CN112562864A - 一种基于区块链技术的新冠疫情侦查方法、系统和装置 - Google Patents
一种基于区块链技术的新冠疫情侦查方法、系统和装置 Download PDFInfo
- Publication number
- CN112562864A CN112562864A CN202011508276.2A CN202011508276A CN112562864A CN 112562864 A CN112562864 A CN 112562864A CN 202011508276 A CN202011508276 A CN 202011508276A CN 112562864 A CN112562864 A CN 112562864A
- Authority
- CN
- China
- Prior art keywords
- data
- epidemic
- epidemic situation
- block chain
- sources
- 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
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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及区块链技术领域,特别涉及一种基于区块链技术的新冠疫情侦查方法、系统和装置。所述一种基于区块链技术的新冠疫情侦查方法,包括步骤:采集不同数据来源的数据;上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。整个过程中,无需人工对数据进行处理,均为自动化处理过程,且通过区块链提供安全可靠的数据共享环境,实现数据共享全流程的可信追溯,在保证了数据安全的同时,快速提升一线防疫的工作效率。
Description
技术领域
本发明涉及区块链技术领域,特别涉及一种基于区块链技术的新冠疫情侦查方法、系统和装置。
背景技术
在庚子年伊始的新型冠状病毒感染性肺炎(NCP)疫情中,流行病学调查正如抗疫战场的侦查工作,而所要“稽查”的对象便是新型冠状病毒,捕捉病毒的行踪,破解疫情的秘密。有效精准地寻找它的“宿主”和下一个可能被危害健康的对象,进而采取有效的防护手段,防止疫情的进一步扩大和蔓延。
在医学中,开展流行病学调查(简称流调),是疾病防控基础性工作。在万千调查对象的蛛丝马迹中发现病毒传播的踪迹,破译出新型冠状病毒这个“罪魁祸首”的秘密,进而有效地追踪“犯罪分子”的下一步计划,保护易感人群,避免疫情的进一步扩大,是破解疫情的关键步骤之一。
就目前而言,开展流行病学调查仍然依赖着传统的纸笔记录方式完成相关信息的收集,之后需要在2小时内完成被调查对象的个案调查表,在24小时内完成与之对应的流行病学调查报告;同时,完全依赖于调查员收集在纸质文件上的信息进行可能传染源、传播途径及密切接触者的推理和判断,这给原本紧张的疫情防控工作带来了极大的工作量。
发明内容
为此,需要提供一种基于区块链技术的新冠疫情侦查方法,用以解决现有流行病学调查传统人工纸笔记录方式费时费力工作量大的技术问题,具体技术方案如下:
一种基于区块链技术的新冠疫情侦查方法,包括步骤:
采集不同数据来源的数据;
上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
进一步的,所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述“采集不同数据来源的数据”,具体还包括步骤:
通过爬虫技术采集不同数据来源的数据。
进一步的,所述“上传所述不同数据来源的数据至联盟链内的监管节点进行审核”前,还包括步骤:
构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。
进一步的,所述“并通过预设定引擎对数据进行处理生成目标文件”,还包括步骤:
通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;
所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。
进一步的,还包括步骤:响应用户查看指令,显示目标文件。
为解决上述技术问题,还提供了一种基于区块链技术的新冠疫情侦查系统,具体技术方案如下:
一种基于区块链技术的新冠疫情侦查系统,包括:数据采集模块、数据传输模块和数据呈现模块,所述数据传输模块分别连接数据采集模块和数据呈现模块;
所述数据采集模块用于:采集不同数据来源的数据;
所述数据传输模块用于:上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
所述数据呈现模块用于:响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
进一步的,所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述数据采集模块还用于:通过爬虫技术采集不同数据来源的数据。
进一步的,所述数据传输模块还用于:构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。
进一步的,所述数据呈现模块还用于:通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。
进一步的,所述数据呈现模块还用于:响应用户查看指令,显示目标文件。
为解决上述技术问题,还提供了一种基于区块链技术的新冠疫情侦查装置,具体技术方案如下:
一种基于区块链技术的新冠疫情侦查装置,包括:基础层、中间层和应用层;
所述基础层设置有以下中的一种或多种装置:通信装置、计算装置、存储装置;
所述中间层设置有以下中的一种或多种模块:运营管理模块、部署管理模块、容器中心模块、区块链管理模块、加密组件模块、智能合约模块;
所述应用层设置有以下中的一种或多种系统:国内外疫情数据多维可视化系统、疫途/疫区/疫群系统、信息安全共享系统;
所述国内外疫情数据多维可视化系统用于:显示当前疫情的实时状态,所述国内外疫情数据多维可视化系统与国内外卫生部疫情数据同步;
所述疫途/疫区/疫群系统用于:识别疫情蔓延人群和严重性,所述疫途/ 疫区/疫群系统和院内感染管理系统分别与下级疫情防控点服务系统连接;
所述信息安全共享系统用于:传输数据,所述信息安全共享系统与所属的各地市疫情防控点服务系统连接。
进一步的,所述信息安全共享系统还用于:采集不同数据来源的数据;
上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
本发明的有益效果是:通过采集不同数据来源的数据;上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。整个过程中,无需人工对数据进行处理,均为自动化处理过程,且通过区块链提供安全可靠的数据共享环境,实现数据共享全流程的可信追溯,并通过自定义引擎对数据进行处理生成目标文件,通过目标文件即可获得疫情防控所需的信息,在保证了数据安全的同时,快速提升一线防疫的工作效率。
附图说明
图1具体实施方式所述一种基于区块链技术的新冠疫情侦查方法的流程图;
图2为具体实施方式所述一种基于区块链技术的新冠疫情侦查装置的示意图;
图3为具体实施方式所述一种基于区块链技术的新冠疫情侦查方法的示意图;
图4为具体实施方式所述基于区块链技术的工作流程示意图一;
图5为具体实施方式所述基于区块链技术的工作流程示意图二;
图6为具体实施方式所述一种基于区块链技术的新冠疫情侦查系统的模块示意图。
附图标记说明:
600、一种基于区块链技术的新冠疫情侦查系统,
601、数据采集模块,
602、数据传输模块,
603、数据呈现模块。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施例并配合附图详予说明。
请参阅图1至图5,在本实施方式中,一种基于区块链技术的新冠疫情侦查方法可应用在一种基于区块链技术的新冠疫情侦查系统上,所述一种基于区块链技术的新冠疫情侦查系统,包括:数据采集模块、数据传输模块和数据呈现模块,所述数据传输模块分别连接数据采集模块和数据呈现模块。其实际应用场景如图2所示,包括:基础层、中间层和应用层三个层次。基础层为基础设施,包括通信、计算、存储等多种资源,用于支撑该系统的基础性工作。中间层包括运营管理、部署管理、容器中心、区块链管理、加密组件、智能合约多个模块。应用层包括国内外疫情数据多维可视化系统、疫途/ 疫区/疫群系统、信息安全共享系统多种应用。
国内外疫情数据多维可视化系统用于友好、快速地查阅和了解当前疫情的实时状态,所述国内外疫情数据多维可视化系统与国内外卫生部疫情数据同步,
疫途/疫区/疫群系统用于精准识别疫情蔓延人群和严重性,所述疫途/疫区/疫群系统和院内感染管理系统分别与下级疫情防控点服务系统连接;
信息安全共享系统用于安全可靠地传输数据,所述信息安全共享系统与所属的各地市疫情防控点服务系统连接;
所述国内外疫情数据多维可视化系统、疫途/疫区/疫群系统、基于区块链技术的疫情信息安全共享系统是数据均接入区块链的节点上,每个节点中均分配有系统服务器地址和访问端口,各节点之间通过一个字符串数据进行唯一识别;
所述国内外疫情数据多维可视化系统,用于收集、展示和管理每日确诊病例数/疑似病例数,治愈/死亡人数、区块链信息(包括节点数量、区块高度、最新区块哈希值)、疫情感染地图、最新疫情相关信息推送、疫情预警图;
所述疫途/疫区/疫群系统,用于获取并存储患者/疑似患者/密切接触人员的精确位置信息、并展示和呈现所收集的人群在每个时间段出现的地点、所使用的交通工具以及在同个时间段、同个地点出现的接触人群;
所述基于区块链技术的疫情信息安全共享系统,用于保障数据从移动端安全地传输到基层监测单位、区级流调哨点、市级流调中心、省级流调中心,并形成区块链网络广播式传输,实时同步信息。
请参阅图1,具体实施方式如下:
步骤S101:采集不同数据来源的数据。所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述“采集不同数据来源的数据”,具体还包括步骤:
通过爬虫技术采集不同数据来源的数据。具体可如下:首先定义目标对象为全球各国、中国各地市每日更新的新冠现有确诊人数、累计确诊人数、累计治愈人数、累计死亡人数四大分类的数据,随后对网页或数据的分析与过滤,采取的目标网页主要为国内外CDC官方网页以保证数据的准确性,最后采用宽度优先遍历策略,将新下载网页中发现的链接直接插入待抓取URL 队列的末尾。
步骤S102:上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点。
在本实施方式中,所述“上传所述不同数据来源的数据至联盟链内的监管节点进行审核”前,还包括步骤:
构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。具体可如下:
采用Fabric组成区块链的联盟链,由国家级CDC作为监管节点,其他方作为参与节点形成平等的共识网络。一旦数据采集端的数据(国内外疫情数据、防疫点数据和各地市疫情数据)上传至平台,经过国家级CDC监管节点的初步审核后,信息将立即响应并共识至整个系统。该平台会对用户的身份权限验证,具有合法身份的用户才能在平台上进行数据查看,用户注册和平台初始化相关流程信息均进行上链记录。各参与方可登陆平台,对智能合约进行查看、部署等管理。
步骤S103:响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。所述“并通过预设定引擎对数据进行处理生成目标文件”,还包括步骤:
通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;
所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。具体可如下:
NLP引擎以医学素材SNOMED-CT、ICD、LOINC、医学教材、药典、指南为知识基础,以术语图谱维护、统一编码、专科模板定制进行知识管理,通过结构化解析、标准化映射进行结构化处理引擎,最后自动解析生成所需目标文件。
对收集回来的语音信息进行语义分析,由于词是能够运用的最小语言单位,我们会先进行分词,随后进入到词义消歧的阶段。在本系统中,有监督学习和无监督学习被同时使用。有监督学习主要运用在已知的的语句问题中,如“是否、男女”等简单的问题,将事先建立分类器,用划分多义词的上下文类别的方法来区别多义词的含义,将使用者提供的语言信息做结构化的处理。无监督学习主要运用在提出开放问题时,回答者没有按照预设的回答路径进行回答,如“您在14天内外出的地点和接触的人群”,那么我们还会通过基于贝叶斯的分词器进行消歧,分析改词所属的上下文语境,最终确定改词的含义,对应解析到目标文件中进行使用。
进一步地,以NLP引擎为基础的目标文件转化,包括自动转化为个案调查表、个案调查报告、患者行程记录,可以做到移动端收集数据,WEB端实时自动生成。整个采集过程如图3所示。
如图4和图5所示,在本实施方式中,通过区块链网络广播式传输的方式:基层监测单位负责发现临床信息(可疑病例);区级流调哨点进行收集实验室证据及流行病学证据(可能病例);市级流调中心综合上述资料进行确诊;省级流调中心参考实验室作汇总工作。
通过采集不同数据来源的数据;上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。整个过程中,无需人工对数据进行处理,均为自动化处理过程,且通过区块链提供安全可靠的数据共享环境,实现数据共享全流程的可信追溯,并通过自定义引擎对数据进行处理生成目标文件,通过目标文件即可获得疫情防控所需的信息,在保证了数据安全的同时,快速提升一线防疫的工作效率。
请参阅图2至图6,在本实施方式中,一种基于区块链技术的新冠疫情侦查系统600的具体实施方式如下:
一种基于区块链技术的新冠疫情侦查系统600,包括:数据采集模块601、数据传输模块602和数据呈现模块603,所述数据传输模块602分别连接数据采集模块601和数据呈现模块603;
所述数据采集模块601用于:采集不同数据来源的数据;
所述数据传输模块602用于:上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
所述数据呈现模块603用于:响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
进一步的,所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述数据采集模块601还用于:通过爬虫技术采集不同数据来源的数据。
具体可如下:首先定义目标对象为全球各国、国内各地市每日更新的新冠现有确诊人数、累计确诊人数、累计治愈人数、累计死亡人数四大分类的数据,随后对网页或数据的分析与过滤,采取的目标网页主要为国内外CDC 官方网页以保证数据的准确性,最后采用宽度优先遍历策略,将新下载网页中发现的链接直接插入待抓取URL队列的末尾。
进一步的,所述数据传输模块602还用于:构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。具体可如下:
采用Fabric组成区块链的联盟链,由国家级CDC作为监管节点,其他方作为参与节点形成平等的共识网络。一旦数据采集端的数据(国内外疫情数据、防疫点数据和各地市疫情数据)上传至平台,经过国家级CDC监管节点的初步审核后,信息将立即响应并共识至整个系统。该平台会对用户的身份权限验证,具有合法身份的用户才能在平台上进行数据查看,用户注册和平台初始化相关流程信息均进行上链记录。各参与方可登陆平台,对智能合约进行查看、部署等管理。
进一步的,所述数据呈现模块603还用于:通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。具体可如下:
NLP引擎以医学素材SNOMED-CT、ICD、LOINC、医学教材、药典、指南为知识基础,以术语图谱维护、统一编码、专科模板定制进行知识管理,通过结构化解析、标准化映射进行结构化处理引擎,最后自动解析生成所需目标文件。
对收集回来的语音信息进行语义分析,由于词是能够运用的最小语言单位,我们会先进行分词,随后进入到词义消歧的阶段。在本系统中,有监督学习和无监督学习被同时使用。有监督学习主要运用在已知的的语句问题中,如“是否、男女”等简单的问题,将事先建立分类器,用划分多义词的上下文类别的方法来区别多义词的含义,将使用者提供的语言信息做结构化的处理。无监督学习主要运用在提出开放问题时,回答者没有按照预设的回答路径进行回答,如“您在14天内外出的地点和接触的人群”,那么我们还会通过基于贝叶斯的分词器进行消歧,分析改词所属的上下文语境,最终确定改词的含义,对应解析到目标文件中进行使用。
进一步的,所述数据呈现模块603还用于:响应用户查看指令,显示目标文件。具体可如下:以NLP引擎为基础的目标文件转化,包括自动转化为个案调查表、个案调查报告、患者行程记录,可以做到移动端收集数据,WEB 端实时自动生成。整个采集过程如图3所示。
如图4和图5所示,在本实施方式中,通过区块链网络广播式传输的方式:基层监测单位负责发现临床信息(可疑病例);区级流调哨点进行收集实验室证据及流行病学证据(可能病例);市级流调中心综合上述资料进行确诊;省级流调中心参考实验室作汇总工作。
数据采集模块601通过采集不同数据来源的数据;数据传输模块602上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;数据呈现模块603 响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。整个系统中,无需人工对数据进行处理,均为自动化处理过程,且通过区块链提供安全可靠的数据共享环境,实现数据共享全流程的可信追溯,并通过自定义引擎对数据进行处理生成目标文件,通过目标文件即可获得疫情防控所需的信息,在保证了数据安全的同时,快速提升一线防疫的工作效率。
请参阅图2至图5,在本实施方式中,一种基于区块链技术的新冠疫情侦查装置的具体实施方式如下:
一种基于区块链技术的新冠疫情侦查装置,具体技术方案如下:
一种基于区块链技术的新冠疫情侦查装置,包括:基础层、中间层和应用层;
所述基础层设置有以下中的一种或多种装置:通信装置、计算装置、存储装置;
所述中间层设置有以下中的一种或多种模块:运营管理模块、部署管理模块、容器中心模块、区块链管理模块、加密组件模块、智能合约模块;
所述应用层设置有以下中的一种或多种系统:国内外疫情数据多维可视化系统、疫途/疫区/疫群系统、信息安全共享系统;
所述国内外疫情数据多维可视化系统用于:显示当前疫情的实时状态,所述国内外疫情数据多维可视化系统与国内外卫生部疫情数据同步;
所述疫途/疫区/疫群系统用于:识别疫情蔓延人群和严重性,所述疫途/ 疫区/疫群系统和院内感染管理系统分别与下级疫情防控点服务系统连接;
所述信息安全共享系统用于:传输数据,所述信息安全共享系统与所属的各地市疫情防控点服务系统连接。
所述国内外疫情数据多维可视化系统、疫途/疫区/疫群系统、基于区块链技术的疫情信息安全共享系统是数据均接入区块链的节点上,每个节点中均分配有系统服务器地址和访问端口,各节点之间通过一个字符串数据进行唯一识别;
所述国内外疫情数据多维可视化系统,用于收集、展示和管理每日确诊病例数/疑似病例数,治愈/死亡人数、区块链信息(包括节点数量、区块高度、最新区块哈希值)、疫情感染地图、最新疫情相关信息推送、疫情预警图;
所述疫途/疫区/疫群系统系统,用于获取并存储患者/疑似患者/密切接触人员的精确位置信息、并展示和呈现所收集的人群在每个时间段出现的地点、所使用的交通工具以及在同个时间段、同个地点出现的接触人群;
所述基于区块链技术的疫情信息安全共享系统,用于保障数据从移动端安全地传输到基层监测单位、区级流调哨点、市级流调中心、省级流调中心,并形成区块链网络广播式传输,实时同步信息。
进一步地,所述移动设备采集端,包括穿戴设备和移动智能终端;
所述穿戴设备和移动智能终端分别位于区块链的子节点上;
所述穿戴设备包括便携血氧仪和温度计,用于获取穿戴者的血氧指标和体温,并和预设的指标数据进行对比分析以获取异常数据、生物信息预警模块,以用于将异常数据显示出来并将异常数据上传至下级各级疾控服务系统;
所述智能终端用于接收使用者的流行病学相关信息,并对使用者的血氧指标和体温和预设的指标数据进行对比以获取异常数据,再将异常数据显示出来并将异常数据上传至下级各级疾控服务系统。
进一步地,所述基于人工智能与区块链技术的新冠疫情流调系统包括注册管理模块、信息管理模块、人员管理模块、问卷管理模块、消息管理模块;
所述注册管理模块位于区块链的子节点上,以提供数据接口供基层流行病学调查工作者、观测点工作人员、患者、接触人群及其他用户进行注册、设定密码、获取相应权限。
所述信息管理模块,用于管理和呈现收集到的各类信息,所述信息包括患者/密切接触者个案调查表、患者/密切接触者个案调查报告、密切接触者、接触关系图、监测信息;
进一步地,所述患者/密切接触者个案调查表包含患者/密切接触者姓名、是否满18岁、性别、出生年月、年龄、住址、电话、表格完整性的信息。
进一步地,患者/密切接触者个案调查表的表格内容包括问卷编号、基本信息、发病与就诊信息、危险因素与暴露史信息、实验室检测信息、调查单位。
进一步地,基本信息包括姓名、性别、出生日期、现住址、联系电话、发病日期、诊断日期、诊断类型、临床严重程度。
进一步地,发病与就诊信息包括症状与体征、有无并发症、血常规检查是否监测、胸部X线检测是否有肺炎影像学特征、胸部CT线检测是否有肺炎影像学特征、发病后是否就诊、是否隔离、是否住院、是否ICU治疗。
进一步地,危险因素与暴露史包括患者是否是以下特定职业人群、是否为孕妇、既往病历史、发病或检测阳性前14天内是否有以下暴露史(是否有高风险地或其他本地病例持续传播地区的旅行史或居住史、是否接触过有高风险地或其他本地病例持续传播地区有发热或有呼吸道症状的人、是否接触过有高风险地或其他本地病例持续传播地区旅行史或居住史的人、是否有确诊病例、轻症病例或无症状感染的接触史、患者同一家庭、工作单位、托幼机构或学校等集体单位是否有聚集性发病、是否有医疗机构的就诊史、居住地点(村庄/居民楼)周围是否有农贸市场、是否去过农贸市)。
进一步地,标本采集与新型冠状病毒标本类型包括咽拭子、鼻拭子、痰液、气管分泌物、气管吸取物、肺泡灌洗液、血标本、粪便。
所述患者/密切接触者个案调查报告,内容包括患者/密切接触者基本信息、所属报告和对应的接触关系图。
进一步地,所属报告内容包括病例基本情况介绍、发病及诊疗情况(发病过程、就医过程、血常规、胸部X光线、)、可能感染来源、密切接触者初步判定、实验室检测情况。
进一步地,接触关系图包含其本人在收集到的各个时间段接触的人员、接触的时间、所在的位置、使用的交通工具的图谱,并可进行查看和编辑。
进一步地,监测信息包括对企业、学校、个人不同类型的人员的监测信息管理,并按日期进行管理和展示员工每日健康及返程信息问卷,内容包括:每日健康情况、假期是否去过或经过高风险地等疫情严重地区、假期是否面对面接触过高风险地等疫情严重地区的人员、何时返回福州、返程起点城市、返程交通方式、返榕后居住地址、15天内到过的城市。
所述人员管理模块,用于管理系统内的人员信息,所述信息包括角色信息和用户信息;
进一步地,角色信息主要包括以下几个分类:系统管理员、院长、科室主任、流调组长、公卫调查员、公卫医生、信息审核员、游客、观察点管理员、观察点管理员组长。
进一步地,用户信息也可包括以下几个分类:系统管理员、院长、科室主任、流调组长、公卫调查员、公卫医生、信息审核员、游客、观察点管理员、观察点管理员组长。
所述问卷管理模块,用于编辑和管理问卷、删除和分享。
进一步地,编辑和管理问卷还可以支持输入型组件和选择型组件。输入型组件包括单行文本和多行文本;选择型组件包括单选框组、判断题、是非题、多选框组、日期选择的形式。
进一步地,编辑和管理问卷还可以支持增加或删除逻辑问题,支持多种逻辑表达方式,包括>、<、=、≥、≤,并支持对于阈值的定义和选择。
所述消息管理模块,用于接收和发送该平台内的相关信息,平台信息自下而上推送顺序为观察点→区级疾控中心→市级疾控中心→省级疾控中心→国家级疾控中心,自上而下推送顺序为国家级疾控中心→省级疾控中心→市级疾控中心→区级疾控中心→观察点。
进一步的,所述信息安全共享系统还用于:采集不同数据来源的数据;
上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述“采集不同数据来源的数据”,具体还包括步骤:
通过爬虫技术采集不同数据来源的数据。具体可如下:首先定义目标对象为全球各国、国内各地市每日更新的新冠现有确诊人数、累计确诊人数、累计治愈人数、累计死亡人数四大分类的数据,随后对网页或数据的分析与过滤,采取的目标网页主要为国内外CDC官方网页以保证数据的准确性,最后采用宽度优先遍历策略,将新下载网页中发现的链接直接插入待抓取URL 队列的末尾。
所述“上传所述不同数据来源的数据至联盟链内的监管节点进行审核”前,还包括步骤:
构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。具体可如下:
采用Fabric组成区块链的联盟链,由国家级CDC作为监管节点,其他方作为参与节点形成平等的共识网络。一旦数据采集端的数据(国内外疫情数据、防疫点数据和各地市疫情数据)上传至平台,经过国家级CDC监管节点的初步审核后,信息将立即响应并共识至整个系统。该平台会对用户的身份权限验证,具有合法身份的用户才能在平台上进行数据查看,用户注册和平台初始化相关流程信息均进行上链记录。各参与方可登陆平台,对智能合约进行查看、部署等管理。
所述“并通过预设定引擎对数据进行处理生成目标文件”,还包括步骤:
通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;
所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。具体可如下:
NLP引擎以医学素材SNOMED-CT、ICD、LOINC、医学教材、药典、指南为知识基础,以术语图谱维护、统一编码、专科模板定制进行知识管理,通过结构化解析、标准化映射进行结构化处理引擎,最后自动解析生成所需目标文件。
对收集回来的语音信息进行语义分析,由于词是能够运用的最小语言单位,我们会先进行分词,随后进入到词义消歧的阶段。在本系统中,有监督学习和无监督学习被同时使用。有监督学习主要运用在已知的的语句问题中,如“是否、男女”等简单的问题,将事先建立分类器,用划分多义词的上下文类别的方法来区别多义词的含义,将使用者提供的语言信息做结构化的处理。无监督学习主要运用在提出开放问题时,回答者没有按照预设的回答路径进行回答,如“您在14天内外出的地点和接触的人群”,那么我们还会通过基于贝叶斯的分词器进行消歧,分析改词所属的上下文语境,最终确定改词的含义,对应解析到目标文件中进行使用。
进一步地,以NLP引擎为基础的目标文件转化,包括自动转化为个案调查表、个案调查报告、患者行程记录,可以做到移动端收集数据,WEB端实时自动生成。整个采集过程如图3所示。
如图4和图5所示,在本实施方式中,通过区块链网络广播式传输的方式:基层监测单位负责发现临床信息(可疑病例);区级流调哨点进行收集实验室证据及流行病学证据(可能病例);市级流调中心综合上述资料进行确诊;省级流调中心参考实验室作汇总工作。
通过采集不同数据来源的数据;上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。整个过程中,无需人工对数据进行处理,均为自动化处理过程,且通过区块链提供安全可靠的数据共享环境,实现数据共享全流程的可信追溯,并通过自定义引擎对数据进行处理生成目标文件,通过目标文件即可获得疫情防控所需的信息,在保证了数据安全的同时,快速提升一线防疫的工作效率。
需要说明的是,尽管在本文中已经对上述各实施例进行了描述,但并非因此限制本发明的专利保护范围。因此,基于本发明的创新理念,对本文所述实施例进行的变更和修改,或利用本发明说明书及附图内容所作的等效结构或等效流程变换,直接或间接地将以上技术方案运用在其他相关的技术领域,均包括在本发明的专利保护范围之内。
Claims (10)
1.一种基于区块链技术的新冠疫情侦查方法,其特征在于,包括步骤:
采集不同数据来源的数据;
上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
2.根据权利要求1所述的一种基于区块链技术的新冠疫情侦查方法,其特征在于,所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述“采集不同数据来源的数据”,具体还包括步骤:
通过爬虫技术采集不同数据来源的数据。
3.根据权利要求1所述的一种基于区块链技术的新冠疫情侦查方法,其特征在于,所述“上传所述不同数据来源的数据至联盟链内的监管节点进行审核”前,还包括步骤:
构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。
4.根据权利要求1所述的一种基于区块链技术的新冠疫情侦查方法,其特征在于,所述“并通过预设定引擎对数据进行处理生成目标文件”,还包括步骤:
通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;
所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。
5.一种基于区块链技术的新冠疫情侦查系统,其特征在于,包括:数据采集模块、数据传输模块和数据呈现模块,所述数据传输模块分别连接数据采集模块和数据呈现模块;
所述数据采集模块用于:采集不同数据来源的数据;
所述数据传输模块用于:上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
所述数据呈现模块用于:响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
6.根据权利要求5所述的一种基于区块链技术的新冠疫情侦查系统,其特征在于,
所述不同数据来源包括以下中的一种或多种:国内外疫情数据、防疫点数据、各地市疫情数据;
所述国内外疫情数据包括:国内外国家CDC官方数据;
所述防疫点数据包括以下中的一种或多种:各观察点隔离用户每日更新上传的数据、观察点管理员每日更新上传的数据、观察点管理员组长每日更新上传的数据;
所述各地市疫情数据包括以下中的一种或多种:观察点、区级疾控中心、市级疾控中心、省级疾控中心和国家级疾控中心各个管辖下的防疫数据;
所述数据采集模块还用于:通过爬虫技术采集不同数据来源的数据。
7.根据权利要求5所述的一种基于区块链技术的新冠疫情侦查系统,其特征在于,
所述数据传输模块还用于:构建区块链联盟链,在所述区块链联盟链内设定国家级CDC作为监管节点。
8.根据权利要求5所述的一种基于区块链技术的新冠疫情侦查系统,其特征在于,所述数据呈现模块还用于:通过有监督学习和无监督学习分别对数据进行处理得处理后的数据,由所述处理后的数据生成目标文件;所述目标文件包括以下中的一种或多种:个案调查表、个案调查报告、患者行程记录。
9.一种基于区块链技术的新冠疫情侦查装置,其特征在于,包括:基础层、中间层和应用层;
所述基础层设置有以下中的一种或多种装置:通信装置、计算装置、存储装置;
所述中间层设置有以下中的一种或多种模块:运营管理模块、部署管理模块、容器中心模块、区块链管理模块、加密组件模块、智能合约模块;
所述应用层设置有以下中的一种或多种系统:国内外疫情数据多维可视化系统、疫途/疫区/疫群系统、信息安全共享系统;
所述国内外疫情数据多维可视化系统用于:显示当前疫情的实时状态,所述国内外疫情数据多维可视化系统与国内外卫生部疫情数据同步;
所述疫途/疫区/疫群系统用于:识别疫情蔓延人群和严重性,所述疫途/疫区/疫群系统和院内感染管理系统分别与下级疫情防控点服务系统连接;
所述信息安全共享系统用于:传输数据,所述信息安全共享系统与所属的各地市疫情防控点服务系统连接。
10.根据权利要求9所述的一种基于区块链技术的新冠疫情侦查装置,其特征在于,所述信息安全共享系统还用于:采集不同数据来源的数据;
上传所述不同数据来源的数据至联盟链内的监管节点进行审核,若审核通过,则同步所述不同数据来源的数据至联盟链内的所有节点;
响应数据查看指令,判断是否有对应权限进行数据查看,若有权限,则获取数据,并通过预设定引擎对数据进行处理生成目标文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508276.2A CN112562864A (zh) | 2020-12-18 | 2020-12-18 | 一种基于区块链技术的新冠疫情侦查方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508276.2A CN112562864A (zh) | 2020-12-18 | 2020-12-18 | 一种基于区块链技术的新冠疫情侦查方法、系统和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112562864A true CN112562864A (zh) | 2021-03-26 |
Family
ID=75031802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011508276.2A Pending CN112562864A (zh) | 2020-12-18 | 2020-12-18 | 一种基于区块链技术的新冠疫情侦查方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562864A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052092A (zh) * | 2021-03-30 | 2021-06-29 | 陈曦 | 基于联盟链的检疫通关方法及其系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415753A (zh) * | 2020-03-06 | 2020-07-14 | 杭州云象网络技术有限公司 | 一种基于区块链的疫情监测预警方法及系统 |
CN111816324A (zh) * | 2020-09-10 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 疫情监测方法、装置、疫情防控平台及可读存储介质 |
-
2020
- 2020-12-18 CN CN202011508276.2A patent/CN112562864A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415753A (zh) * | 2020-03-06 | 2020-07-14 | 杭州云象网络技术有限公司 | 一种基于区块链的疫情监测预警方法及系统 |
CN111816324A (zh) * | 2020-09-10 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 疫情监测方法、装置、疫情防控平台及可读存储介质 |
Non-Patent Citations (2)
Title |
---|
贾斌 等: ""基于区块链的快速智能决策与协同防控机制研究——以突发性大规模疫情为例"" * |
邢策梅 等: ""基于微服务架构的江苏省新冠疫情大数据平台的设计与实现"" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052092A (zh) * | 2021-03-30 | 2021-06-29 | 陈曦 | 基于联盟链的检疫通关方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7343302B2 (en) | System and method for emergency response | |
Rice et al. | Prevalence of autism spectrum disorders--Autism and Developmental Disabilities Monitoring Network, six sites, United States, 2000; Prevalence of autism spectrum disorders--Autism and Developmental Disabilities Monitoring Network, 14 sites, United States, 2002; and, Evaluation of a methodology for a collaborative multiple source surveillance network for autism spectrum disorders--Autism and Developmental Disabilities Monitoring Network, 14 sites, United States, 2002 | |
CN113643821B (zh) | 一种多中心知识图谱联合决策支持方法与系统 | |
CN106960132A (zh) | 一种icu患者非计划性拔管预警系统 | |
CN114078602A (zh) | 传染病防控中基于大数据与ai技术实现重点人群快速溯源及筛查管控的系统、方法及应用 | |
CN106919804A (zh) | 基于临床数据的药物推荐方法、推荐装置及服务器 | |
CN112365997A (zh) | 用于流行病预警和防控的新策略 | |
Iwu et al. | Assessment of disease reporting among health care workers in a South Eastern State, Nigeria | |
CN112562864A (zh) | 一种基于区块链技术的新冠疫情侦查方法、系统和装置 | |
Di Cara et al. | Mapping population vulnerability and community support during COVID-19: a case study from Wales | |
Ptochos et al. | Using internet GIS technology for early warning, response and controlling the quality of the public health sector | |
Henzel et al. | Classification supporting COVID-19 diagnostics based on patient survey data | |
Duda et al. | Multidimensional representation of covid-19 data using olap information technology | |
Malmberg et al. | Improving HIV/AIDS knowledge management using EHRs | |
CN112712894A (zh) | 食源性疾病信息监测预警方法及系统 | |
Kim et al. | Development and implementation of a surveillance network system for emerging infectious diseases in the Caribbean (ARICABA) | |
Adibi et al. | COVID-19 Pandemic: Lessons Learned and Roadmap for the Future | |
Burkom et al. | ESSENCE, the Electronic Surveillance System for the Early Notification of Community-Based Epidemics | |
Sun et al. | COVID-19 datasets: A brief overview | |
Rayan et al. | A Survey on an Analysis of Big Data Open Source Datasets, Techniques and Tools for the Prediction of Coronavirus Disease | |
Rana et al. | A descriptive analysis of an outbreak of measles and a multilevel mixed-effects analysis of factors associated with case isolation in healthcare settings, London (February–June 2016) | |
Zhang et al. | Hao Zhang, Yan Wu, Wei Sun, Wuge Li, Xianhong Huang, Tao Sun, Mengjie Wu, Zhen Huang* and Shanquan Chen | |
Medel-Ramírez et al. | Data Article. Data mining for the study of the Epidemic (SARS-CoV-2) COVID-19: Algorithm for the identification of patients (SARS-CoV-2) COVID 19 in Mexico | |
Muniswamaiah et al. | Survey of the use of digital technologies to combat COVID-19 | |
Wu | Status and Prospects of Applying Machine Learning for Diagnosis and Treatment in African Healthcare Industry |
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 |