CN111599424A - 一种智慧病历大数据中心管理方法及装置 - Google Patents
一种智慧病历大数据中心管理方法及装置 Download PDFInfo
- Publication number
- CN111599424A CN111599424A CN202010342126.2A CN202010342126A CN111599424A CN 111599424 A CN111599424 A CN 111599424A CN 202010342126 A CN202010342126 A CN 202010342126A CN 111599424 A CN111599424 A CN 111599424A
- Authority
- CN
- China
- Prior art keywords
- data
- medical record
- record data
- server
- medical
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims description 25
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 13
- 229940079593 drug Drugs 0.000 claims description 12
- 239000003814 drug Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 238000012217 deletion Methods 0.000 description 22
- 230000037430 deletion Effects 0.000 description 22
- 230000015654 memory Effects 0.000 description 8
- 238000013499 data model Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种智慧病历大数据中心管理的方法及系统,其中方法包括:内网服务器通过AI接口获取病历数据,将所述病历数据通过大数据仓库进行存储,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;所述堡垒云服务器接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及智慧病历大数据中心管理方法及装置。
背景技术
患者去医院看病,医院可以通过医疗系统记录和管理患者的就诊记录,还能通过医疗系统记录医院的药物、病房等资源的利用情况。医疗行业的发展直接关系到人们的生活质量,然而医疗行业的发展不仅需要医疗技术的推进,还需要医疗系统的进一步完善。
举例而言,由于公立医院信息化建设周期较长,各业务子系统分散,各数据库模块信息耦合困难,势必会造成实时抓取数据真实性、稳定性、关联性差等问题。因此,如果提供一种打通信息孤岛的医疗大数据平台,在保证信息共享的同时提升数据的保护,是必须要解决的问题。
发明内容
本申请实施例提供一种智慧病历大数据中心管理的方法及系统,解决各数据库模块信息耦合困难,势必会造成实时抓取数据真实性、稳定性、关联性差等问题,提升信息共享的宽度及广度。
在一个实施例中的智慧病历大数据中心管理装置,包括:
内网服务器,用于通过AI接口获取病历数据,将所述病历数据通过大数据仓库进行存储,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;
堡垒云服务器,用于接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
可选地,所述内网服务器用于将所述病历数据通过大数据仓库进行存储,包括:
将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录;
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中。
可选地,将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录,采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中,包括:
通过ETL工具从医疗终端中抽取数据;所述医疗终端数据库包括HITs或PACS,并将所述抽取的数据存储至ODS数据缓冲区中;
通过ETL工具从ODS数据缓冲区中抽取编码类数据和指标类数据,其中所述编码类数据包括:医嘱、费用、患者列表、医生列表;所述指标类数据包括:门诊信息、药品、药品费用、药物使用情况;
从ODS中依据数据仓库模型和统一信息编码格式进行数据抽取,采用增量抽取方法将抽取的数据转换为XML格式的结构化特征数据并存储。
可选地,所述内网服务器包括第一内网服务器和第二内网服务器;
所述第一内网服务器用于存储所述医疗终端上传的病历数据,并将所述病历数据发送至第二内网服务器;
所述第二内网服务器用于备份所述第一内网服务器发送病历数据,并将所述病历数据发送至所述堡垒云服务器;
所述第二内网服务器包括第二内网指定服务器,所述堡垒云服务器只接收所述第二内网指定服务器发送的病历数据。
可选地,所述第一内网服务器还用于对所述病历数据进行处理;第二内网服务器还用于在所述第一内网服务器处理所述病历数据超负荷的情况下,对所述病历数据进行并发处理。
可选地,所述堡垒云服务器在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,包括:
所述堡垒云服务器在检测到推送指令的情况下,根据所述病历数据和所述推送指令生成推送数据,将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端。
可选地,所述堡垒云服务器还用于接收通信服务器发送的推送指令,其中,所述推送指令是所述通信服务器根据数据请求生成的,所述数据请求是所述用户终端发送给所述通信服务器的,所述推送指令中包括所述用户终端的用户标识;
本发明实施例还提供一种智慧病历大数据中心管理方法,包括:
内网服务器通过AI接口获取病历数据,将所述病历数据通过大数据仓库进行存储,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;
所述堡垒云服务器接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
可选地,所述内网服务器用于将所述病历数据通过大数据仓库进行存储,包括:
将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录;
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中。
上述一种智慧病历大数据中心管理的方法及系统,可以通过医疗终端采集病历数据,并将病历数据上传到内网服务器进行存储。内网服务器既可以通过大数据仓库存储结构化数据还可以存储非结构化数据,使得数据可以保持多样性及原始性,同时提高了存储效率,此外,还可以将病历数据发送到堡垒云服务器,通过堡垒云服务器实现与外网设备的通信。一方面,通过堡垒云服务器与外网设备进行通信,分担了内网服务器的运行压力,提高了运行效率。另一方面,禁止堡垒云服务器向内网服务器发送数据,保证了内网服务器的安全性,提高了医疗系统的安全性。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为一个实施例中智慧病历大数据中心管理装置结构示意图。
图2为一个实施例中智慧病历大数据中心管理装置结构示意图。
图3为一个实施例中智慧病历大数据中心管理方法的流程示意图。
图4为一个实施例中电子设备的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
医疗系统每天会产生大量的病历数据,而对于病历数据的安全高效管理一直是有待解决的问题。健全的医疗系统能更好地维护医院的管理,还能提高患者的就医效率。本申请实施例提供的智慧病历大数据中心管理方法及装置,可以通过采集医院产生的病历数据,并通过服务器来存储和管理病历数据,内网可以向外网推送病历数据,而外网被禁止访问内网,从而既保证了内网和外网的数据有效交互,又保证了内网和外网数据交互的安全性。
图1为一个实施例中智慧病历大数据中心管理系统示意图。本实施例中的智慧病历大数据中心管理装置包括医疗终端102、内网服务器104和堡垒云服务器106。具体的:
医疗终端102,用于采集病历数据,并将采集的所述病历数据上传至内网服务器;
内网服务器104,用于通过AI接口存储所述医疗终端上传的所述病历数据,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;
堡垒云服务器106,用于接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
其中,内网服务器用于将所述病历数据通过大数据仓库进行存储,具体可以为:
将医疗终端的病历数据通过ETL(抽取Extra,转化Transfer,装载Load)工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录;
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中。病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录。ETL(抽取Extra,转化Transfer,装载Load)是数据仓库的流水线,其作用是将源数据按照一定格式保存至数据仓库,源数据包括点击流日志、数据库数据、文档数据及其他类型的数据,例如各类胶片数据、病历数据、体检数据及医院数据等,数据仓库日常的管理很大程度是保持ETL的正常和稳定。ETL作为一个大数据工具,可以将源数据进行数据仓库存储,数据仓库中的数据又可以分为聚合数据、多维数据模型OLAP、业务模型等,可用于医疗行业中的数据分析、查询及数据挖掘。业务模型是基于某些数据分析和决策支持而建立起来的数据模型,比如病人评价模型、RFM分析模型等。与通用的大数据仓库架构不同的是,在业务模型架构中,医疗数据通常保密性更强,且尽量保证数据的原始性,因此,对于数据原始性而言,其挑战在于数据存储量,对于保密性而言,其挑战在于存储服务器的架构设定。基于此,在原有的大数据仓库架构基础上,本发明实施例将具备极强保密效果的堡垒云机制与大数据仓库管理进行了融合,既保证了医院数据的原始性,又保证了医院数据的保密性。
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中,具体可以为:
通过ETL工具从医疗终端中抽取数据;所述医疗终端数据库包括HITs或PACS,并将所述抽取的数据存储至ODS数据缓冲区中;
通过ETL工具从ODS数据缓冲区中抽取编码类数据和指标类数据,其中编码类数据包括:医嘱、费用、患者列表、医生列表及其他;所述指标类数据包括:门诊信息、药品、药品费用和药物使用情况等;
从ODS中依据多维数据模型和统一数据聚合格式进行数据抽取,采用增量抽取方法将抽取的数据转换为XML格式的结构化特征数据并存储。
对于数据量大的系统,必须考虑增量抽取。一般情况下,病历数据模型会记录病人看病发生的时间,可以用来做增量的标志,每次抽取之前首先判断ODS中记录最大的时间,然后根据该记录的时间去业务数据库取大于这个时间所有的记录。
多维数据模型是多角度多层次的分析应用,比如基于时间维、地域维等构建的医用星形模型,可以实现在各时间维度和地域维度的交叉查询,以及基于时间维和地域维的细分。例如,病人A在三甲医院B看病,可记录看病的时间及三甲医院B的地址,此后病人A在三甲医院C看病,又可以记录为新增数据,二者数据通过病人A的ID进行关联,呈现多维星型模型。所以多维数据模型的应用一般都是基于联机分析处理(OLAP,Online AnalyticalProcess)的,而面向特定医院的病人的数据集市也会基于多维数据模型进行构建。
可以理解的是,医疗终端可以是与医生交互用于输入患者就诊记录的终端,还可以是用于录入药品资源管理数据的终端,还可以是记录病房占用情况的终端,在此不做限定。也即医疗终端用于采集病历数据,病历数据一般是指医院运作过程中所产生的数据,可以但不限于是患者就诊数据、药品资源数据、病房资源数据等,患者的就诊数据可以包括临床影像数据,比如患者的放射、超声、内镜、检验、心电、病理和手术录像等。通过医疗终端输入病历数据,服务器可以对病历数据进行存储和管理。病历数据可以是结构化数据或者非结构化数据,可以分布式存储在服务器上。
例如,医疗终端可以输入一个查看病历数据的请求到服务器,然后服务器再根据医疗终端的请求查询相应的输入,并返回给医疗终端进行查看。医疗终端还可以输入删除病历数据的请求,服务器接收到该删除请求之后,就对该删除请求所指示的病历数据进行删除操作。
在本申请提供的实施例中,用于管理病历数据的服务器包括内网服务器和堡垒云服务器。其中,内网服务器分别与医疗终端、堡垒云服务器相连,内网服务器可以直接接收医疗终端上传的病历数据。内网服务器在接收到病历数据之后,会将接收到的病历数据通过大数据仓库进行存储。医疗终端可以对内网服务器存储的病历数据进行修改、查询、删除等操作。例如,可以即席查询(Ad-hoc)或报表展示(Report)。医用大数据仓库目的是构建面向分析的集成化数据环境,来源于外部,同时有限地开放给外部应用。
需要说明的是,这里的内网服务器和医疗终端相连,医疗终端可以部署在不同医院的不同科室。由于内网服务器不能被外网访问,所以在部署内网服务器的时候,可以以医院为单位,针对每一个医院部署一个或多个内网服务器。同一个医院部署的医疗终端可以连接到该医院的内网服务器。
在本申请提供的实施例中,堡垒云服务器与内网服务器相连,堡垒云服务器用于与医院外界的设备通信,以保证内网服务器的安全。具体的,内网服务器和堡垒云服务器是单向的,内网服务器可以向堡垒云服务器发送数据,但是堡垒云服务器无法向内网服务器发送数据。在其中一个实施例中,堡垒云服务器可以通过硬件或软件的禁止协议来禁止向内网服务器上发送数据,不限于此。
内网服务器可以定时向堡垒云服务器发送数据,也可以不定时地向堡垒云服务器发送数据。例如,当内网服务器上新增的病历数据超过一定的数据量时,向堡垒云服务器推送新增的病历数据,或者当内网服务器的运行负载比较小的时候,向堡垒云服务器推送病历数据,在此不做限定。
堡垒云服务器在接收到内网服务器发送的病历数据之后,会将接收到的病历数据进行存储,以防止病历数据的丢失。堡垒云服务器可以与外网设备进行通信,例如,患者可以通过患者终端向堡垒云服务器发送数据查询请求,堡垒云服务器查询到相应的数据之后发送给患者终端。院外专家也可以通过专家终端向堡垒云服务器发送请求,堡垒云服务器根据该请求处理后得到的数据再返回给专家终端。堡垒云服务器还可以主动向用户终端发送数据。
可见,堡垒云服务器可以在检测到推送指令的情况下,根据病历数据生成推送数据。该推动指令可以是外网设备发送的,也可以是内网服务器发送的,还可以是堡垒云服务器在设备触发条件的情况下满足触发条件时自动生成的,在此不做限定。
上述智慧病历大数据中心管理方法及装置,可以通过医疗终端采集病历数据,并将病历数据上传到内网服务器进行存储,采用大数据仓库工具进行数据抽取、分析及展现,有利于在保密性要求的条件下,对海量病历数据进行统一管理。此外,通过堡垒云服务器与外网设备进行通信,分担了内网服务器的运行压力,提高了运行效率。另一方面,禁止堡垒云服务器向内网服务器发送数据,保证了内网服务器的安全性,提高了医疗系统的安全性。
在本申请提供的另一个实施例中,如图2所示,所述内网服务器104包括第一内网服务器1040和第二内网服务器1042;所述第一内网服务器1040为IaaS架构,用于存储所述医疗终端上传的病历数据,并将所述病历数据发送至第二内网服务器1042;所述第二内网服务器1042为PaaS架构,用于备份所述第一内网服务器1040发送病历数据,并将所述病历数据发送至所述堡垒云服务器106;所述第二内网服务器包括第二内网指定服务器,所述堡垒云服务器只接收所述第二内网指定服务器发送的病历数据。
具体的,通过第一内网服务器与医疗终端实现数据通信,接收第一内网服务器发送的病历数据,同时第一内网服务器可以对接收到的病历数据进行存储。第二内网服务器实现对病历数据的备份,第一内网服务器接收到病历数据之后,可以将接收到的病历数据发送给第二内网服务器进行备份,以保证病历数据的安全性,防止病历数据的丢失。
第二内网服务器可以与堡垒云服务器进行通信,通过第二内网服务器想堡垒云服务器发送病历数据。进一步地,第二内网服务器可以包括第二内网指定服务器,堡垒云服务器只接收第二内网指定服务器发送的病历数据,不能接收其他设备发送的病历数据,以保证数据通信的安全性。
在本申请提供的一个实施例中,所述第一内网服务器还用于对所述病历数据进行处理;第二内网服务器还用于在所述第一内网服务器处理所述病历数据超负荷的情况下,对所述病历数据进行并发处理。
其中,第一内网服务器可以对病历数据进行处理。例如,对病历数据进行压缩处理,或者通过病历数据进行深度学习等,不限于此。当第一内网服务器处理病历数据超负荷的情况下,可以通过第二内网服务器进行并发处理。通过第二内网服务器进行并发处理,可以分担第一内网服务器处理病历数据的压力,提高数据处理的效率。
在本申请提供的一个实施例中,堡垒云服务器106向用户终端108推送数据的步骤具体可以包括:所述堡垒云服务器106在检测到推送指令的情况下,根据所述病历数据和所述推送指令生成推送数据,将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端108。
用户终端和堡垒云服务器之间可以通过第三方的通信服务器来实现。例如,用户终端可以安装可实现通信的应用程序(app,Application),该应用程序作为用户发起请求的接口,用户终端可以将用户发起的请求发送给通信服务器,通过通信服务器实现与堡垒云服务器的通信。具体的,该应用程序可以是如微信公众号、支付宝等实现社交通信的应用程序,不限于此。
可以理解的是,用户终端通过第三方平台实现与堡垒云服务器的通信时,需通过第三方平台的通信服务器进行数据交互。堡垒云服务器可以主动向用户终端推送数据,用户终端也可以主动向堡垒云服务器发起获取数据的请求。在一种应用场景下,专家医生可以和患者通过微信公众号提供的聊天接口进行对话,当专家医生或患者想查看病历数据的时候,就可以发起获取病历数据的请求。
具体的,所述堡垒云服务器还用于接收通信服务器发送的推送指令,其中,所述推送指令是所述通信服务器根据数据请求生成的,所述数据请求是所述用户终端发送给所述通信服务器的,所述推送指令中包括所述用户终端的用户标识;则堡垒云服务器向用户终端推送数据的步骤包括:所述堡垒云服务器获取与所述推送指令中包含的用户标识相关联的目标医院标识,获取所述目标医院标识对应的病历数据作为推送数据,将所述推送数据发送至所述通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端,其中,所述堡垒云服务器上存储的所述病历数据与医院标识对应,所述医院标识用于标记生成上传病历数据的医疗终端所在的医院。
在一个实施例中,可以预先建立用户和医院的关联关系,例如用户注册自己的用户标识,若患者用户去某个医院就诊过,就将该用户的用户标识和该医院的医院标识建立关联。这样堡垒云服务器就可以主动地向用户标识对应的用户终端主动推送相关联的医院的推送数据。可以减少用户终端主动请求获取数据时,集中访问堡垒云服务器以造成堡垒云服务器的压力过大。
医疗终端在上传病历数据的时候,会同步上传医院标识,然后与医院标识关联存储。这样就可以知道病历数据对应是由哪一间医院所产生的。具体的,所述堡垒云服务器上存储的所述病历数据与医院标识对应。则堡垒云服务器向用户终端推送数据的步骤具体可以包括:所述堡垒云服务器获取所存储的病历数据的数据量,在所述数据量大于阈值的情况下生成推送指令;所述堡垒云服务器在检测到推送指令的情况下,获取所述数据量与所述阈值的差值,根据所述差值确定删除等级,根据所述删除等级相关联的医院标识从所述病历数据中获取推送数据,并将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端;在所述堡垒云服务器接收到所述通信服务器发送的删除指令的情况下,删除所述堡垒云服务器上存储的所述删除指令所指示的病历数据,其中,所述删除指令是由所述用户终端在接收到所述推送数据的情况下发送给所述通信服务器的。
在一个实施例中,堡垒云服务器可以实时统计存储的病历数据的数据量,当存储的病历数据的数据量大于阈值的时候,说明堡垒云服务器上存储的病历数据过量,这时可以生成一个推送指令,指示堡垒云服务器向用户终端发送推送数据。具体的,由于堡垒云服务器上存储了很多个医院的病历数据,因此堡垒云服务器可以根据数据量与阈值的差值来决定删除哪些病历数据。
在本申请提供的其中一个实施例中,可以根据数据量有阈值的差值来确定删除等级,然后根据预先建立的删除等级与医院标识的关联关系确定该删除等级所关联的医院标识,然后获取该医院标识对应的病历数据作为推送数据发送用户终端。在推送数据的时候,也可以将生成的推送数据发送给医疗标识相关联的用户标识所在的用户终端。
用户终端在接收到推送数据之后,会向堡垒云服务器返回一个删除指令,用于指示堡垒云服务器将已接收的数据进行删除。这样可以减少堡垒云服务器的存储压力。
在本申请提供的一个实施例中,堡垒云服务器向用户终端推送数据的步骤具体可以包括:所述堡垒云服务器在检测到推送指令的情况下,获取所述数据量与所述阈值的差值,根据所述差值确定删除等级,根据所述删除等级相关联的医院标识对所述病历数据生成第一权重;所述堡垒云服务器获取所存储的病历数据的生成时间,根据所述生成时间生成所述病历数据的第二权重;所述堡垒云服务器根据所述第一权重和第二权重从所述病历数据中获取推送数据,并将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端。
也即,堡垒云服务器在删除病历数据的时候,可以考虑医院标识和生成时间等两个因素。预先将医院分成不同的等级以表示医院所产生的病历数据的重要性,从而根据医院标识得到病历数据的第一权重。另外,可以根据病历数据的生成时间得到病历数据的第二权重,由第一权重和第二权重获得需要推送的推送数据。堡垒云服务器实时检测病历数据的数据量,向用户终端推送数据之后删除,可以保证堡垒云服务器的高效运行,防止资源被过度占用。
图3为一个实施例中的智慧病历大数据中心管理方法,包括:
步骤302、内网服务器通过AI接口获取病历数据,将所述病历数据通过大数据仓库进行存储,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;
步骤304、所述堡垒云服务器接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
其中,所述内网服务器用于将所述病历数据通过大数据仓库进行存储,具体可以为:
将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录;
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中。
在一个实施例中,所述内网服务器包括第一内网服务器和第二内网服务器;所述通过内网服务器存储所述医疗终端上传的所述病历数据,并将所述病历数据发送至堡垒云服务器,包括:通过所述第一内网服务器存储所述医疗终端上传的所述病历数据,并将所述病历数据发送至第二内网服务器;通过所述第二内网服务器备份所述第一内网服务器发送所述病历数据,并将所述病历数据发送至所述堡垒云服务器;所述第二内网服务器包括第二内网指定服务器,所述堡垒云服务器只接收所述第二内网指定服务器发送的病历数据。
在一个实施例中,所述第一内网服务器还用于对所述病历数据进行处理;第二内网服务器还用于在所述第一内网服务器处理所述病历数据超负荷的情况下,对所述病历数据进行并发处理。
在一个实施例中,所述堡垒云服务器在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,包括:所述堡垒云服务器在检测到推送指令的情况下,根据所述病历数据和所述推送指令生成推送数据,将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端。
在本申请提供的一个实施例中,上述智慧病历大数据中心管理方法还包括:所述堡垒云服务器接收通信服务器发送的推送指令,其中,所述推送指令是所述通信服务器根据数据请求生成的,所述数据请求是所述用户终端发送给所述通信服务器的,所述推送指令中包括所述用户终端的用户标识;所述堡垒云服务器发送推送数据至所述用户终端的步骤,包括:通过所述堡垒云服务器获取与所述推送指令中包含的用户标识相关联的目标医院标识,获取所述目标医院标识对应的病历数据作为推送数据,将所述推送数据发送至所述通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端,其中,所述堡垒云服务器上存储的所述病历数据与医院标识对应,所述医院标识用于标记生成上传病历数据的医疗终端所在的医院。
在其中一个实施例中,所述堡垒云服务器上存储的所述病历数据与医院标识对应;所述堡垒云服务器在检测到推送指令的情况下,根据所述病历数据和所述推送指令生成推送数据,将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端,包括:通过所述堡垒云服务器获取所存储的病历数据的数据量,在所述数据量大于阈值的情况下生成推送指令;在检测到推送指令的情况下,获取所述数据量与所述阈值的差值,根据所述差值确定删除等级,根据所述删除等级相关联的医院标识从所述病历数据中获取推送数据,并将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端;在所述堡垒云服务器接收到所述通信服务器发送的删除指令的情况下,删除所述堡垒云服务器上存储的所述删除指令所指示的病历数据,其中,所述删除指令是由所述用户终端在接收到所述推送数据的情况下发送给所述通信服务器的。
在一个实施例中,所述堡垒云服务器在检测到推送指令的情况下,获取所述数据量与所述阈值的差值,根据所述差值确定删除等级,根据所述删除等级相关联的医院标识从所述病历数据中获取推送数据,并将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端,包括:所述堡垒云服务器在检测到推送指令的情况下,获取所述数据量与所述阈值的差值,根据所述差值确定删除等级,根据所述删除等级相关联的医院标识对所述病历数据生成第一权重;获取所存储的病历数据的生成时间,根据所述生成时间生成所述病历数据的第二权重;根据所述第一权重和第二权重从所述病历数据中获取推送数据,并将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端。
可以理解的是,图4仅仅示出了电子设备的简化设计。在实际应用中,电子设备还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等,而所有可以实现本申请实施例的智慧病历大数据中心管理方法的电子设备都在本申请的保护范围之内。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read至only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read至only memory,CD至ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。处理器还可以包括一个或多个专用处理器,专用处理器可以包括GPU、FPGA等,用于进行加速处理。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
以上上述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种智慧病历大数据中心管理系统,其特征在于,包括:
内网服务器,用于通过AI接口获取病历数据,将所述病历数据通过大数据仓库进行存储,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;
堡垒云服务器,用于接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
2.根据所述权利要求1所述的智慧病历大数据中心管理装置,其特征在于,所述内网服务器用于将所述病历数据通过大数据仓库进行存储,包括:
将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录;
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中。
3.根据所述权利要求1所述的智慧病历大数据中心管理装置,其特征在于,将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录,采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中,包括:
通过ETL工具从医疗终端中抽取数据;所述医疗终端数据库包括HITs或PACS,并将所述抽取的数据存储至ODS数据缓冲区中;
通过ETL工具从ODS数据缓冲区中抽取编码类数据和指标类数据,其中所述编码类数据包括:医嘱、费用、患者列表、医生列表;所述指标类数据包括:门诊信息、药品、药品费用、药物使用情况;
从ODS中依据数据仓库模型和统一信息编码格式进行数据抽取,采用增量抽取方法将抽取的数据转换为XML格式的结构化特征数据并存储。
4.根据所述权利要求1所述的智慧病历大数据中心管理装置,其特征在于,所述内网服务器包括第一内网服务器和第二内网服务器;
所述第一内网服务器用于存储所述医疗终端上传的病历数据,并将所述病历数据发送至第二内网服务器;
所述第二内网服务器用于备份所述第一内网服务器发送病历数据,并将所述病历数据发送至所述堡垒云服务器;
所述第二内网服务器包括第二内网指定服务器,所述堡垒云服务器只接收所述第二内网指定服务器发送的病历数据。
5.根据所述权利要求4所述的智慧病历大数据中心管理装置,其特征在于,所述第一内网服务器还用于对所述病历数据进行处理;第二内网服务器还用于在所述第一内网服务器处理所述病历数据超负荷的情况下,对所述病历数据进行并发处理。
6.根据所述权利要求1所述的智慧病历大数据中心管理装置,其特征在于,所述堡垒云服务器在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,包括:
所述堡垒云服务器在检测到推送指令的情况下,根据所述病历数据和所述推送指令生成推送数据,将所述推送数据发送至通信服务器,通过所述通信服务器将所述病历数据发送至所述用户终端。
7.一种智慧病历大数据中心管理方法,其特征在于,包括:
内网服务器通过AI接口获取病历数据,将所述病历数据通过大数据仓库进行存储,并将所述病历数据发送至堡垒云服务器,其中,所述病历数据包括结构化数据及非结构化数据;
所述堡垒云服务器接收并存储所述内网服务器发送的所述病历数据,在检测到推送指令的情况下,将根据所述病历数据和所述推送指令生成的推送数据发送给用户终端,并通过禁止协议禁止向所述内网服务器发送数据。
8.根据所述权利要求7所述的智慧病历大数据中心管理方法,其特征在于,所述内网服务器用于将所述病历数据通过大数据仓库进行存储,包括:
将医疗终端的病历数据通过ETL工具进行数据处理,并转移到ODS数据缓冲区;所述病历数据包括:医院资源中患者、医生、设备的基础信息、患者的医嘱信息、患者的检查信息、医生的手术记录;
采用增量抽取方法将ODS数据缓冲区的病历数据抽取到数据仓库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010342126.2A CN111599424B (zh) | 2020-04-27 | 2020-04-27 | 一种智慧病历大数据中心管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010342126.2A CN111599424B (zh) | 2020-04-27 | 2020-04-27 | 一种智慧病历大数据中心管理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111599424A true CN111599424A (zh) | 2020-08-28 |
CN111599424B CN111599424B (zh) | 2023-10-31 |
Family
ID=72192079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010342126.2A Active CN111599424B (zh) | 2020-04-27 | 2020-04-27 | 一种智慧病历大数据中心管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111599424B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255840A (zh) * | 2022-02-25 | 2022-03-29 | 广州科犁医学研究有限公司 | 基于临床研究数据的智能数据处理系统 |
CN115579098A (zh) * | 2022-09-26 | 2023-01-06 | 诚鼎医疗科技(南京)有限公司 | 互联网慢病管理方法及系统 |
US11768801B2 (en) | 2021-11-03 | 2023-09-26 | International Business Machines Corporation | Dynamic identification of cloud storage destination for multi-user files |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050188087A1 (en) * | 2002-05-28 | 2005-08-25 | Dai Nippon Printing Co., Ltd. | Parallel processing system |
JP2011197775A (ja) * | 2010-03-17 | 2011-10-06 | Nec Corp | データ管理システム、管理サーバ、データ管理方法およびデータ管理用プログラム |
CN106096222A (zh) * | 2015-04-27 | 2016-11-09 | 登塔尔图像科技公司 | 使用局域网和云的混合牙科成像系统 |
US9529942B1 (en) * | 2013-08-19 | 2016-12-27 | Geometric Ltd. | Auto-optimizing out-of-core method and system for rendering of large engineering 3D CAD assemblies on handheld devices |
CN106295938A (zh) * | 2015-06-08 | 2017-01-04 | 宁波网信息技术有限公司 | 基于云服务的医疗文档的存储和利用系统及其使用方法 |
US20170048323A1 (en) * | 2015-08-11 | 2017-02-16 | Vocera Communications, Inc | Automatic Updating of Care Team Assignments in Electronic Health Record Systems Based on Data from Voice Communication Systems |
CN106709269A (zh) * | 2017-03-13 | 2017-05-24 | 山东众阳软件有限公司 | 一种医疗大数据仓库的创建方法及系统 |
US20180137246A1 (en) * | 2016-11-15 | 2018-05-17 | Hefei University Of Technology | Multimode mobile electronic medical record system and working method thereof |
CN109639804A (zh) * | 2018-12-18 | 2019-04-16 | 交通银行股份有限公司 | 生产系统的监控方法、系统及生产设备、终端、服务器 |
CN110164564A (zh) * | 2019-05-31 | 2019-08-23 | 贵州精准健康数据有限公司 | Mdt多学科会诊平台 |
CN110188240A (zh) * | 2019-05-31 | 2019-08-30 | 贵州精准健康数据有限公司 | 医疗影像数据存储系统 |
CN209545761U (zh) * | 2019-03-12 | 2019-10-25 | 杭州联驱科技有限公司 | 显示屏监控系统 |
CN110459310A (zh) * | 2019-08-12 | 2019-11-15 | 安徽赛福贝特信息技术有限公司 | 一种基于大数据的智慧医疗管理系统 |
-
2020
- 2020-04-27 CN CN202010342126.2A patent/CN111599424B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050188087A1 (en) * | 2002-05-28 | 2005-08-25 | Dai Nippon Printing Co., Ltd. | Parallel processing system |
JP2011197775A (ja) * | 2010-03-17 | 2011-10-06 | Nec Corp | データ管理システム、管理サーバ、データ管理方法およびデータ管理用プログラム |
US9529942B1 (en) * | 2013-08-19 | 2016-12-27 | Geometric Ltd. | Auto-optimizing out-of-core method and system for rendering of large engineering 3D CAD assemblies on handheld devices |
CN106096222A (zh) * | 2015-04-27 | 2016-11-09 | 登塔尔图像科技公司 | 使用局域网和云的混合牙科成像系统 |
CN106295938A (zh) * | 2015-06-08 | 2017-01-04 | 宁波网信息技术有限公司 | 基于云服务的医疗文档的存储和利用系统及其使用方法 |
US20170048323A1 (en) * | 2015-08-11 | 2017-02-16 | Vocera Communications, Inc | Automatic Updating of Care Team Assignments in Electronic Health Record Systems Based on Data from Voice Communication Systems |
US20180137246A1 (en) * | 2016-11-15 | 2018-05-17 | Hefei University Of Technology | Multimode mobile electronic medical record system and working method thereof |
CN106709269A (zh) * | 2017-03-13 | 2017-05-24 | 山东众阳软件有限公司 | 一种医疗大数据仓库的创建方法及系统 |
CN109639804A (zh) * | 2018-12-18 | 2019-04-16 | 交通银行股份有限公司 | 生产系统的监控方法、系统及生产设备、终端、服务器 |
CN209545761U (zh) * | 2019-03-12 | 2019-10-25 | 杭州联驱科技有限公司 | 显示屏监控系统 |
CN110164564A (zh) * | 2019-05-31 | 2019-08-23 | 贵州精准健康数据有限公司 | Mdt多学科会诊平台 |
CN110188240A (zh) * | 2019-05-31 | 2019-08-30 | 贵州精准健康数据有限公司 | 医疗影像数据存储系统 |
CN110459310A (zh) * | 2019-08-12 | 2019-11-15 | 安徽赛福贝特信息技术有限公司 | 一种基于大数据的智慧医疗管理系统 |
Non-Patent Citations (1)
Title |
---|
张金娟: "在线计费系统综合性能评估体系研究", 电信科学, pages 123 - 129 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11768801B2 (en) | 2021-11-03 | 2023-09-26 | International Business Machines Corporation | Dynamic identification of cloud storage destination for multi-user files |
CN114255840A (zh) * | 2022-02-25 | 2022-03-29 | 广州科犁医学研究有限公司 | 基于临床研究数据的智能数据处理系统 |
CN114255840B (zh) * | 2022-02-25 | 2022-06-24 | 广州科犁医学研究有限公司 | 基于临床研究数据的智能数据处理系统 |
CN115579098A (zh) * | 2022-09-26 | 2023-01-06 | 诚鼎医疗科技(南京)有限公司 | 互联网慢病管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111599424B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11152110B2 (en) | Tagging pump messages with identifiers that facilitate restructuring | |
US11670416B2 (en) | Tagging pump messages with identifiers that facilitate restructuring | |
CN111599424A (zh) | 一种智慧病历大数据中心管理方法及装置 | |
CN111180031B (zh) | 数据管理系统及方法 | |
Shen et al. | MIAPS: A web-based system for remotely accessing and presenting medical images | |
JP2015088195A (ja) | クラウドベース医療データベースを管理する方法及びそのシステム | |
CN111277490A (zh) | 一种医用数据存储、传输方法及应用系统 | |
CN111083175A (zh) | 一种堡垒云存储、传输方法及应用系统 | |
Eze et al. | Leveraging cloud computing for systematic performance management of quality of care | |
CN111798967A (zh) | 一种智慧超声检测系统 | |
CN111540426B (zh) | 基于公众号的智慧病历应用系统及方法 | |
US20190303488A1 (en) | Multi character set conversion | |
CN112489743B (zh) | 一种医疗数据视图实现方法和系统 |
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 |