CN115525917A - 一种基于多端的身体数据管理方法及数据管理终端 - Google Patents
一种基于多端的身体数据管理方法及数据管理终端 Download PDFInfo
- Publication number
- CN115525917A CN115525917A CN202211334797.XA CN202211334797A CN115525917A CN 115525917 A CN115525917 A CN 115525917A CN 202211334797 A CN202211334797 A CN 202211334797A CN 115525917 A CN115525917 A CN 115525917A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- user
- doctor
- server
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 116
- 238000013523 data management Methods 0.000 title claims abstract description 28
- 239000003814 drug Substances 0.000 claims description 35
- 230000000739 chaotic effect Effects 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000036541 health Effects 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 19
- 201000010099 disease Diseases 0.000 claims description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000012552 review Methods 0.000 claims description 13
- 238000012217 deletion Methods 0.000 claims description 10
- 230000037430 deletion Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 8
- 210000004369 blood Anatomy 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229940079593 drug Drugs 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 208000024891 symptom Diseases 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 208000017667 Chronic Disease Diseases 0.000 description 5
- 108010064719 Oxyhemoglobins Proteins 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010008479 Chest Pain Diseases 0.000 description 2
- 206010033557 Palpitations Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000000044 Amnesia Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 201000001431 Hyperuricemia Diseases 0.000 description 1
- 208000004044 Hypesthesia Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 206010047513 Vision blurred Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 208000034783 hypoesthesia Diseases 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000006984 memory degeneration Effects 0.000 description 1
- 208000023060 memory loss Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 231100000862 numbness Toxicity 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002496 oximetry Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- 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
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Nonlinear Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Storage Device Security (AREA)
Abstract
本发明公开了一种基于多端的身体数据管理方法及数据管理终端,包括在用户端选择第一数据的存储方法,将第一数据加密存储至用户端的本地存储器内;将第一数据加密传输至服务器端;选择本地获取则构建用户端与医师端的本地连接;若选择云端获取则经服务器端经用户端许可后,将第二数据加密传输至医师端;医师端断开与用户端或服务器端的连接后,医师端删除暂存的第二数据;本发明通过加密算法将数据加密存储,通过加密传输将数据传输至云端存储,避免泄密;同时医师端根据情况从用户端或服务器端获得第二数据,实现了医疗数据的数字化存储并保证了数据的安全。
Description
技术领域
本发明涉及数据管理领域,具体涉及一种基于多端的身体数据管理方法及数据管理终端。
背景技术
现阶段的中老年人群中,较多的人均患慢病,而慢病是指不构成传染、具有长期积累形成疾病形态损害的疾病的总称。一旦防治不及,会造成经济、生命等方面的危害。因为一般患有慢病的病人需要对身体数据进行监控,并且经常在医院进行相关的复查操作,而这就导致个人的相关病历数据越冷越多;而国内部分医院还采用纸质病历,即使大部分医院采用了电子病历,但是绝大多数医院的电子病历仅能够在本医院内进行存储,如果患者更换医院进行问诊,则新医院无法获得患者的历史病历,又需要患者重新进行医疗检查。
随着互联网技术的成熟和网络的发展,部分病人选择将自己的病历直接上传至网络云盘或者第三方app,但通过开放网络存储医疗数据有风险的,而且很容易被黑客非法访问,医疗数据的安全性受到恶意篡改和隐私泄露的严重挑战。如果这些私人数据被偷看或被未经授权的人使用,可能会发生如医疗营销和欺诈性保险索赔等事故。
发明内容
本发明所要解决的技术问题是慢病患者的医疗数据存储方式落后,目的在于提供一种基于多端的身体数据管理方法及数据管理终端,解决了医疗数据的存储及存储过程中的保密问题。
本发明通过下述技术方案实现:
一种基于多端的身体数据管理方法,包括:
在用户端选择第一数据的存储方法,所述存储方法包括本地存储和云端存储;所述第一数据为新获取的待存储数据;
若选择本地存储则将第一数据加密存储至用户端的本地存储器内;
若选择云端存储,则与服务器端建立连接,并将第一数据加密传输至服务器端;
在医师端选择第二数据的获取方法,所述获取方法包括本地获取和云端获取;所述第二数据为用户已存储的数据;
若选择本地获取,则构建用户端与医师端的本地连接,用户端将第二数据传输至医师端解密并暂存;
若选择云端获取,则医师端与服务器端建立连接,用户端与服务器端建立连接,服务器端经用户端许可后,将第二数据加密传输至医师端并暂存;
医师端断开与用户端或服务器端的连接后,医师端删除暂存的第二数据。
具体地,用户端获取第一数据的获取途径包括体检获得、用户端监测获得和诊断获得;
当获取途径为体检获得时的获取方法包括:
建立用户端与体检设备的本地连接,体检设备将第一数据传输至用户端,体检设备删除暂存的第一数据;
当获取途径为用户端监测获得时的获取方法包括:
具备实时监测功能的用户端获取用户的体征数据,筛选数据后获得第一数据;
当获取途径为诊断获得时的获取方法为:
医师端建立与用户端的本地连接,医师端将第一数据传输至用户端,医师端删除暂存的第一数据。
具体地,本地存储器加密存储的方法包括:
在用户端设置现场可编程逻辑门阵列,并在现场编辑成逻辑门阵列内烧录初始密钥;
将第一数据转换为图片数据,并通过初始密钥对图片数据进行加密,获得加密的第一数据;
将加密的第一数据存储至本地存储器;
医师端与用户端本地连接后,获得第二数据的方法包括:
在医师端内设嵌入式安全芯片,并对嵌入式安全芯片设置空白密钥;
医师端与用户端建立本地连接后,医师端向用户端发出配对请求;若配对请求通过,则用户端向发送密钥序列;
医师端接收密钥序列后,将空白密钥替换为密钥序列;
用户端向医师端发送第二数据,所述第二数据为部分第一加密数据;
医师端接收第二数据后,通过密钥序列对第二数据进行解密,获得解密后的第二数据。
具体地,通过初始密钥进行图片数据加密的方法包括:
将图片数据进行数字化获得像素值矩阵,并以左上至右下的方向将像素值矩阵分割为多个为以字节为单位的4×4矩阵序列作为明文;
将初始密钥分割为以字节为单位的4×4矩阵序列,并通过密钥拓展程序迭代将初始密钥拓展为44个字节的密钥序列{W[0]、W[1]、W[2]、W[3]、……、W[42]、W[43]};
以四个字节为一组将密钥序列按顺序分为10组,并对明文进行10轮加密获得密文,前9轮加密方法包括位替换、行移位、列混淆和轮密钥加,第10轮加密方法包括位替换、行移位和轮密钥加;
通过密钥序列对第二数据进行解密的方法包括:
接收用户端发送的密钥序列,并逆运算为解密序列{W[43]、W[42]、W[41]、W[40]、……、W[1]、W[0]};
对加密过程进行逆运算,获得复原的像素值矩阵,并获得解密后的图片数据。
具体地,进行服务器端与用户端、服务器端与医师端之间的数据传输的方法包括:发送端加密发送和接收端接收解密;
在发送端确定需要发送的数据后,所述发送端加密发送的方法包括:
利用Henon混沌序列作为Chebyshev混沌神经网络的训练样本对神经网络进行训练,获得Chebyshev混沌神经网络模型,得到神经网络模型的网络权值和网络偏置;
将待发送的数据转换为图片数据,并将图片数据像素作为基本单元构建像素矩阵,获得明文序列;
任选混沌初值和非线性非周期性控制率,并由获得Chebyshev混沌神经网络模型计算得到混沌序列;
确定混沌序列中有序排列中的位置,构成置换地址集合;
通过置换地址集合对明文序列进行逐列置换和逐行置换,并重复多次;并对置换后的像素矩阵进行扩散处理,获得密文序列;
在接收端接收发送端发送的密文序列后,所述接收端接收解密的方法包括:
在接收端预设Chebyshev混沌神经网络模型,并使发送端和接收端的神经网络的网络权值和网络偏置相同;
向发送端请求混沌初值和非线性非周期性控制率;请求通过后,发送端向接收端发送混沌初值和非线性非周期性控制率;
通过混沌序列对密文序列进行逆运算,获得明文序列;
将明文序列还原为图片数据。
具体地,当服务器端作为发送端,医师端作为接收端,医师端需要调取位于服务器端内的第二数据时,需要构建服务器端、用户端和医师端三端连接;具体方法包括:
医师端向服务器端发送请求信息,所述请求信息包括认证请求、医师端的身份信息、用户端的用户信息;
服务器端获得请求信息后,根据用户信息确定用户端,并将身份信息发送至用户端;
用户端对身份信息进行验证,验证无误后,用户端生成通话密钥,并将通话密钥发送至服务器端;同时通过线下输入的方式将通话密钥输入至医师端;
服务器端和医师端通过通话密钥确定连接,服务器端对第二数据进行加密并传输至医师端;
医师端接收加密的第二数据后解密获得第二数据。
可选地,所述医师端内设置有缓存区域,所述第二数据放置在缓存区域内,且对医师端设定触发阈值,触发阈值包括查询次数和暂存时间;当触发任一触发阈值后,医师端自动删除缓存区域内的第二数据。
具体地,在服务器端构建第一数据库,所述第一数据库中包含关键词数据和回复数据,多个关键词数据与多个回复数据呈多对多的对应关系;
用户端与服务器端建立连接;
用户端向服务器端传输第一信息,服务器端对第一信息进行关键词提取,获得第一信息中的关键词;
将关键词与关键词数据对比,若存在对应的关键词数据,则将关键词数据对应的回复数据加密传输至用户端;
若不存在对应的关键词数据,尝试建立服务器端与医师端的连接,若建立成功,则将第一信息发送至医师端,医师端发送第二信息至服务器端,服务器端将第二信息发送至用户端;若建立不成功,则返回第三信息至用户端;
将关键词存储为关键词数据,将第二信息存储为回复数据;
其中,所述第一信息为咨询信息,第二信息为回复信息,第三信息为无法回复报错信息。
具体地,关键词识别的方法包括:
构建删除库,所述删除库包括无意义符号库、停用词库、非重要单词库;
通过删除库对第一信息进行预处理,并获得第四信息;
确定关键词的多个候选词,并以候选词为节点构建文本图,所述文本图中所有的边中包含至少k个三角形,k为每条边至少拥有的强关系个数;
确定分值阈值和每个候选词的分值,并判定分值大于分值阈值的候选词为关键词,分值的计算公式为:s=a×b×c×d×e×f×g,其中a为节点的层次等级,b为节点的语义强度,c为节点的语义连接程度,d为节点的位置权重,e为节点至中心节点的位置,f为节点贡献度,g为节点的词频。
可选地,管理方法还包括预约服务和警报服务;
预约服务的运行方法包括:
在服务器端构建第二数据库,第二数据库中包含用户的随访信息和复查建议;
服务器端监控第二数据库内的数据,并生成第四信息,第四信息为初步复查随访的目标和计划;
服务器端将第四信息发送至用户端,用户端接收第四信息后,确定复查时间后,用户端向服务器端发送第五信息,第五信息为预约信息;
服务器端接收第五信息后,同步第五信息至对应的医师端;
警报服务的运行方法包括:
将用户端与监测设备连接,监测设备用于检测用户心率、血氧饱和度;
监测设备将检测信息传输至用户端,用户端接收信息后,判断用户心率和血氧饱和度是否在阈值范围内;若不在阈值范围内,则通过用户端发出报警信息;
用户端定时向服务器端传输第七信息,第七信息为用户向用户端输入的健康症状;
服务器端接收第七信息后,对第七信息进行分析,若发现异常,则向用户端和医师端发送报警信息。
可选地,提管理方法还包括异常结果提醒服务、知识提醒服务和配药提醒服务;
异常结果提醒服务的运行方法包括:
经过用户端许可后,医师端可以提取服务器端内的第一数据;
医师端通过对第一数据的判断,确定第一数据是否为异常结果;若为异常结果,则通过服务器端向用户端发送提醒就诊信息;
知识提醒服务的运行方法包括:
在服务器端构建第三数据库,第三数据库中包含病种类别以及各病种对应的健康宣教知识;
服务器端通过第一数据进行病种风险分析,并经用户端许可后,向用户端推送对应的健康宣教知识;
医师端向服务器端发送第六信息,第六信息为健康宣教知识的更新信息;
配药提醒服务的运行方法包括:
向用户端录入第八信息,第八信息包括已确诊的疾病、服用药物的信息、药物余量信息;
设置提醒信息,提醒信息包括服药时间、服药种类;
用户服药后,修正第八信息中的药物余量信息;
并设定药物提醒阈值,当药物余量信息低于药物提醒阈值时,进行配药提醒。
一种基于多端的身体数据管理终端,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述的一种基于多端的身体数据管理方法的步骤。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明为用户提供两种医疗数据的存储方法,若用户选择本地存储,则通过加密算法将第一数据进行加密存储,避免在用户端造成泄密;若用户选择云端存储,则通过加密传输将第一数据传输至云端存储,避免在传输的过程中造成泄密;同时医师端根据情况从用户端或服务器端获得第二数据,实现了医疗数据的数字化存储并保证了数据的安全;
同时,本发明的方法中还包括咨询服务、预约服务、警报服务、异常结果提醒服务、知识提醒服务和配药提醒服务,通过多个服务的协同工作,使用户可以通过用户端实现与服务器、医师端的沟通,增加用户端的功能使其能够起到更多的健康管理功能。
附图说明
附图示出了本发明的示例性实施方式,并与其说明一起用于解释本发明的原理,其中包括了这些附图以提供对本发明的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分,并不构成对本发明实施例的限定。
图1是根据本发明所述的一种基于多端的身体数据管理方法的流程示意图。
图2是根据本发明所述的本地加密存储的流程示意图。
图3是根据本发明所述的医师端调取服务器端的数据的许可方法的流程示意图。
图4是根据本发明所述的咨询功能的流程示意图。
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,下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施方式仅用于解释相关内容,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分。
在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
用户端可以是智能手机、智能手表、专用PDA、平板电脑等易于携带的可联网设备。
医师端可以是智能手机、专用PDA、平板电脑、笔记本电脑、台式电脑等可联网设备。
服务器端是一台服务器,或者由若干台服务器组成的服务器集群,或是一个云计算服务中心,具备存储、计算、容灾备份等功能。
实施例一
如图1所示,为了将医疗数据进行数字化,本实施例提供两种数字化存储的方式,其一为本地存储,其二为云端存储,为了而实现对身体数据的管理,提供一种基于多端的身体数据管理装置,本装置分为用户端、服务器端和医师端,用户端为患者自身携带并使用,医师端为设置在医院内供医生使用,服务器端即为云端。
并且,用户端与服务器端之间通过互联网连接,医师端与服务器端之间也通过互联网连接,用户端与医师端之间可以通过本地的有线连接或无线连接,即用户端与医师端之间可以不通过互联网传输数据,避免输出被泄露。
基于上述装置,本实施例提供一种基于多端的身体数据管理方法,包括:
在用户选择将医疗数据数字化存储后,在用户端选择第一数据的存储方法,存储方法包括本地存储和云端存储;第一数据为新获取的待存储数据;本地存储直接存储在用户端内,云端存储存储在服务器端内。
若选择本地存储则将第一数据加密存储至用户端的本地存储器内;即为了避免用户端遗失后,非法人员从用户端的本地存储器内读取相关的数据,在对第一数据进行存储时,对第一数据进化加密,且设定用户端不具有解密功能,即进行加密存储后的数据,在用户端本体内是无法进行解密的。这么设定的原因是,一般患者在正常就医过程中,不需要对具体的医疗数据进行查阅,设置不具备解密功能的用户端,可以避免数据泄露。
并且,为了对第一数据进行区分,可以在加密前进行命名,例如将第一数据按时间、体检指标、X光、CT等进行分类。
若选择云端存储,则与服务器端建立连接,并将第一数据加密传输至服务器端;通过对第一数据加密传输至服务器端后,服务器端通过自身的加密方法实现对数据的加密,并且将第一数据从用户端彻底删除,避免出现数据残留。
因为用户可能选择两种不同的数据存储方法,因此医师端也具有两种数据获取方法,医生根据患者的数据存储情况,在医师端选择第二数据的获取方法,获取方法包括本地获取和云端获取;第二数据为用户已存储的数据;
若选择本地获取,则构建用户端与医师端的本地连接,用户端将第二数据传输至医师端解密并暂存;实际中第二数据为已经加密的第一数据,且医生不需要了解患者所有的数据,因此可以根据需要连接的具体数据,从第一数据中选择合适的分类,并将其传输至医师端,医师端具备了解密的功能,则可以对第二数据进行解密,获得解密后的医疗数据。
若选择云端获取,则医师端与服务器端建立连接,用户端与服务器端建立连接,服务器端经用户端许可后,将第二数据加密传输至医师端并暂存;如果用户选择将第一数据存储在服务器端内,为了避免医师端随意下载数据,则在医师端想服务器端请求下载时,服务器端需要获得用户端的许可后才会将需要的第二数据加密传输至医师端,避免了数据泄露。
医师端断开与用户端或服务器端的连接后,医师端删除暂存的第二数据。另外,为了避免医师端存储患者数据,在断开连接后即删除患者的数据。
用户端获取患者的第一数据的途径有多个,本实施例中提供至少三个途径,即体检获得、用户端监测获得和诊断获得;
体检获得即患者在医院进行体检操作,包括但不限于血液化验、X光、CT、核磁共振、超声、正电子发射断层扫描等通过设备进行检查的项目,上述项目会产生患者的医疗数据,因此当获取途径为体检获得时的获取方法包括:
建立用户端与体检设备的本地连接,体检设备将第一数据传输至用户端,体检设备删除暂存的第一数据;体检设备一般情况为体检结果查询机,通过将体检设备与用户设备进行连接,将第一数据传输至用户端,让用户决定如何存储数据。
用户端监测获得即患者自身佩戴的健康设备或家用快速检测设备,包括但不限于智能手表、家用血压计、家用血氧仪、家用血糖仪等,通过蓝牙、wifi、有线等实现上述设备与用户端的连接,并将检测的数据传输至用户端,当获取途径为用户端监测获得时的获取方法包括:
具备实时监测功能的用户端获取用户的体征数据,筛选数据后获得第一数据;用户端需要对各种数据进行初步筛选,并将符合要求的体征数据进行上传。
诊断获得即患者在进行就医时,医生会根据已有的医疗数据对患者的当前身体状况进行判断,同时可能会进行相关治疗,因此需要将上述医疗数据进行保存,当获取途径为诊断获得时的获取方法为:
医师端建立与用户端的本地连接,医师端将第一数据传输至用户端,医师端删除暂存的第一数据。
实施例二
现阶段部分电子设备的存储器一般情况下并无任何访问控制防护手段,如果非法人员获得了患者的用户端,则可以通过直接读取存储器内的数据获得具体数据,且即使部分电子设备具备软件加密功能,其也是采用基于文件格式的加密软件对其进行加密,但是加密软件通过付费破解软件进行破解的概率较大。
如图2所示,因此本实施例提供一种本地存储器加密存储的方法,即在用户端对第一数据进行硬件加密,且用户端不具备解密的功能,因此即使用户端遗失,也无法通过检测的软件破解来实现对加密数据的破解,具体方法包括加密方法和解密方法:
(1)加密方法包括:
在用户端设置现场可编程逻辑门阵列,并在现场编辑成逻辑门阵列内烧录初始密钥,初始密钥为128位。
将第一数据转换为图片数据,相对于文字,图片数据被破译的概率更小。
通过初始密钥对图片数据进行加密,获得加密的第一数据,将加密的第一数据存储至本地存储器;
其中,通过初始密钥进行图片数据加密的方法包括:
将图片数据进行数字化获得像素值矩阵,并以左上至右下的方向将像素值矩阵分割为多个为以字节为单位的4×4矩阵序列作为明文;即矩阵序列中每个元素矩阵为128位。加密前后,每个元素矩阵中的元素发生变化,相应图像像素值发生变化,从而实现对信息的隐藏。
将初始密钥分割为以字节为单位的4×4矩阵序列,并通过密钥拓展程序迭代将初始密钥拓展为44个字节的密钥序列{W[0]、W[1]、W[2]、W[3]、……、W[42]、W[43]};若要对初始密钥进行修改,只需在硬件描述语言文件中重新定义并烧写W[0]、W[1]、W[2]、W[3]即可。
以四个字节为一组将密钥序列按顺序分为10组,并对明文进行10轮加密获得密文,前9轮加密方法包括位替换、行移位、列混淆和轮密钥加,第10轮加密方法包括位替换、行移位和轮密钥加;
(2)解密方法包括:
医师端与用户端本地连接后,获得第二数据的方法包括:
在医师端内设嵌入式安全芯片,并对嵌入式安全芯片设置空白密钥;
医师端与用户端建立本地连接后,医师端向用户端发出配对请求;若配对请求通过,则用户端向发送密钥序列;
医师端接收密钥序列后,将空白密钥替换为密钥序列;
用户端向医师端发送第二数据,第二数据为部分第一加密数据;即用户端可以选择需要发送的部分第一数据,同时也可以由医师端进行请求,由用户端进行确认。
医师端接收第二数据后,通过密钥序列对第二数据进行解密,获得解密后的第二数据。
通过密钥序列对第二数据进行解密的方法包括:
接收用户端发送的密钥序列,并逆运算为解密序列{W[43]、W[42]、W[41]、W[40]、……、W[1]、W[0]};
对加密过程进行逆运算,获得复原的像素值矩阵,并获得解密后的图片数据。
实施例三
如果用户选择将医疗数据存储在服务器端,则需要避免在传输的过程中出现泄密,因此在进行服务器端与用户端、服务器端与医师端之间的数据传输的方法包括:发送端加密发送和接收端接收解密。即如果用户端向服务器端发送数据,则用户端为发送端,服务器端为接收端。如果服务器端向医师端发送数据,则服务器端为发送端,医师端为接收端。
(1)发送端加密发送的方法包括:
在发送端确定需要发送的数据后。
利用Henon混沌序列作为Chebyshev混沌神经网络的训练样本对神经网络进行训练,获得Chebyshev混沌神经网络模型,得到神经网络模型的网络权值和网络偏置;
将待发送的数据转换为图片数据,并将图片数据像素作为基本单元构建像素矩阵,获得明文序列;如果存储的已经为图片数据,则不进行转换,例如存储在服务器端内的数据已经在用户端上传时转换为了图片数据。
任选混沌初值和非线性非周期性控制率,并由获得Chebyshev混沌神经网络模型计算得到混沌序列;
确定混沌序列中有序排列中的位置,构成置换地址集合;
通过置换地址集合对明文序列进行逐列置换和逐行置换,并重复多次;经过图像置乱后,打破了图像像素位置,使得像素排列的相关性和规律性被破坏,在一定程度上保证了图像信息的安全性,但是像素本身却没有发生任何改变,还是无法有效抵御攻击,因此还需要对置乱后的图像进行扩散处理,彻底混淆明文图像与密文图像之间的关系,因此对置换后的像素矩阵进行扩散处理,获得密文序列;
(2)接收端接收解密的方法包括:
在接收端预设Chebyshev混沌神经网络模型,并使发送端和接收端的神经网络的网络权值和网络偏置相同。
在接收端接收发送端发送的密文序列。
向发送端请求混沌初值和非线性非周期性控制率;请求通过后,发送端向接收端发送混沌初值和非线性非周期性控制率;将混沌初值和非线性非周期性控制率输入接收端的Chebyshev混沌神经网络模型获得混沌序列。
通过混沌序列对密文序列进行逆运算,获得明文序列;
将明文序列还原为图片数据。
实施例四
如图3所示,在实施例三中,以当服务器端作为发送端,医师端作为接收端,医师端可调取服务器端内的数据,但是为了避免医师端在不经过用户允许的情况下随意调取,本实施例提供一种许可方法,即在医师端需要调取位于服务器端内的第二数据时,需要构建服务器端、用户端和医师端三端连接;此时服务器端和用户端之间处于互联网联网状态,服务器端与医师端之间处于互联网联网状态。
具体许可方法包括:
医师端向服务器端发送请求信息,请求信息包括认证请求、医师端的身份信息、用户端的用户信息;
服务器端获得请求信息后,根据用户信息确定用户端,并将身份信息发送至用户端;
用户端对身份信息进行验证,即确定请求调取数据的是否为许可医生,如果是,则证明验证无误,用户端生成通话密钥,并将通话密钥发送至服务器端;同时通过线下输入的方式将通话密钥输入至医师端;即通过非互联网的方式将通话密钥告知医师端。本实施例中通话密钥可以为验证码的格式。医师端输入的验证码与服务器端的验证码匹配后,可以实现医师端与服务器端的连接。
服务器端和医师端通过通话密钥确定连接,服务器端对第二数据进行加密并传输至医师端;
医师端接收加密的第二数据后解密获得第二数据。
另外,上述几个实施例中的网络传输或本地传输存在阅后即焚功能,即在医师端内设置有缓存区域,第二数据放置在缓存区域内,且对医师端设定触发阈值,触发阈值包括查询次数和暂存时间;当触发任一触发阈值后,医师端自动删除缓存区域内的第二数据。
实施例五
上述实施例完成对身体健康数据的基本管理,本实施例提供一个额外的自助咨询功能,便于减轻患者因轻度身体不适频繁前来医院的情况。如图4所示。
在服务器端构建第一数据库,第一数据库中包含关键词数据和回复数据,多个关键词数据与多个回复数据呈多对多的对应关系;关键词一般情况下为病状,回复数据一般为病状对应的病情、病理及就医情况。
用户端与服务器端建立连接。
用户端向服务器端传输第一信息,服务器端对第一信息进行关键词提取,获得第一信息中的关键词;第一信息为咨询信息,即用户对病状的描述。
将关键词与关键词数据对比,若存在对应的关键词数据,则将关键词数据对应的回复数据加密传输至用户端;
若不存在对应的关键词数据,尝试建立服务器端与医师端的连接,若建立成功,则将第一信息发送至医师端,医师端发送第二信息至服务器端,服务器端将第二信息发送至用户端;若建立不成功,则返回第三信息至用户端;第二信息为回复信息,第三信息为无法回复报错信息。
将关键词存储为关键词数据,将第二信息存储为回复数据。
即基本功能是如果第一数据库中有对应的关键词,则将回复数据发送至用户端,供用户参考。如果第一数据库中无对应的关键词,则尝试将问题发送给医师端,由医师端对应的医生进行相关答疑,并在答疑完成后将回复信息进行存储,从而使得第一数据库可以在长期使用后,提升数据量。如果医师端不在线,则告知用户暂时无法咨询。
可见,在上述方法中,关键词识别较为重要,本实施例提供一种关键词识别方法,包括:
构建删除库,删除库包括无意义符号库、停用词库、非重要单词库;一般用户描述病状均包含了过多的干扰信息,例如你我他、标点符号、然后、了、去医院等。
通过删除库对第一信息进行预处理,并获得第四信息;即根据删除库将干扰信息进行删除,留下关键词候选词。
确定关键词的多个候选词,并以候选词为节点构建文本图,文本图中所有的边中包含至少k个三角形,k为每条边至少拥有的强关系个数;
确定分值阈值和每个候选词的分值,并判定分值大于分值阈值的候选词为关键词,分值的计算公式为:s=a×b×c×d×e×f×g。
a为节点的层次等级,就是节点所有邻接边的所有k-truss子图中极大的k值。节点的层次等级越高,表明该节点与其他节点的连接关系越强。
b为节点的语义强度,语义强度刻画了与节点在同一上下文中同时出现的其他单词的语义关系的强度.
c为节点的语义连接程度,表示其邻居节点所属的不同概念(层次)的数量。
d为节点的位置权重,即节点出现的位置不同,对应的权重值不同。
e为节点至中心节点的位置,一个节点距离中心节点越近,它成为重要关键词的概率越大,中心节点被认为是度最高的节点。
f为节点贡献度,节点贡献度是节点到所有邻接点边的权重均值,均值越大对邻接点的贡献度越大。
g为节点的词频。
实施例六
为了增加用户端的功能,本实施例中的用户端还包括了预约预约服务和警报服务。
预约服务的功能为:抓取服务器端内用户相应情况,并生成初步复查随访目标和计划,可按照复查随访计划在应当进行复查的前3-5天提醒用户准备前往复查,用户经提醒后,可以自助预约复查时间。
预约服务的运行方法包括:
在服务器端构建第二数据库,第二数据库中包含用户的随访信息和复查建议;
服务器端监控第二数据库内的数据,并生成第四信息,第四信息为初步复查随访的目标和计划;
服务器端将第四信息发送至用户端,用户端接收第四信息后,确定复查时间后,用户端向服务器端发送第五信息,第五信息为预约信息;
服务器端接收第五信息后,同步第五信息至对应的医师端。
警报服务的运行方法包括:
将用户端与监测设备连接,监测设备用于检测用户心率、血氧饱和度;本实施例中的监测设备可以为智能手表、智能手环等穿戴式设备,
监测设备将检测信息传输至用户端,用户端接收信息后,判断用户心率和血氧饱和度是否在阈值范围内;若不在阈值范围内,则通过用户端发出报警信息;监测用户心率并同步到用户端,当心率过慢可能出现危险时自动报警,当心率过快时提醒用户检查此刻心率属于静息心率还是运动后心率,若静息状态下心动过速或确认用户存在心慌、胸闷不是,仍会发生就医提醒。手环具备血氧饱和度传感功能,可检测患有呼吸系统疾病患者的血氧情况以及睡眠期间血氧饱和度情况,并可在用户端和医师端查看血氧饱和度走势图,若发现患者夜间血氧饱和度下降,可提醒用户排除睡眠呼吸暂停综合征。并且配备定位系统,防止记忆力下降或老年用户走丢。
用户端定时向服务器端传输第七信息,第七信息为用户向用户端输入的健康症状;即用户端可以定时定期提醒用户上报个人目前健康症状,例如有无头昏、头痛、胸闷、心慌、视物模糊、手脚麻木等表现,医师可在医师端查看客户的个人症状问卷并结合客户的健康档案给客户反馈相应的意见,比如是否需要及时就医治疗等。
服务器端具备自检功能,当服务器端接收第七信息后,对第七信息进行分析,若发现异常,则向用户端和医师端发送报警信息。
为方便用户和医师客观了解客户的病情控制情况,可将相应的数据生成折线走势图。同时,若客户随机复查内容中存在超过预警值的数据,也将纳入超预警值管理,及时向用户端发送就诊警示,并将相应的异常值传送带医师端,医师可指导客户及时处理预警信息并协助客户共同分析指标明显异常的原因,帮助客户及时就诊不健康生活方式并采取健康行为。
实施例七
本实施例中的管理方法还包括异常结果提醒服务、知识提醒服务和配药提醒服务。
为了避免用户出现异常后未能及时发现并就医,本实施例中的医师端可提取需要及时就诊的存在明显异常结果的用户名单,并根据用户的个人信息线下提醒就诊,提供协助预约/挂号等服务。
异常结果提醒服务的运行方法包括:
经过用户端许可后,医师端可以提取服务器端内的第一数据;
医师端通过对第一数据的判断,确定第一数据是否为异常结果;若为异常结果,则通过服务器端向用户端发送提醒就诊信息。
另外,本实施例可以通过向用户推送相关医疗知识,进行健康宣传。
知识提醒服务的运行方法包括:
在服务器端构建第三数据库,第三数据库中包含病种类别以及各病种对应的健康宣教知识;
服务器端通过第一数据进行病种风险分析,并经用户端许可后,向用户端推送对应的健康宣教知识;
医师端向服务器端发送第六信息,第六信息为健康宣教知识的更新信息。
可以提前按高血压、糖尿病、冠心病、高脂血症、高尿酸血症、骨质疏松等各个单病种准备各个病种的健康宣教知识。根据用户的既有数据所作的相应慢性疾病风险分析,根据分析结果给用户端精准推送相应的健康宣教知识。同时医师端的健康宣教知识库应当是可更新、可编辑,定期维护的。
同时,考虑到避免一次性大量推送相应知识后用户吸收率低、推送时间间隔过久后客户可能失去受监督心理中途重拾不健康行为,可以提前设置推送频率,将准备好的健康宣教知识定期循环推送给用户。
为了减少老年慢病患者漏服药、错服药或忘记配药等事件的发生,配药提醒服务的运行方法包括:
向用户端录入第八信息,第八信息包括已确诊的疾病、服用药物的信息、药物余量信息;即输入目前所使用药物的种类、生产厂家、剂量、剂型。
设置提醒信息,提醒信息包括服药时间、服药种类;
用户服药后,修正第八信息中的药物余量信息;
并设定药物提醒阈值,当药物余量信息低于药物提醒阈值时,进行配药提醒。
实施例八
一种基于多端的身体数据管理终端,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述的一种基于多端的身体数据管理方法的步骤。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的一种基于多端的身体数据管理方法的步骤。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器和大容量存储设备可以统称为存储器。
在本说明书的描述中,参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本发明,而并非是对本发明的范围进行限定。对于所属领域的技术人员而言,在上述发明的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本发明的范围内。
Claims (10)
1.一种基于多端的身体数据管理方法,其特征在于,包括:
在用户端选择第一数据的存储方法,所述存储方法包括本地存储和云端存储;所述第一数据为新获取的待存储数据;
若选择本地存储则将第一数据加密存储至用户端的本地存储器内;
若选择云端存储,则与服务器端建立连接,并将第一数据加密传输至服务器端;
在医师端选择第二数据的获取方法,所述获取方法包括本地获取和云端获取;所述第二数据为用户已存储的数据;
若选择本地获取,则构建用户端与医师端的本地连接,用户端将第二数据传输至医师端解密并暂存;
若选择云端获取,则医师端与服务器端建立连接,用户端与服务器端建立连接,服务器端经用户端许可后,将第二数据加密传输至医师端并暂存;
医师端断开与用户端或服务器端的连接后,医师端删除暂存的第二数据。
2.根据权利要求1所述的一种基于多端的身体数据管理方法,其特征在于,用户端获取第一数据的获取途径包括体检获得、用户端监测获得和诊断获得;
当获取途径为体检获得时的获取方法包括:
建立用户端与体检设备的本地连接,体检设备将第一数据传输至用户端,体检设备删除暂存的第一数据;
当获取途径为用户端监测获得时的获取方法包括:
具备实时监测功能的用户端获取用户的体征数据,筛选数据后获得第一数据;
当获取途径为诊断获得时的获取方法为:
医师端建立与用户端的本地连接,医师端将第一数据传输至用户端,医师端删除暂存的第一数据。
3.根据权利要求2所述的一种基于多端的身体数据管理方法,其特征在于,本地存储器加密存储的方法包括:
在用户端设置现场可编程逻辑门阵列,并在现场编辑成逻辑门阵列内烧录初始密钥;
将第一数据转换为图片数据,并通过初始密钥对图片数据进行加密,获得加密的第一数据;
将加密的第一数据存储至本地存储器;
医师端与用户端本地连接后,获得第二数据的方法包括:
在医师端内设嵌入式安全芯片,并对嵌入式安全芯片设置空白密钥;
医师端与用户端建立本地连接后,医师端向用户端发出配对请求;若配对请求通过,则用户端向发送密钥序列;
医师端接收密钥序列后,将空白密钥替换为密钥序列;
用户端向医师端发送第二数据,所述第二数据为部分第一加密数据;
医师端接收第二数据后,通过密钥序列对第二数据进行解密,获得解密后的第二数据。
4.根据权利要求3所述的一种基于多端的身体数据管理方法,其特征在于,通过初始密钥进行图片数据加密的方法包括:
将图片数据进行数字化获得像素值矩阵,并以左上至右下的方向将像素值矩阵分割为多个为以字节为单位的4×4矩阵序列作为明文;
将初始密钥分割为以字节为单位的4×4矩阵序列,并通过密钥拓展程序迭代将初始密钥拓展为44个字节的密钥序列{W[0]、W[1]、W[2]、W[3]、……、W[42]、W[43]};
以四个字节为一组将密钥序列按顺序分为10组,并对明文进行10轮加密获得密文,前9轮加密方法包括位替换、行移位、列混淆和轮密钥加,第10轮加密方法包括位替换、行移位和轮密钥加;
通过密钥序列对第二数据进行解密的方法包括:
接收用户端发送的密钥序列,并逆运算为解密序列{W[43]、W[42]、W[41]、W[40]、……、W[1]、W[0]};
对加密过程进行逆运算,获得复原的像素值矩阵,并获得解密后的图片数据。
5.根据权利要求2所述的一种基于多端的身体数据管理方法,其特征在于,进行服务器端与用户端、服务器端与医师端之间的数据传输的方法包括:发送端加密发送和接收端接收解密;
在发送端确定需要发送的数据后,所述发送端加密发送的方法包括:
利用Henon混沌序列作为Chebyshev混沌神经网络的训练样本对神经网络进行训练,获得Chebyshev混沌神经网络模型,得到神经网络模型的网络权值和网络偏置;
将待发送的数据转换为图片数据,并将图片数据像素作为基本单元构建像素矩阵,获得明文序列;
任选混沌初值和非线性非周期性控制率,并由获得Chebyshev混沌神经网络模型计算得到混沌序列;
确定混沌序列中有序排列中的位置,构成置换地址集合;
通过置换地址集合对明文序列进行逐列置换和逐行置换,并重复多次;并对置换后的像素矩阵进行扩散处理,获得密文序列;
在接收端接收发送端发送的密文序列后,所述接收端接收解密的方法包括:
在接收端预设Chebyshev混沌神经网络模型,并使发送端和接收端的神经网络的网络权值和网络偏置相同;
向发送端请求混沌初值和非线性非周期性控制率;请求通过后,发送端向接收端发送混沌初值和非线性非周期性控制率;
通过混沌序列对密文序列进行逆运算,获得明文序列;
将明文序列还原为图片数据。
6.根据权利要求5所述的一种基于多端的身体数据管理方法,其特征在于,当服务器端作为发送端,医师端作为接收端,医师端需要调取位于服务器端内的第二数据时,需要构建服务器端、用户端和医师端三端连接;具体方法包括:
医师端向服务器端发送请求信息,所述请求信息包括认证请求、医师端的身份信息、用户端的用户信息;
服务器端获得请求信息后,根据用户信息确定用户端,并将身份信息发送至用户端;
用户端对身份信息进行验证,验证无误后,用户端生成通话密钥,并将通话加密密钥发送至服务器端;同时通过线下输入的方式将通话密钥输入至医师端;
服务器端和医师端通过通话密钥确定连接,服务器端对第二数据进行加密并传输至医师端;
医师端接收加密的第二数据后解密获得第二数据。
7.根据权利要求1所述的一种基于多端的身体数据管理方法,其特征在于,在服务器端构建第一数据库,所述第一数据库中包含关键词数据和回复数据,多个关键词数据与多个回复数据呈多对多的对应关系;
用户端与服务器端建立连接;
用户端向服务器端传输第一信息,服务器端对第一信息进行关键词提取,获得第一信息中的关键词;
将关键词与关键词数据对比,若存在对应的关键词数据,则将关键词数据对应的回复数据加密传输至用户端;
若不存在对应的关键词数据,尝试建立服务器端与医师端的连接,若建立成功,则将第一信息发送至医师端,医师端发送第二信息至服务器端,服务器端将第二信息发送至用户端;若建立不成功,则返回第三信息至用户端;
将关键词存储为关键词数据,将第二信息存储为回复数据;
其中,所述第一信息为咨询信息,第二信息为回复信息,第三信息为无法回复报错信息;关键词识别的方法包括:
构建删除库,所述删除库包括无意义符号库、停用词库、非重要单词库;
通过删除库对第一信息进行预处理,并获得第四信息;
确定关键词的多个候选词,并以候选词为节点构建文本图,所述文本图中所有的边中包含至少k个三角形,k为每条边至少拥有的强关系个数;
确定分值阈值和每个候选词的分值,并判定分值大于分值阈值的候选词为关键词,分值的计算公式为:s=a×b×c×d×e×f×g,其中a为节点的层次等级,b为节点的语义强度,c为节点的语义连接程度,d为节点的位置权重,e为节点至中心节点的位置,f为节点贡献度,g为节点的词频。
8.根据权利要求1所述的一种基于多端的身体数据管理方法,其特征在于,所述管理方法还包括预约服务和警报服务;
所述预约服务的运行方法包括:
在服务器端构建第二数据库,所述第二数据库中包含用户的随访信息和复查建议;
服务器端监控第二数据库内的数据,并生成第四信息,所述第四信息为初步复查随访的目标和计划;
服务器端将第四信息发送至用户端,用户端接收第四信息后,确定复查时间后,用户端向服务器端发送第五信息,所述第五信息为预约信息;
服务器端接收第五信息后,同步第五信息至对应的医师端;
所述警报服务的运行方法包括:
将用户端与监测设备连接,所述监测设备用于检测用户心率、血氧饱和度;
监测设备将检测信息传输至用户端,用户端接收信息后,判断用户心率和血氧饱和度是否在阈值范围内;若不在阈值范围内,则通过用户端发出报警信息;
用户端定时向服务器端传输第七信息,所述第七信息为用户向用户端输入的健康症状;
服务器端接收第七信息后,对第七信息进行分析,若发现异常,则向用户端和医师端发送报警信息。
9.根据权利要求1所述的一种基于多端的身体数据管理方法,其特征在于,所述提管理方法还包括异常结果提醒服务、知识提醒服务和配药提醒服务;
所述异常结果提醒服务的运行方法包括:
经过用户端许可后,医师端可以提取服务器端内的第一数据;
医师端通过对第一数据的判断,确定第一数据是否为异常结果;若为异常结果,则通过服务器端向用户端发送提醒就诊信息;
所述知识提醒服务的运行方法包括:
在服务器端构建第三数据库,所述第三数据库中包含病种类别以及各病种对应的健康宣教知识;
服务器端通过第一数据进行病种风险分析,并经用户端许可后,向用户端推送对应的健康宣教知识;
医师端向服务器端发送第六信息,所述第六信息为健康宣教知识的更新信息;
所述配药提醒服务的运行方法包括:
向用户端录入第八信息,所述第八信息包括已确诊的疾病、服用药物的信息、药物余量信息;
设置提醒信息,所述提醒信息包括服药时间、服药种类;
用户服药后,修正第八信息中的药物余量信息;
并设定药物提醒阈值,当药物余量信息低于药物提醒阈值时,进行配药提醒。
10.一种基于多端的身体数据管理终端,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9中任一项所述的一种基于多端的身体数据管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334797.XA CN115525917A (zh) | 2022-10-28 | 2022-10-28 | 一种基于多端的身体数据管理方法及数据管理终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334797.XA CN115525917A (zh) | 2022-10-28 | 2022-10-28 | 一种基于多端的身体数据管理方法及数据管理终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115525917A true CN115525917A (zh) | 2022-12-27 |
Family
ID=84704366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211334797.XA Withdrawn CN115525917A (zh) | 2022-10-28 | 2022-10-28 | 一种基于多端的身体数据管理方法及数据管理终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115525917A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116055046A (zh) * | 2023-03-31 | 2023-05-02 | 山东政信大数据科技有限责任公司 | 一种农产品在线安全交易系统 |
-
2022
- 2022-10-28 CN CN202211334797.XA patent/CN115525917A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116055046A (zh) * | 2023-03-31 | 2023-05-02 | 山东政信大数据科技有限责任公司 | 一种农产品在线安全交易系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11297459B2 (en) | Records access and management | |
US11462309B2 (en) | Automated electrocardiogram interpretation system and methods for use therewith | |
CN110462654B (zh) | 记录存取和管理 | |
EP2365458B1 (en) | A computer implemented method for determining the presence of a disease in a patient | |
Ahmed et al. | Insights into Internet of Medical Things (IoMT): Data fusion, security issues and potential solutions | |
KR102310227B1 (ko) | 블록체인을 이용한 의료 정보 조회 시스템과 방법 및 이를 위한 컴퓨터 프로그램 | |
KR102020284B1 (ko) | 건강관리 데이터 제공 서버, 제공 방법 및 프로그램 | |
US11862308B2 (en) | Methods and systems for analyzing accessing of medical data | |
KR20190111851A (ko) | 건강관리 데이터 제공 서버, 제공 방법 및 프로그램 | |
CN115525917A (zh) | 一种基于多端的身体数据管理方法及数据管理终端 | |
CN111370118A (zh) | 跨医疗机构的诊疗安全分析方法、装置和计算机设备 | |
Deepa | A Biometric Approach for Electronic Healthcare Database System using SAML-A Touchfree Technology | |
CN114783628A (zh) | 一种基于5g通讯和区块链的远程医疗会诊系统 | |
CN111554368A (zh) | 公共卫生系统与医疗系统互通系统及方法 | |
Muradova | Security of personal medical data for the Redis concept | |
US11791029B2 (en) | Methods and systems for analyzing accessing of drug dispensing systems | |
US12033736B2 (en) | Methods and systems for analyzing accessing of drug dispensing systems | |
CA3140861A1 (en) | Methods and systems for analyzing accessing of drug dispensing systems | |
US20190392925A1 (en) | Self-aware data storage, retrieval, and notification | |
Yogeshwar et al. | Proposed association rule hiding based privacy preservation model with block chain technology for IoT healthcare sector | |
CN117334285A (zh) | 一种医疗自助信息交互系统及方法 | |
CN114400081A (zh) | 一种医疗资源管理方法与系统 | |
JP2015201085A (ja) | 医療情報管理システム及び方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221227 |
|
WW01 | Invention patent application withdrawn after publication |