装置、计算设备及存储介质 | |
CN115101205A (zh) | 基于智能网关的健康状态监控方法、系统、设备及介质 | |
Jiang et al. | Stochastic multiple criteria decision making with criteria 2-tuple aspirations | |
CN109543987A (zh) | 互联网和移动互联网产品的主客观双数据分析法 | |
CN110544182A (zh) | 一种基于机器学习技术的配电通信网融合控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |