CN112133423A - 基于边缘计算的医疗数据处理方法、装置及网络设备 - Google Patents
基于边缘计算的医疗数据处理方法、装置及网络设备 Download PDFInfo
- Publication number
- CN112133423A CN112133423A CN202010889806.6A CN202010889806A CN112133423A CN 112133423 A CN112133423 A CN 112133423A CN 202010889806 A CN202010889806 A CN 202010889806A CN 112133423 A CN112133423 A CN 112133423A
- Authority
- CN
- China
- Prior art keywords
- medical
- data
- medical data
- medical diagnosis
- preset
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 title claims abstract description 12
- 238000003745 diagnosis Methods 0.000 claims abstract description 140
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000011157 data evaluation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013477 bayesian statistics method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010339 medical test Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请公开了一种基于边缘计算的医疗数据处理方法、装置及网络设备,涉及医疗技术领域。其中,基于边缘计算的医疗数据处理方法包括:边缘计算节点在接收到医疗终端发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果,其中,所述目标医疗诊断模型是由云服务平台根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型;发送所述医疗诊断结果给所述医疗终端。本申请中通过边缘计算节点实现对待分析数据的处理和传输,能够有效降低数据传输,提高医疗诊断效率。
Description
技术领域
本申请涉及医疗技术领域,尤其涉及一种基于边缘计算的医疗数据处理方法、装置及网络设备。
背景技术
现有的智慧医疗系统是以云计算作为目前医疗大数据分析处理的支撑平台。例如,智慧医疗云服务平台通过依托云计算技术实现与各个医院、卫生机构、科研机构的信息系统之间的对接,从而将各种医疗服务部署在云计算平台上,再通过云服务平台将多种医疗服务和医疗数据进行集成和重新整合,实现以智慧医疗云服务平台为核心的智慧医疗云服务生态系统。
目前,智慧医疗云服务生态系统主要由数据获取、知识发现和远程服务三个部分组成。其中,数据获取主要由医疗终端完成,如可通过医疗终端进行医疗数据采集并将采集结果上报至云服务平台;知识发现主要依靠云服务平台对医疗大数据进行分析处理,以获得医疗诊断结果;远程服务由云服务平台提供,以将获得的医疗诊断结果通过医疗终端展示给用户。
但是,在基于前述智慧医疗云服务生态系统实现的远程医疗服务中,由于云服务平台距离终端用户较远,导致超长距离的数据传输不仅占用了大量的网络带宽,而且还会增大传输时延,导致医疗诊断效率降低,患者等待时间增加、医疗体验差等问题出现。
发明内容
本申请实施例提供了一种基于边缘计算的医疗数据处理方法、装置及网络设备,能够有效降低数据传输对网络带宽的占用率,减少传输时延,提高医疗诊断效率,改善用户医疗体验。
为了解决上述问题,本申请是这样实现的:
第一方面,本申请实施例提供一种基于边缘计算的医疗数据处理方法,应用于边缘计算节点,所述方法包括:在接收到医疗终端发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果,其中,所述目标医疗诊断模型是由云服务平台根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型。
第二方面,本申请实施例提供一种基于边缘计算的医疗数据处理方法,应用于云服务平台,所述方法包括:根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估;根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型;发送所述目标医疗诊断模型给边缘计算节点。
第三方面,本申请实施例还提供一种医疗数据处理装置,所述装置包括:分析模块,用于在接收到医疗终端发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果;其中,所述目标医疗诊断模型是由云服务平台根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型第一发送模块,用于发送所述医疗诊断结果给所述医疗终端。
第四方面,本申请实施例还提供一种医疗数据处理装置,所述装置包括:评估模块,用于根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估;选取模块,用于根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型;第二发送模块,用于发送所述目标医疗诊断模型给边缘计算节点。
第五方面,本申请实施例还提供一种网络设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现第一方面或第二方面所述的基于边缘计算的医疗数据处理方法。
第六方面,本申请实施例还提供一种计算机可读存储介质,当所述存储介质中的指令由网络设备中的处理器执行时,使得网络设备能够执行第一方面或第二方面所述的基于边缘计算的医疗数据处理方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请提供一种基于边缘计算的医疗数据处理方法、装置及网络设备中,通过边缘计算节点对医疗终端上报的待分析的医疗数据进行分析,并将得到的医疗诊断结果发送给医疗终端,能够有效降低数据传输对网络带宽的占用率,减少数据传输时延,提高医疗诊断效率,改善用户医疗体验。
上述说明仅是申请技术方案的概述,为了能够更清楚了解本申请的技术手段,可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为根据一示例性实施例提供的医疗数据处理系统的系统结构示意图。
图2为根据一示例性实施例提供的应用于边缘计算节点的基于边缘计算的医疗数据处理方法的流程图。
图3为根据一示例性实施例提供的应用于云服务平台的基于边缘计算的医疗数据处理方法的流程图。
图4为根据另一示例性实施例提供的应用于云服务平台的基于边缘计算的医疗数据处理方法的流程图。
图5为根据一示例性实施例提供的医疗数据处理装置的框图。
图6为根据另一示例性实施例提供的医疗数据处理装置的框图。
图7为根据一示例性实施例提供的网络设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,为本申请一示例性实施例给出的医疗数据处理系统的系统框图结构示意图,该医疗数据处理系统至少包括多个医疗终端11、多个边缘计算节点12以及云服务平台13,且所述多个医疗终端11和所述云服务平台13、分别与各所述边缘计算节点12之间可以基于但不限于5G、4G、3G等通信技术实现数据交互。
其中,所述医疗终端11是为医生、患者等用户所使用的终端,其可用于医疗数据的采集、将采集的医疗数据等上报给所述边缘计算节点12,以及所述医疗终端11还可用于接收所述边缘计算节点12下发的医疗诊断报告等。
实际应用中,所述医疗终端11可以是但不限于电脑、手机、医疗检测数据采集设备(如CT机、X射线机、心电检测仪和可穿戴设备等)等。相应地,所述医疗数据包括但不限于医疗检测数据、医生诊断建议数据、患者健康档案、医疗科技文献中的至少一项。
所述边缘计算节点12可以是部署于医院或用户所在地附近,能够与云服务平台13、医疗终端11进行数据交互的网络设备,从而减少与医疗终端11进行数据交互时的数据传输时延。实际应用中,所述边缘计算节点12可以是但不限于服务器、路由器和交换机等,以用于缓存所述云服务平台13下发的目标医疗诊断模型和/或所述医疗终端11上报的医疗数据、用于上报医疗数据给所述云服务平台13、用于根据预设的目标医疗诊断模型对接收到的医疗数据分析计算、以及用于下发医疗诊断结果给医疗终端11等。
需要说明的是,所述边缘计算节点12中需设置有用于数据缓存的存储区。
所述云服务平台13可以包含医院配备的云服务器,也可以包含第三方医疗数据中心等。实际应用中,所述云服务平台13用于与各边缘计算节点12进行数据交互,实现医疗数据和医疗诊断模型的缓存以及医疗诊断模型的选取、下发等。可选地,医疗诊断模型可以是线性回归、逻辑回归、贝叶斯统计、神经网络和聚类算法等实现的机器学习算法模型。
在前述给出的医疗数据处理系统的基础上,请结合参阅图2,为本申请的一示例性实施例提供的基于边缘计算的医疗数据处理方法的流程示意图,该方法可以应用但不限于边缘计算节点12,具体可由安装于边缘计算节点12中的软件或硬件实现。再次参阅图2,本实施例给出的基于边缘计算的医疗数据处理方法可以包括如下步骤。
S210,在接收到医疗终端11发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果。
其中,所述待分析数据是用于对患者的病症进行分析的数据,可以由医生通过医疗终端11上传,也可以由患者等通过医疗终端11上传。
作为一种可能的实现方式,所述待分析的医疗数据可以包括医疗检测数据、医生诊断数据、患者健康档案、医疗科技文献中的至少一项。所述医疗检测数据可以是通过医疗检测数据采集设备(如CT机、X射线机、心电检测仪和可穿戴设备等)对患者进行检测得到,所述医生诊断数据为医生根据患者的实际情况提供的医疗诊断意见、病症认定结果、医生对医疗诊断模型的评分、专家提供的医疗数据评估指标以及相关指标的专家干预权重等。所述患者健康档案包括患者的年龄、姓名、性别、职业、家庭住址、联系方式等中的至少一种。
所述目标医疗诊断模型是由云服务平台13根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型,并将其下发给边缘计算节点12用于医疗数据的分析,由此,能够有效提高医疗诊断结果的可靠性、准确性。
作为一种可能的实现方式,各所述医疗诊断模型的准确度为模型正确识别的测试样本数量与预设时间周期内的所有测试样本数量之间的比值。可以理解的是,所述测试样本可以是从预存在所述云服务平台13中的医疗大数据(历史医疗数据)中选取的,本实施例对此不做限制。
此外,所述医疗诊断模型可以是但不限于基于线性回归、逻辑回归、贝叶斯统计、神经网络和聚类算法等实现的机器学习算法模型。
S220,发送所述医疗诊断结果给所述医疗终端11。
其中,通过将所述医疗诊断结果发送给所述医疗终端,可为医生、患者等用户提供医疗诊断参考。
相对于现有的基于云服务平台13实现医疗数据的分析、传输方案,本实施例给出的前述基于边缘计算的医疗数据处理方法中,通过边缘计算节点12对医疗终端11上报的待分析的医疗数据进行分析,并将得到的医疗诊断结果发送给医疗终端11,能够有效降低数据传输对网络带宽的占用率,减少数据传输时延,提高医疗诊断效率,改善用户医疗体验。
此外,本实施例中,边缘计算节点12基于缓存的由云服务平台13下发的目标医疗诊断模型进行医疗诊断,能够有效确保医疗结果的可靠性、准确性。
进一步,在本申请的一个或多个实施例中,所述基于边缘计算的医疗数据处理方法还包括:按照预设时间间隔将接收到的医疗数据上报给所述云服务平台13,其中,所述医疗数据是由所述医疗终端11采集并上报得到,所述预设时间间隔可以根据实际需求进行灵活设定,例如,30分钟、1小时、1天等,本实施例对此不做限制。
本实施例中,所述云服务平台13可根据接收到的所述边缘计算节点12发送的医疗数据对已缓存的历史医疗数据(医疗大数据)进行更新,进而根据更新后的医疗数据对各医疗诊断模型进行训练、评估,能够使得用于模型训练的训练数据更全面的覆盖不同的真实医疗案例,进而使得基于医疗诊断模型得到的医疗诊断结果具有更高的准确度。相应地,云服务平台从各医疗诊断模型中选取的目标医疗诊断模型的准确度也会更高。
如图3所示,为本申请的一示例性实施例提供的基于边缘计算的医疗数据处理方法的流程示意图,该方法可以应用但不限于云服务平台13,具体可由安装于云服务平台13中的软件或硬件实现。再次参阅图3,本实施例给出的基于边缘计算的医疗数据处理方法可以包括如下步骤。
S310,根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估。
需要理解的是,各所述医疗诊断模型可以是基于缓存的历史医疗数据(医疗大数据)训练得到,所述医疗数据可以包括医疗检测数据、医生诊断建议数据、患者健康档案、医疗科技文献中的至少一项。所述医疗检测数据可以是通过医疗检测数据采集设备(如CT机、X射线机、心电检测仪和可穿戴设备等)对患者进行检测得到,所述医生诊断数据为医生根据患者的病状提供的医疗诊断意见、病症认定结果、医生对医疗诊断模型的评分、专家提供的医疗数据评估指标以及相关指标的专家干预权重等。所述患者健康档案包括患者的年龄、姓名、性别、职业、家庭住址、联系方式等中的至少一种。
在对各所述医疗诊断模型进行准确度评估时,可以从缓存的历史医疗数据中选取一定数量的医疗数据作为测试样本,进而计算模型正确识别的测试样本数量与预设时间周期内的所有测试样本数量之间的比值,将该比值作为对应医疗诊断模型的准确度。可以理解,预设时间周期是由云服务平台13预设的接收边缘计算节点12上报医疗数据的时间周期,如一周、一月等。
S320,根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型。
其中,如果选取的目标医疗诊断模型为多个时,可将多个目标医疗诊断模型均下发给边缘计算节点12,进而使得边缘计算节点12分别根据各目标医疗诊断模型对同一待分析的医疗数据进行分析,并下发多个医疗诊断结果给医疗终端11,使得用户可根据医疗诊断结果的准确度来评估各目标医疗诊断模型的准确度,并反馈评估结果给云服务平台13。
S330,发送所述目标医疗诊断模型给所述边缘计算节点12。
其中,关于S330的相关描述可参照前述S210的详细描述,本实施例对此不再赘述。
本实施例给出的基于边缘计算的医疗数据处理方法中,所述云服务平台13基于医疗大数据从多个医疗诊断模型中选取准确度最高的目标医疗诊断模型并下发给边缘计算节点12,一方面能够提高边缘计算节点13进行医疗诊断时的诊断结果的准确度。另一方面,本实施例中无需云服务平台13进行医疗诊断以及数据传输,能够有效降低数据传输对网络带宽的占用率,减少数据传输时延,提高医疗诊断效率。
如图4所示,为本申请的一示例性实施例提供的基于边缘计算的医疗数据处理方法的流程示意图,该方法可以应用但不限于云服务平台13,具体可由安装于云服务平台13中的软件或硬件实现。再次参阅图4,本实施例给出的基于边缘计算的医疗数据处理方法可以包括如下步骤。
S410,接收各所述边缘计算节点12上报的医疗数据。
其中,接收到的所述医疗数据是由所述医疗终端11采集并上报得到。可选地,所述医疗数据可以包括医疗检测数据、医生诊断数据、患者健康档案、医疗科技文献中的至少一项。所述医疗检测数据可以是通过医疗检测数据采集设备(如CT机、X射线机、心电检测仪和可穿戴设备等)对患者进行检测得到,所述医生诊断数据为医生根据患者的实际情况提供的医疗诊断意见、病症认定结果、医生对医疗诊断模型的评分、专家提供的医疗数据评估指标以及相关指标的专家干预权重等。所述患者健康档案包括患者的年龄、姓名、性别、职业、家庭住址、联系方式等中的至少一种。
S420,根据所述医疗数据对历史医疗数据进行更新。
其中,在对历史医疗数据进行更新时,若已保存有所述医疗数据,则忽略该医疗数据,反之,则将其添加至云服务平台的缓存中,从而有效提高所述云服务平台中的保存的历史医疗数据的全面性,并尽可能多的覆盖不同的真实医疗案例,进而使得云服务平台13基于预设的医疗数据训练得到的医疗诊断模型具有更高的准确度和可靠性。
可以理解的是,所述云服务平台13在对医疗数据进行保存时,可以按照预设的数据存储规则进行保存,例如,可以按照患者的姓名、身份证号、医院名称、病症类型等,本实施例对此不做限制。
S430,根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估。
S440,根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型。
其中,各所述医疗诊断模型的准确度为模型正确识别的测试样本数量与预设时间周期内的所有测试样本数量之间的比值。
S450,发送所述目标医疗诊断模型给边缘计算节点12。
其中,关于S430至S450的相关描述可参照对前述的S310至S330的详细描述,本实施例对此不再赘述。
如图5所示,为本申请的一示例性实施例提供的医疗数据处理装置的结构示意图,该装置可以应用于边缘计算节点12,也可以是边缘计算节点12。再次参阅图5,本实施例给出的医疗数据处理装置可以包括分析模块510和第一发送模块520。
所述分析模块510,用于在接收到医疗终端11发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果,其中,所述目标医疗诊断模型是由云服务平台根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型。所述第一发送模块520,用于发送所述医疗诊断结果给所述医疗终端11。
关于本实施例中的医疗数据处理装置500,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
如图6所示,为本申请的一示例性实施例提供的医疗数据处理装置600的结构示意图,该装置600可以应用于云服务平台13,也可以是云服务平台13。再次参阅图6,本实施例给出的医疗数据处理装置可以包括评估模块610、选取模块620和第二发送模块630。
所述评估模块610,用于根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估。所述选取模块620,用于根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型。所述第二发送模块630,用于发送所述目标医疗诊断模型给所述边缘计算节点12。
关于本实施例中的医疗数据处理装置600,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
请参阅图7,为根据一示例性实施例提供的一种网络设备700的框图,该网络设备700可以是前述的边缘计算节点12,也可以是云服务平台13。可选地,所述网络设备700可至少包括处理器710,用于存储处理器710可执行指令的存储器720。其中,处理器710被配置为执行指令,以实现如上述实施例中的基于边缘计算的医疗数据处理方法的全部步骤或部分步骤。
处理器710、存储器720之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,处理器710用于读/写存储器中存储的数据或程序,并执行相应地功能。
存储器720用于存储程序或者数据,如存储处理器710可执行指令。该存储器720可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read OnlyMemory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
进一步,作为一种可能的实现方式,网络设备700还可包括电源组件、多媒体组件、音频组件、输入/输出(I/O)接口、传感器组件以及通信组件等。
电源组件为网络设备700的各种组件提供电力。电源组件可以包括电源管理系统,一个或多个电源、以及其他与为网络设备700生成、管理和分配电力相关联的组件。
多媒体组件包括在网络设备700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件包括一个前置摄像头和/或后置摄像头。当网络设备700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(MIC),当网络设备700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器720或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。
I/O接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件包括一个或多个传感器,用于为网络设备700提供各个方面的状态评估。例如,传感器组件可以检测到网络设备700的打开/关闭状态,组件的相对定位,例如组件为网络设备700的显示器和小键盘,传感器组件还可以检测网络设备700或网络设备700一个组件的位置改变,用户与网络设备700接触的存在或不存在网络设备700方位或加速/减速和网络设备700的温度变化。传感器组件可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件被配置为便于网络设备700和其他设备之间有线或无线方式的通信。网络设备700可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,网络设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
应当理解的是,图7所示的结构仅为网络设备700的结构示意图,该网络设备700还可包括比图7中所示更多或者更少的组件,或者具有与图4所示不同的配置。图7中所示的各组件可以采用硬件、软件或其组合实现。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器7,上述指令可由网络设备的处理器执行以完成上述基于边缘计算的医疗数据处理方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于边缘计算的医疗数据处理方法,其特征在于,应用于边缘计算节点,所述方法包括:
在接收到医疗终端发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果,其中,所述目标医疗诊断模型是由云服务平台根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型;
发送所述医疗诊断结果给所述医疗终端。
2.根据权利要求1所述的基于边缘计算的医疗数据处理方法,其特征在于,所述待分析的医疗数据包括医疗检测数据、医生诊断数据、患者健康档案、医疗科技文献中的至少一项。
3.根据权利要求1所述的基于边缘计算的医疗数据处理方法,其特征在于,所述方法还包括:
按照预设时间间隔将接收到的医疗数据上报给所述云服务平台,其中,所述医疗数据是由所述医疗终端采集并上报得到。
4.一种基于边缘计算的医疗数据处理方法,其特征在于,应用于云服务平台,所述方法包括:
根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估;
根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型;
发送所述目标医疗诊断模型给所述边缘计算节点。
5.根据权利要求4所述的基于边缘计算的医疗数据处理方法,其特征在于,各所述医疗诊断模型的准确度为模型正确识别的测试样本数量与预设时间周期内的所有测试样本数量之间的比值。
6.根据权利要求4所述的基于边缘计算的医疗数据处理方法,其特征在于,所述医疗数据包括医疗检测数据、医生诊断建议数据、患者健康档案、医疗科技文献中的至少一项。
7.根据权利要求4所述的基于边缘计算的医疗数据处理方法,其特征在于,在根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估之前,所述方法还包括:
在接收到各所述边缘计算节点上报的医疗数据的情况下,根据所述医疗数据对预设的历史医疗数据进行更新;其中,接收到的所述医疗数据是由医疗终端采集并上报得到。
8.一种医疗数据处理装置,其特征在于,所述装置包括:
分析模块,用于在接收到医疗终端发送的待分析的医疗数据的情况下,根据预设的目标医疗诊断模型对所述待分析的医疗数据进行分析,得到医疗诊断结果,其中,所述目标医疗诊断模型是由云服务平台根据预设医疗数据从预设的多个医疗诊断模型中选取的准确度最高的医疗诊断模型;
第一发送模块,用于发送所述医疗诊断结果给所述医疗终端。
9.一种医疗数据处理装置,其特征在于,所述装置包括:
评估模块,用于根据预设的医疗数据分别对预设的多个医疗诊断模型进行准确度评估;
选取模块,用于根据评估结果从多个所述医疗诊断模型中选取准确度最高的医疗诊断模型,作为目标医疗诊断模型;
第二发送模块,用于发送所述目标医疗诊断模型给边缘计算节点。
10.一种网络设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至3中任一项所述的基于边缘计算的医疗数据处理方法的步骤,或者所述程序或指令被所述处理器执行时实现如权利要求4至7中任一项所述的基于边缘计算的医疗数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010889806.6A CN112133423A (zh) | 2020-08-28 | 2020-08-28 | 基于边缘计算的医疗数据处理方法、装置及网络设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010889806.6A CN112133423A (zh) | 2020-08-28 | 2020-08-28 | 基于边缘计算的医疗数据处理方法、装置及网络设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112133423A true CN112133423A (zh) | 2020-12-25 |
Family
ID=73847984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010889806.6A Pending CN112133423A (zh) | 2020-08-28 | 2020-08-28 | 基于边缘计算的医疗数据处理方法、装置及网络设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112133423A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409933A (zh) * | 2021-06-18 | 2021-09-17 | 广州瀚信通信科技股份有限公司 | 医疗组学大数据分析系统及其布置分析方法 |
CN114141324A (zh) * | 2021-12-01 | 2022-03-04 | 医贝云服(杭州)科技有限公司 | 一种基于边缘计算的医疗数据处理方法和装置 |
CN114971116A (zh) * | 2021-05-24 | 2022-08-30 | 中移互联网有限公司 | 一种追踪风险终端的方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945880A (zh) * | 2017-12-12 | 2018-04-20 | 海南大学 | 一种面向边缘计算的类型化医疗资源处理系统设计方法 |
CN108461152A (zh) * | 2018-01-12 | 2018-08-28 | 平安科技(深圳)有限公司 | 医疗模型训练方法、医疗识别方法、装置、设备及介质 |
CN108521461A (zh) * | 2018-04-04 | 2018-09-11 | 平安科技(深圳)有限公司 | 基于边缘计算的健康监测方法、装置、设备及存储介质 |
CN109194523A (zh) * | 2018-10-01 | 2019-01-11 | 西安电子科技大学 | 隐私保护的多方诊断模型融合方法及系统、云端服务器 |
US20190348178A1 (en) * | 2018-05-09 | 2019-11-14 | International Business Machines Corporation | Medical diagnosis system with continuous learning and reasoning |
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 |
CN110752032A (zh) * | 2019-12-02 | 2020-02-04 | 山东浪潮人工智能研究院有限公司 | 一种基于卷积神经网络和激光测振的中医诊断方法 |
CN111199797A (zh) * | 2019-12-31 | 2020-05-26 | 中国中医科学院中医药信息研究所 | 一种辅助诊断模型建立和辅助诊断方法及装置 |
-
2020
- 2020-08-28 CN CN202010889806.6A patent/CN112133423A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945880A (zh) * | 2017-12-12 | 2018-04-20 | 海南大学 | 一种面向边缘计算的类型化医疗资源处理系统设计方法 |
CN108461152A (zh) * | 2018-01-12 | 2018-08-28 | 平安科技(深圳)有限公司 | 医疗模型训练方法、医疗识别方法、装置、设备及介质 |
CN108521461A (zh) * | 2018-04-04 | 2018-09-11 | 平安科技(深圳)有限公司 | 基于边缘计算的健康监测方法、装置、设备及存储介质 |
US20190348178A1 (en) * | 2018-05-09 | 2019-11-14 | International Business Machines Corporation | Medical diagnosis system with continuous learning and reasoning |
CN109194523A (zh) * | 2018-10-01 | 2019-01-11 | 西安电子科技大学 | 隐私保护的多方诊断模型融合方法及系统、云端服务器 |
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 |
CN110752032A (zh) * | 2019-12-02 | 2020-02-04 | 山东浪潮人工智能研究院有限公司 | 一种基于卷积神经网络和激光测振的中医诊断方法 |
CN111199797A (zh) * | 2019-12-31 | 2020-05-26 | 中国中医科学院中医药信息研究所 | 一种辅助诊断模型建立和辅助诊断方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971116A (zh) * | 2021-05-24 | 2022-08-30 | 中移互联网有限公司 | 一种追踪风险终端的方法和装置 |
CN114971116B (zh) * | 2021-05-24 | 2023-08-18 | 中移互联网有限公司 | 一种追踪风险终端的方法和装置 |
CN113409933A (zh) * | 2021-06-18 | 2021-09-17 | 广州瀚信通信科技股份有限公司 | 医疗组学大数据分析系统及其布置分析方法 |
CN114141324A (zh) * | 2021-12-01 | 2022-03-04 | 医贝云服(杭州)科技有限公司 | 一种基于边缘计算的医疗数据处理方法和装置 |
CN114141324B (zh) * | 2021-12-01 | 2022-08-09 | 医贝云服(杭州)科技有限公司 | 一种基于边缘计算的医疗数据处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112133423A (zh) | 基于边缘计算的医疗数据处理方法、装置及网络设备 | |
CN111105852B (zh) | 一种电子病历推荐方法、装置、终端及存储介质 | |
JP2022529300A (ja) | 違反イベント検出方法及び装置、電子デバイス並びに記憶媒体 | |
CN109381164B (zh) | 皮肤湿度检测方法及装置 | |
CN103944804A (zh) | 推荐联系人的方法及装置 | |
CN111345808B (zh) | 处理心电信号的方法、心电信号监测设备和存储介质 | |
WO2023061028A1 (zh) | 呼吸率检测方法及装置、电子设备和存储介质 | |
CN112836058A (zh) | 医疗知识图谱建立方法及装置、医疗知识图谱查询方法及装置 | |
CN111553464A (zh) | 基于超网络的图像处理方法、装置及智能设备 | |
CN113012816A (zh) | 脑分区风险预测方法及装置、电子设备和存储介质 | |
CN113724244A (zh) | 健康监测方法、装置及系统、健康检查设备及介质 | |
CN112948704A (zh) | 用于信息推荐的模型训练方法、装置、电子设备以及介质 | |
CN111539617B (zh) | 数据处理方法和装置、电子设备、交互系统和存储介质 | |
CN110634570A (zh) | 一种诊断仿真方法及相关装置 | |
CN110738267B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN111462910A (zh) | 项目的匹配方法及装置、电子设备和存储介质 | |
CN112486770A (zh) | 客户端打点上报方法、装置、电子设备和存储介质 | |
CN110288965B (zh) | 一种音乐合成方法、装置、电子设备及存储介质 | |
CN112333518A (zh) | 用于视频的功能配置方法、装置及电子设备 | |
CN109145151B (zh) | 一种视频的情感分类获取方法及装置 | |
CN114840761B (zh) | 推送模型的训练方法、装置、设备、存储介质及程序产品 | |
CN115512829A (zh) | 疾病诊断相关分组的获取方法、装置及介质 | |
CN111524019A (zh) | 项目的匹配方法及装置、电子设备和存储介质 | |
CN114547073A (zh) | 时序数据的聚合查询方法、装置及存储介质 | |
CN114416505A (zh) | 一种数据处理方法、装置、电子设备及存储介质 |
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 |