CN116030950A - 一种医疗数据整合管理方法 - Google Patents
一种医疗数据整合管理方法 Download PDFInfo
- Publication number
- CN116030950A CN116030950A CN202310306736.0A CN202310306736A CN116030950A CN 116030950 A CN116030950 A CN 116030950A CN 202310306736 A CN202310306736 A CN 202310306736A CN 116030950 A CN116030950 A CN 116030950A
- Authority
- CN
- China
- Prior art keywords
- data
- medical data
- source terminal
- data source
- cost function
- 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
- 230000010354 integration Effects 0.000 title claims abstract description 79
- 238000007726 management method Methods 0.000 title claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 89
- 238000007781 pre-processing Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 239000003814 drug Substances 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000001631 haemodialysis Methods 0.000 claims description 3
- 230000000322 hemodialysis Effects 0.000 claims description 3
- 210000003625 skull Anatomy 0.000 claims description 3
- 229940079593 drug Drugs 0.000 claims 2
- 238000011160 research Methods 0.000 description 7
- 230000006806 disease prevention Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010048669 Terminal state Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及一种医疗数据整合管理方法，包括：启动任务管理服务器和任务处理服务器，获取每份医疗数据的数据来源终端得到数据来源终端集，计算每个数据来源终端处理对应的医疗数据的时间及能量消耗，得到本地时能代价函数，及任务管理服务器和任务处理服务器处理对应的医疗数据的时间及能量消耗，得到远程时能代价函数，基于所述本地时能代价函数及远程时能代价函数，构建并求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理。本发明可以减轻整合点所在服务器整合医疗数据的计算压力过大问题。
Description
技术领域
本发明涉及医疗数据处理技术领域，尤其涉及一种医疗数据整合管理方法。
背景技术
随着医疗行业信息化的推进，医疗数据迎来井喷式增长，可想象到的是，大量的医疗数据在大数据背景下，对于医疗科研或医学类政策的制定具有重要的指导意义。
在执行医疗研究或医疗政策制定之前，前提条件是先汇总整合所有的医疗数据。可理解的是，医疗数据一般分散在各个医院各个部门，如何高效整合各个医院各个部门的医疗数据是急需解决的技术问题。
目前常用方法是在整合点构建强大计算能力的服务器，利用强大计算能力的服务器收集不同医院各个部门的医疗数据，在统一对医疗数据执行医疗文本的结构化处理、医疗图片的清晰度处理等。
上述方法虽然可实现医疗数据整合，但过度依赖整合点的服务器会造成服务器压力过大，甚至产生服务器崩溃的现象。
发明内容
本发明提供一种医疗数据整合管理方法其主要目的在于减轻整合点所在服务器整合医疗数据的计算压力过大问题。
为实现上述目的，本发明提供的一种医疗数据整合管理方法，包括：
接收对多份医疗数据的整合指令，根据所述整合指令启动任务管理服务器和任务处理服务器，其中，任务管理服务器和任务处理服务器基于移动边缘计算的运行原理构建，且医疗数据的类型包括就诊文本类数据、扫描图片类数据及挂号结构类数据，且每份医疗数据来源于不同医院的不同部门或同一医院的不同部门；
获取每份医疗数据的数据来源终端，得到数据来源终端集；
计算每个数据来源终端处理对应的医疗数据的时间及能量消耗，得到本地时能代价函数，及任务管理服务器和任务处理服务器处理对应的医疗数据的时间及能量消耗，得到远程时能代价函数；
基于所述本地时能代价函数及远程时能代价函数，构建整合多份医疗数据的整合代价函数，其中，整合代价函数为：
；
其中，表示整合多份医疗数据的整合代价函数，表示数据来源终端集中数据来源终端的终端数量，表示数据来源终端集中第个数据来源终端及对应的医疗数据，表示第个数据来源终端处理对应的医疗数据的本地时能代价函数，表示本地，表示处理第个数据来源终端对应的医疗数据的远程时能代价函数，表示远程，，当时，表示第个数据来源终端的医疗数据在任务管理服务器和任务处理服务器中处理，当时，表示第个数据来源终端的医疗数据在数据来源终端处理；
构建所述整合代价函数的约束函数，其中约束函数由对医疗数据执行预处理操作的最长时限构建得到；
在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理；
汇总执行完预处理操作的每份医疗数据至任务管理服务器，完成医疗数据的整合。
可选地，所述获取每份医疗数据的数据来源终端，得到数据来源终端集，包括：
确定每份医疗数据的数据量，其中数据量的单位为bit；
计算数据来源终端对对应的医疗数据执行整合操作之前的预处理操作的最长时限，其中预处理操作包括文本结构化、图片去噪、像素提升操作；
获取医疗数据对应的数据来源终端的CPU的单位数据计算量，其中单位数据计算量的单位为f/bit，f表示CPU的一个工作周期；
将所述数据量、最长时限及单位数据计算量构建得到数据来源终端的终端信息，并汇总每个数据来源终端的终端信息，得到所述数据来源终端集。
可选地，所述数据来源终端的终端信息为：
；
其中，表示第个数据来源终端的终端信息，表示第个数据来源终端的医疗数据的数据量，表示第个数据来源终端对医疗数据执行预处理操作的最长时限，表示第个数据来源终端的CPU的单位数据计算量。
可选地，所述本地时能代价函数和远程时能代价函数分别为：
；
；
其中，表示第个数据来源终端处理对应的医疗数据的本地时能代价函数，表示处理第个数据来源终端对应的医疗数据的远程时能代价函数，表示第个数据来源终端处理对应的医疗数据的时间消耗值，表示第个数据来源终端处理对应的医疗数据的能量消耗值，表示任务管理服务器和任务处理服务器处理第个数据来源终端的医疗数据的时间消耗值，表示任务管理服务器和任务处理服务器处理第个数据来源终端的医疗数据的能量消耗值。
可选地，所述构建所述整合代价函数的约束函数，包括：
获取任务处理服务器对第个数据来源终端的医疗数据执行预处理操作的最长时限；
根据任务处理服务器的最长时限，及数据来源终端的最长时限构建得到时限约束函数；
获取数据来源终端的运行功率上限值，根据所述运行功率上限值构建功率约束函数，其中时限约束函数及功率约束函数统称为整合代价函数的约束函数。
可选地，所述时限约束函数及功率约束函数分别为：
；
；
其中，表示第个数据来源终端对医疗数据执行预处理操作的最长时限，表示任务处理服务器对第个数据来源终端的医疗数据执行预处理操作的最长时限，表示任务管理服务器设定的对第个数据来源终端的医疗数据执行预处理操作的最长时限，表示第个数据来源终端的运行功率上限值，表示第个数据来源终端处理单位数据计算量的运行功率单位值。
可选地，所述在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，包括：
简化整合代价函数中的本地时能代价函数和远程时能代价函数，得到本地简化代价函数和远程简化代价函数；
根据拉格朗日数乘法，求解本地简化代价函数和远程简化代价函数在约束函数为限制前提下，每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理。
可选地，所述简化整合代价函数中的本地时能代价函数和远程时能代价函数，得到本地简化代价函数和远程简化代价函数，包括：
采用如下简化公式执行简化操作：
；
；
其中，表示本地简化代价函数，表示远程简化代价函数，表示时间消耗值的权重因子，表示能量消耗值的权重因子。
可选地，所述第个数据来源终端处理医疗数据的时间消耗值及能量消耗值的计算公式分别为：
；
；
其中，表示计算能量消耗值时预先设定的权重因子。
可选地，所述就诊文本类数据包括医生开具的就诊单、患者抓药的药单，所述扫描图片类数据包括头颅CT扫描图片、血液透析扫描图片。
本发明实施例为解决背景技术所述问题，先接收对多份医疗数据的整合指令，根据所述整合指令启动任务管理服务器和任务处理服务器，其中，任务管理服务器和任务处理服务器基于移动边缘计算的运行原理构建，且医疗数据的类型包括就诊文本类数据、扫描图片类数据及挂号结构类数据，且每份医疗数据来源于不同医院的不同部门或同一医院的不同部门，由于来源于不同医院不同部门的医疗数据的数据类型繁多，若统一上传至整合点所在任务处理服务器，极容易给任务处理服务器带来压力，因此本发明实施例获取每份医疗数据的数据来源终端，得到数据来源终端集，数据来源终端又称为本地数据终端，其可以直接上传所生成的医疗数据，因此本发明实施例先获取每个数据来源终端的终端信息，并根据终端信息评估数据来源终端是否可以分担任务管理服务器和任务处理服务器的整合压力，故计算每个数据来源终端处理对应的医疗数据的时间及能量消耗，得到本地时能代价函数，及任务管理服务器和任务处理服务器处理对应的医疗数据的时间及能量消耗，得到远程时能代价函数，进一步地，基于所述本地时能代价函数及远程时能代价函数，构建整合多份医疗数据的整合代价函数，可见整合代价函数的构建目的就是为了判断每份医疗数据的数据来源终端是否能分担任务管理服务器和任务处理服务器的整合压力，帮忙任务管理服务器和任务处理服务器执行医疗数据整合之前的预处理操作，如医疗文本的清洗及结构化、医疗图片的去噪等，最后，构建所述整合代价函数的约束函数，在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理，由此可见本发明实施例中，可高效利用医疗数据所在的数据来源终端，从而分担了任务管理服务器及任务处理服务器的压力。因此本发明提出的医疗数据整合管理方法、装置、电子设备及计算机可读存储介质，可以减轻整合点所在服务器整合医疗数据的计算压力过大问题。
附图说明
图1为本发明一实施例提供的医疗数据整合管理方法的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1所示，为本发明一实施例提供的医疗数据整合管理方法的流程示意图。在本实施例中，所述医疗数据整合管理方法包括：
S1、接收对多份医疗数据的整合指令，根据所述整合指令启动任务管理服务器和任务处理服务器，其中，任务管理服务器和任务处理服务器基于移动边缘计算的运行原理构建，且医疗数据的类型包括就诊文本类数据、扫描图片类数据及挂号结构类数据，且每份医疗数据来源于不同医院的不同部门或同一医院的不同部门。
需解释的是，医疗数据的类型包括就诊文本类数据、扫描图片类数据及挂号结构类数据等各种与医疗相关的数据。其中就诊文本类数据包括医生开具的就诊单、患者抓药的药单等；扫描图片类数据包括头颅CT扫描图片、血液透析扫描图片等。
需理解的是，医疗数据的整合需求是极其有必要的，同时获取不同医院的不同部门或同一医院的不同部门的所有医疗数据，并将医疗数据执行文本结构化、图片清晰图提高等，然后统一打包发送至研发中心执行科研分析或政策决定，可有利于推动科研产出的速度或政策制定的精准度。示例性的，小张为某市疾病防控中心研究室主任，现计划分析本市目前的流行性疾病情况，因此发起医疗数据的整合指令至本市多个医院点，其目的是获取本市多个医院点的医疗数据并执行进一步研究分析。
因此可理解的是，根据医疗数据的整合目的，每份医疗数据可能来源于不同医院的不同部门或同一医院的不同部门。
S2、获取每份医疗数据的数据来源终端，得到数据来源终端集。
需解释的是，任务管理服务器和任务处理服务器一般集中处理不同来源的医疗数据，但若医疗数据的体量庞大来源复杂，若集中汇总处理也有可能造成任务管理服务器和任务处理服务器崩溃或异常，若在医疗数据的数据来源终端执行文本结构化、图片清晰图提高等操作会起到协同和风险规避的效果，因此本发明实施例先获取每份医疗数据的数据来源终端。
此外还需强调的是，任务管理服务器和任务处理服务器具有分工协作的关系，其中任务管理服务器主要负责获取数据来源终端的终端状态、需要分配的整合任务以及确定任务处理服务器的可用资源等，而任务处理服务器主要根据用户需求执行医疗数据的整合操作、整合完成后的存储操作等。
详细地，所述获取每份医疗数据的数据来源终端，得到数据来源终端集，包括：
确定每份医疗数据的数据量，其中数据量的单位为bit；
计算数据来源终端对对应的医疗数据执行整合操作之前的预处理操作的最长时限，其中预处理操作包括文本结构化、图片去噪、像素提升操作；
获取医疗数据对应的数据来源终端的CPU的单位数据计算量，其中单位数据计算量的单位为f/bit，f表示CPU的一个工作周期；
将所述数据量、最长时限及单位数据计算量构建得到数据来源终端的终端信息，并汇总每个数据来源终端的终端信息，得到所述数据来源终端集。
需解释的是，每份医疗数据的数据量均有差异，如医院A的放射科需要上传放射图片数据（在放射科本地具有处理放射图片的数据来源终端），医院B的耳鼻喉就诊科需要上传医生根据每个病人的实际情况开具的就诊文本数据（在耳鼻喉就诊科本地具有处理放射图片的数据来源终端），可以明显确认的是，放射图片数据的数据量要远大于就诊文本数据，因此现在需要统计每个数据来源终端的实际处理能力及对应的医疗数据的数据量。
详细地，所述数据来源终端的终端信息为：
；
其中，表示第个数据来源终端的终端信息，表示第个数据来源终端的医疗数据的数据量，表示第个数据来源终端对医疗数据执行预处理操作的最长时限，表示第个数据来源终端的CPU的单位数据计算量。
需解释的是，每个数据来源终端的终端信息均有很大可能性互不相同，因为每个医院、每个部门的实际情况等原因，所产生的医疗数据的数据类型、产生频率等均为对数据量产生重要影响，其次每个数据来源终端的本地电脑的硬件能力也可能不相同，特别是CPU的单位数据计算量。
S3、计算每个数据来源终端处理对应的医疗数据的时间及能量消耗，得到本地时能代价函数，及任务管理服务器和任务处理服务器处理对应的医疗数据的时间及能量消耗，得到远程时能代价函数。
需理解的是，在每个医疗数据执行整合之前，需要对医疗数据执行一系列的预处理操作，如文本结构化、冗余数据剔除、图片像素提升等，这类预处理操作其实可以选择上传至任务处理服务器处理，也可以选择直接在本地的数据来源终端处理，但如何选择在本地或远程，从而保证时间消化和能量消耗最小，是本发明实施例重点关注的技术问题。
详细地，所述本地时能代价函数和远程时能代价函数分别为：
；
；
其中，表示第个数据来源终端处理对应的医疗数据的本地时能代价函数，表示处理第个数据来源终端对应的医疗数据的远程时能代价函数，表示第个数据来源终端处理对应的医疗数据的时间消耗值，表示第个数据来源终端处理对应的医疗数据的能量消耗值，表示任务管理服务器和任务处理服务器处理第个数据来源终端的医疗数据的时间消耗值，表示任务管理服务器和任务处理服务器处理第个数据来源终端的医疗数据的能量消耗值。
S4、基于所述本地时能代价函数及远程时能代价函数，构建整合多份医疗数据的整合代价函数。
详细地，所述整合代价函数为：
；
其中，表示整合多份医疗数据的整合代价函数，表示数据来源终端集中数据来源终端的终端数量，表示数据来源终端集中第个数据来源终端及对应的医疗数据，表示第个数据来源终端处理对应的医疗数据的本地时能代价函数，表示本地，表示处理第个数据来源终端对应的医疗数据的远程时能代价函数，表示远程，，当时，表示第个数据来源终端的医疗数据在任务管理服务器和任务处理服务器中处理，当时，表示第个数据来源终端的医疗数据在数据来源终端处理。
可理解的是，多份医疗数据在整合至统一的压缩文件或其他统一的数据格式放置于整合中心之前，需要执行一系列的数据操作，如文本结构化、停用词去除、图片去噪等，如何协调任务管理服务器、任务处理服务器与数据来源终端集之间的工作关系，合理分配医疗数据中各种数据操作至协调任务管理服务器、任务处理服务器与数据来源终端集，从而保证时间+能耗最低是本发明实施例重点解决的问题，因此在本步骤中，本发明实施例根据本地时能代价函数及远程时能代价函数构建得到整合代价函数。
S5、构建所述整合代价函数的约束函数，其中约束函数由对医疗数据执行预处理操作的最长时限构建得到；
需理解的是，在求解整合代价函数之前还需结合实际情况，比如每个数据来源终端的实际硬件能力等，因此需要结合实际情况构建得到约束函数。详细地，所述构建所述整合代价函数的约束函数，包括：
获取任务处理服务器对第个数据来源终端的医疗数据执行预处理操作的最长时限；
根据任务处理服务器的最长时限，及数据来源终端的最长时限构建得到时限约束函数；
获取数据来源终端的运行功率上限值，根据所述运行功率上限值构建功率约束函数，其中时限约束函数及功率约束函数统称为整合代价函数的约束函数。
进一步地，所述时限约束函数及功率约束函数分别为：
；
；
其中，表示第个数据来源终端对医疗数据执行预处理操作的最长时限，表示任务处理服务器对第个数据来源终端的医疗数据执行预处理操作的最长时限，表示任务管理服务器设定的对第个数据来源终端的医疗数据执行预处理操作的最长时限，表示第个数据来源终端的运行功率上限值，表示第个数据来源终端处理单位数据计算量的运行功率单位值。
根据上述概述可理解的是，在求解整合代价函数之前需要构建符合实际情况的约束函数，从而在结合实际情况的前提下，合理分配任务处理服务器与数据来源终端集。
S6、在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理；
详细地，所述在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，包括：
简化整合代价函数中的本地时能代价函数和远程时能代价函数，得到本地简化代价函数和远程简化代价函数；
根据拉格朗日数乘法，求解本地简化代价函数和远程简化代价函数在约束函数为限制前提下，每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理。
需理解的是，在S4前述步骤中可知，整合代价函数由本地时能代价函数及远程时能代价函数相加得到，而本地时能代价函数及远程时能代价函数均由时间消耗值和能量消耗值相加得到，因此求解整合代价函数的核心是求解时间消耗值和能量消耗值。
故详细地，所述简化整合代价函数中的本地时能代价函数和远程时能代价函数，得到本地简化代价函数和远程简化代价函数，包括：
；
；
其中，表示本地简化代价函数，表示远程简化代价函数，表示时间消耗值的权重因子，表示能量消耗值的权重因子。
进一步地，所述第个数据来源终端处理医疗数据的时间消耗值及能量消耗值的计算公式分别为：
；
；
其中，表示计算能量消耗值时预先设定的权重因子。
可理解的是，任务处理服务器处理第个数据来源终端处理医疗数据的时间消耗值及能量消耗值的计算方法与上述相似，在此不再赘述。
总结地，当依次可求解得到每个医疗数据在对应的数据来源终端处理时的时间消耗值及能量消耗值，或在任务处理服务器处理时的时间消耗值及能量消耗值以后，相加所有的医疗数据的时间消耗值及能量消耗值，并在约束函数的约束前提下，从而可以计算得到每个医疗数据最优的处理单元（被分配至数据来源终端处理还是任务处理服务器处理）。
S7、汇总执行完预处理操作的每份医疗数据至任务管理服务器，完成医疗数据的整合。
示例性的，某市疾病防控中心研究室主任小张，计划分析本市目前的流行性疾病情况，因此发起医疗数据的整合指令至本市多个医院点，其目的是获取本市多个医院点的医疗数据并执行进一步研究分析。而本市共有30个医院，每个医院均包括不同的部门，先统计得到共有1000个部门需要提交医疗数据，可见不同医院不同部门均会产生各种类型的医疗数据，若统一将所有的医疗数据上传至小张所在的疾病防控中心，则可能会造成疾病防控中心的计算机瘫痪，故通过本发明实施例所述的技术步骤执行医疗数据预处理操作的分配判断，通过分配结果发现，医院A的化疗科放射科、医院B的皮肤科、激光科、医院B的康复科……等所产生的医疗数据直接在本地科室对应的计算机执行预处理操作（本地科室对应的计算机即为数据来源终端），而其他科室的医疗数据可直接上传至市疾病防控中心，在市疾病防控中心的任务管理服务器和任务处理服务器执行预处理操作。
本发明实施例为解决背景技术所述问题，先接收对多份医疗数据的整合指令，根据所述整合指令启动任务管理服务器和任务处理服务器，其中，任务管理服务器和任务处理服务器基于移动边缘计算的运行原理构建，且医疗数据的类型包括就诊文本类数据、扫描图片类数据及挂号结构类数据，且每份医疗数据来源于不同医院的不同部门或同一医院的不同部门，由于来源于不同医院不同部门的医疗数据的数据类型繁多，若统一上传至整合点所在任务处理服务器，极容易给任务处理服务器带来压力，因此本发明实施例获取每份医疗数据的数据来源终端，得到数据来源终端集，数据来源终端又称为本地数据终端，其可以直接上传所生成的医疗数据，因此本发明实施例先获取每个数据来源终端的终端信息，并根据终端信息评估数据来源终端是否可以分担任务管理服务器和任务处理服务器的整合压力，故计算每个数据来源终端处理对应的医疗数据的时间及能量消耗，得到本地时能代价函数，及任务管理服务器和任务处理服务器处理对应的医疗数据的时间及能量消耗，得到远程时能代价函数，进一步地，基于所述本地时能代价函数及远程时能代价函数，构建整合多份医疗数据的整合代价函数，可见整合代价函数的构建目的就是为了判断每份医疗数据的数据来源终端是否能分担任务管理服务器和任务处理服务器的整合压力，帮忙任务管理服务器和任务处理服务器执行医疗数据整合之前的预处理操作，如医疗文本的清洗及结构化、医疗图片的去噪等，最后，构建所述整合代价函数的约束函数，在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理，由此可见本发明实施例中，可高效利用医疗数据所在的数据来源终端，从而分担了任务管理服务器及任务处理服务器的压力。因此本发明提出的医疗数据整合管理方法可以减轻整合点所在服务器整合医疗数据的计算压力过大问题。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种医疗数据整合管理方法，其特征在于，所述方法包括：
接收对多份医疗数据的整合指令，根据所述整合指令启动任务管理服务器和任务处理服务器，其中，任务管理服务器和任务处理服务器基于移动边缘计算的运行原理构建，且医疗数据的类型包括就诊文本类数据、扫描图片类数据及挂号结构类数据，且每份医疗数据来源于不同医院的不同部门或同一医院的不同部门；
获取每份医疗数据的数据来源终端，得到数据来源终端集；
计算每个数据来源终端处理对应的医疗数据的时间及能量消耗，得到本地时能代价函数，及任务管理服务器和任务处理服务器处理对应的医疗数据的时间及能量消耗，得到远程时能代价函数；
基于所述本地时能代价函数及远程时能代价函数，构建整合多份医疗数据的整合代价函数，其中，整合代价函数为：
；
其中，表示整合多份医疗数据的整合代价函数，表示数据来源终端集中数据来源终端的终端数量，表示数据来源终端集中第个数据来源终端及对应的医疗数据，表示第个数据来源终端处理对应的医疗数据的本地时能代价函数，表示本地，表示处理第个数据来源终端对应的医疗数据的远程时能代价函数，表示远程，，当时，表示第个数据来源终端的医疗数据在任务管理服务器和任务处理服务器中处理，当时，表示第个数据来源终端的医疗数据在数据来源终端处理；
构建所述整合代价函数的约束函数，其中约束函数由对医疗数据执行预处理操作的最长时限构建得到；
在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理；
汇总执行完预处理操作的每份医疗数据至任务管理服务器，完成医疗数据的整合。
2.如权利要求1所述的医疗数据整合管理方法，其特征在于，所述获取每份医疗数据的数据来源终端，得到数据来源终端集，包括：
确定每份医疗数据的数据量，其中数据量的单位为bit；
计算数据来源终端对对应的医疗数据执行整合操作之前的预处理操作的最长时限，其中预处理操作包括文本结构化、图片去噪、像素提升操作；
获取医疗数据对应的数据来源终端的CPU的单位数据计算量，其中单位数据计算量的单位为f/bit，f表示CPU的一个工作周期；
将所述数据量、最长时限及单位数据计算量构建得到数据来源终端的终端信息，并汇总每个数据来源终端的终端信息，得到所述数据来源终端集。
3.如权利要求2所述的医疗数据整合管理方法，其特征在于，所述数据来源终端的终端信息为：
；
其中，表示第个数据来源终端的终端信息，表示第个数据来源终端的医疗数据的数据量，表示第个数据来源终端对医疗数据执行预处理操作的最长时限，表示第个数据来源终端的CPU的单位数据计算量。
4.如权利要求3所述的医疗数据整合管理方法，其特征在于，所述本地时能代价函数和远程时能代价函数分别为：
；
；
其中，表示第个数据来源终端处理对应的医疗数据的本地时能代价函数，表示处理第个数据来源终端对应的医疗数据的远程时能代价函数，表示第个数据来源终端处理对应的医疗数据的时间消耗值，表示第个数据来源终端处理对应的医疗数据的能量消耗值，表示任务管理服务器和任务处理服务器处理第个数据来源终端的医疗数据的时间消耗值，表示任务管理服务器和任务处理服务器处理第个数据来源终端的医疗数据的能量消耗值。
5.如权利要求4所述的医疗数据整合管理方法，其特征在于，所述构建所述整合代价函数的约束函数，包括：
获取任务处理服务器对第个数据来源终端的医疗数据执行预处理操作的最长时限；
根据任务处理服务器的最长时限，及数据来源终端的最长时限构建得到时限约束函数；
获取数据来源终端的运行功率上限值，根据所述运行功率上限值构建功率约束函数，其中时限约束函数及功率约束函数统称为整合代价函数的约束函数。
6.如权利要求5所述的医疗数据整合管理方法，其特征在于，所述时限约束函数及功率约束函数分别为：
；
；
其中，表示第个数据来源终端对医疗数据执行预处理操作的最长时限，表示任务处理服务器对第个数据来源终端的医疗数据执行预处理操作的最长时限，表示任务管理服务器设定的对第个数据来源终端的医疗数据执行预处理操作的最长时限，表示第个数据来源终端的运行功率上限值，表示第个数据来源终端处理单位数据计算量的运行功率单位值。
7.如权利要求6所述的医疗数据整合管理方法，其特征在于，所述在所述约束函数为限制前提下求解整合代价函数，得到每份医疗数据执行预处理操作的分配结果，包括：
简化整合代价函数中的本地时能代价函数和远程时能代价函数，得到本地简化代价函数和远程简化代价函数；
根据拉格朗日数乘法，求解本地简化代价函数和远程简化代价函数在约束函数为限制前提下，每份医疗数据执行预处理操作的分配结果，其中分配结果包括：由每份医疗数据对应的数据来源终端直接处理，或将医疗数据上传至任务管理服务器，由任务处理服务器处理。
8.如权利要求7所述的医疗数据整合管理方法，其特征在于，所述简化整合代价函数中的本地时能代价函数和远程时能代价函数，得到本地简化代价函数和远程简化代价函数，包括：
采用如下简化公式执行简化操作：
；
；
其中，表示本地简化代价函数，表示远程简化代价函数，表示时间消耗值的权重因子，表示能量消耗值的权重因子。
9.如权利要求8所述的医疗数据整合管理方法，其特征在于，所述第个数据来源终端处理医疗数据的时间消耗值及能量消耗值的计算公式分别为：
；
；
其中，表示计算能量消耗值时预先设定的权重因子。
10.如权利要求9所述的医疗数据整合管理方法，其特征在于，所述就诊文本类数据包括医生开具的就诊单、患者抓药的药单，所述扫描图片类数据包括头颅CT扫描图片、血液透析扫描图片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310306736.0A CN116030950B (zh) | 2023-03-27 | 2023-03-27 | 一种医疗数据整合管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310306736.0A CN116030950B (zh) | 2023-03-27 | 2023-03-27 | 一种医疗数据整合管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116030950A true CN116030950A (zh) | 2023-04-28 |
| CN116030950B CN116030950B (zh) | 2023-06-23 |
Family
ID=86091318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310306736.0A Active CN116030950B (zh) | 2023-03-27 | 2023-03-27 | 一种医疗数据整合管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116030950B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117334304A (zh) * | 2023-12-01 | 2024-01-02 | 山东鲁南数据科技股份有限公司 | 一种基于大数据的医疗资源共享系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090254660A1 (en) * | 2008-04-07 | 2009-10-08 | Hanson James E | Systems and methods for coordinated management of power usage and runtime performance in performance-managed computing environments |
| US20120065987A1 (en) * | 2010-09-09 | 2012-03-15 | Siemens Medical Solutions Usa, Inc. | Computer-Based Patient Management for Healthcare |
| CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
| CN110211652A (zh) * | 2019-06-04 | 2019-09-06 | 苏州工业园区服务外包职业学院 | 一种医疗数据管理系统 |
| CN112768058A (zh) * | 2021-01-22 | 2021-05-07 | 武汉大学 | 一种计量信息类型的医疗数据的处理方法及装置 |
| CN112907413A (zh) * | 2021-01-13 | 2021-06-04 | 罗春华 | 基于云计算和区块链的智慧互联网医院就诊方法及系统 |
| CN115206512A (zh) * | 2022-09-15 | 2022-10-18 | 武汉大学人民医院（湖北省人民医院） | 基于物联网的医院信息管理方法及装置 |
| CN115602283A (zh) * | 2022-10-21 | 2023-01-13 | 中国人民解放军联勤保障部队第九二〇医院（Cn） | 一种医养结合终端服务信息管理系统 |
-
2023
- 2023-03-27 CN CN202310306736.0A patent/CN116030950B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090254660A1 (en) * | 2008-04-07 | 2009-10-08 | Hanson James E | Systems and methods for coordinated management of power usage and runtime performance in performance-managed computing environments |
| US20120065987A1 (en) * | 2010-09-09 | 2012-03-15 | Siemens Medical Solutions Usa, Inc. | Computer-Based Patient Management for Healthcare |
| CN106021910A (zh) * | 2016-05-17 | 2016-10-12 | 重庆医科大学附属永川医院 | 基于智慧医疗服务的远程疾病诊断系统 |
| CN110211652A (zh) * | 2019-06-04 | 2019-09-06 | 苏州工业园区服务外包职业学院 | 一种医疗数据管理系统 |
| CN112907413A (zh) * | 2021-01-13 | 2021-06-04 | 罗春华 | 基于云计算和区块链的智慧互联网医院就诊方法及系统 |
| CN112768058A (zh) * | 2021-01-22 | 2021-05-07 | 武汉大学 | 一种计量信息类型的医疗数据的处理方法及装置 |
| CN115206512A (zh) * | 2022-09-15 | 2022-10-18 | 武汉大学人民医院（湖北省人民医院） | 基于物联网的医院信息管理方法及装置 |
| CN115602283A (zh) * | 2022-10-21 | 2023-01-13 | 中国人民解放军联勤保障部队第九二〇医院（Cn） | 一种医养结合终端服务信息管理系统 |
Non-Patent Citations (1)
| Title |
|---|
| 孟琳;马金刚;刘静;曹慧;张驰;史婷瑶;: "医疗大数据的应用与挑战", 医疗卫生装备, no. 10, pages 71 - 77 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117334304A (zh) * | 2023-12-01 | 2024-01-02 | 山东鲁南数据科技股份有限公司 | 一种基于大数据的医疗资源共享系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116030950B (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200410400A1 (en) | Extracting facts from unstructured data | |
| CN112071425B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
| CN109524069B (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
| Girosi et al. | Developing and interpreting models to improve diagnostics in developing countries | |
| WO2021000856A1 (zh) | 骨龄检测方法、系统、设备及可读存储介质 | |
| CN106407666A (zh) | 一种电子病历信息的生成方法、装置及系统 | |
| US10120976B2 (en) | Methods, systems, and computer readable media for integrating medical imaging data in a data warehouse | |
| US11568071B2 (en) | Information provision apparatus and information provision method | |
| CN116030950B (zh) | 一种医疗数据整合管理方法 | |
| CN105631200A (zh) | 预测医技检查时间的方法和装置 | |
| Kharat et al. | A peek into the future of radiology using big data applications | |
| CN111985197A (zh) | 一种基于医疗信息的模板生成方法 | |
| US20110307773A1 (en) | Systems and methods for performing project management functions in a spreadsheet application | |
| CN111026757B (zh) | 标准统计格式数据的生成方法、装置、设备和存储介质 | |
| Esteves et al. | The development of a pervasive Web application to alert patients based on business intelligence clinical indicators: a case study in a health institution | |
| JP6683934B2 (ja) | 遠隔読影システム、その制御方法、情報処理装置、及びプログラム | |
| Oliveira et al. | A bag-of-tasks approach to speed up the lung nodules retrieval in the bigdata age | |
| CN114579653A (zh) | 基于数据集的cda文档生成方法、装置及电子设备 | |
| CN111128325A (zh) | 医疗数据存储方法及装置、电子设备和存储介质 | |
| Harris et al. | Building the evidence base for tele-emergency care: Efforts to identify a standardized set of outcome measures | |
| US11263340B2 (en) | Presenting health data to a responding emergency medical system | |
| CN111192643A (zh) | 病历数据处理方法及相关设备 | |
| CN113053531B (zh) | 医疗数据处理方法、装置、计算机可读存储介质及设备 | |
| Welton | Business intelligence and nursing administration | |
| CN111833165A (zh) | 一种支出预算管理系统、设备及介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |