CN116664154B - 基于医疗消毒供应全流程信息追溯方法及系统 - Google Patents
基于医疗消毒供应全流程信息追溯方法及系统 Download PDFInfo
- Publication number
- CN116664154B CN116664154B CN202310944007.8A CN202310944007A CN116664154B CN 116664154 B CN116664154 B CN 116664154B CN 202310944007 A CN202310944007 A CN 202310944007A CN 116664154 B CN116664154 B CN 116664154B
- Authority
- CN
- China
- Prior art keywords
- information
- flow
- data
- encryption
- traceability
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 149
- 238000004659 sterilization and disinfection Methods 0.000 title claims abstract description 144
- 238000012545 processing Methods 0.000 claims abstract description 105
- 238000006243 chemical reaction Methods 0.000 claims abstract description 48
- 238000013475 authorization Methods 0.000 claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 104
- 230000011218 segmentation Effects 0.000 claims description 104
- 238000004422 calculation algorithm Methods 0.000 claims description 69
- 238000012549 training Methods 0.000 claims description 41
- 230000009467 reduction Effects 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 30
- 238000004140 cleaning Methods 0.000 claims description 25
- 238000007637 random forest analysis Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001954 sterilising effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000000645 desinfectant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域,尤其涉及一种基于医疗消毒供应全流程信息追溯方法及系统。所述方法包括以下步骤:对流程信息进行数据预处理,生成标准流程信息;对标准流程信息进行流程信息频率转换,生成流程频率特征数据;对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;对追溯信息进行同态加密,生成加密追溯数据;对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息。通过对流程信息进行解析及分析,以实现自动化的管理及分发流程追溯信息。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于医疗消毒供应全流程信息追溯方法及系统。
背景技术
目前,医疗消毒供应链管理中存在着信息不透明、数据难以追溯等问题。传统的管理方法依赖于人工记录和单一数据源,存在数据篡改和信息不准确的风险。然而,传统的医疗消毒供应全流程信息追溯方法需要靠人为去记录流程信息,有关部门需要流程信息时还需要单一发送,太过于繁琐,并且流程信息有可能遭到窃取或泄露。
发明内容
基于此,本发明提供一种基于医疗消毒供应全流程信息追溯方法及系统,以解决至少一个上述技术问题。
为实现上述目的,一种基于医疗消毒供应全流程信息追溯方法,包括以下步骤:
步骤S1:获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
步骤S2:利用快速傅里叶变化技术对标准流程信息进行流程信息频率转换处理,生成流程频率特征数据;
步骤S3:利用随机森林算法建立频率数据与追溯信息的关联模型,以生成追溯信息关联模型;利用追溯信息关联模型对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;
步骤S4:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
步骤S5:获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
本发明通过获取医疗消毒供应的流程信息,可以获得涉及消毒供应链的各个环节和步骤的数据。对获取的流程信息进行数据预处理,包括数据清洗、去除异常值、填充缺失值等,这些预处理步骤有助于提高数据的质量和准确性,确保后续分析和建模的有效性。通过快速傅里叶变换技术,可以将标准流程信息转换为频域表示,从而提取出流程的频率特征,这些频率特征反映了流程中的周期性、重复性以及频率变化等信息,有助于捕捉关键的动态变化模式,频率转换后的流程信息通常会产生大量的频率特征数据,这些特征数据可以用于降维,减少数据的维度和复杂度,通过降维简化后续分析和建模的计算复杂度,提高算法的效率和可扩展性。通过利用随机森林算法建立频率数据与追溯信息的关联模型,可以建立频率特征数据与具体追溯信息之间的联系,这有助于理解频率特征数据与医疗消毒供应的追溯信息之间的关系,揭示潜在的规律和模式。利用建立的追溯信息关联模型,将流程频率特征数据转化为具体的消毒供应追溯信息,将抽象的频率特征数据转化为可读性强、具有实际意义的追溯信息,为后续的追溯和管理提供基础。利用同态加密算法对追溯信息进行加密处理,可以提高数据的安全性,加密后的追溯数据在传输和存储过程中更难被非授权人员获取和解读,从而保护了敏感信息的隐私和机密性。获取医疗消毒供应的实时流程信息后,对加密追溯数据进行优化处理,这样可以基于最新的流程信息,对加密追溯数据进行更新,确保追溯信息与实时流程数据的一致性,实时加密追溯数据的生成使得追溯信息更具时效性和准确性。获取授权部门信息后,基于优化加密追溯信息进行密钥共享处理,生成密钥共享数据,确保只有获得授权的部门或个人能够解密和访问加密的追溯信息,通过密钥共享实现了对数据的授权访问和共享,提升了数据的可用性和可访问性。利用优化加密追溯信息对授权部门信息进行共享,生成共享加密追溯信息,实现不同部门或利益相关方之间的信息共享和协同,共享加密追溯信息可以在满足安全性要求的前提下,促进部门间的合作与沟通,提高医疗消毒供应链的协同效能。因此,本发明的基于医疗消毒供应全流程信息追溯方法不需要靠人为去记录流程信息,可以自动对相关部门发送相关的消毒供应流程信息,节约了人力处理,并且通过加密流程信息,防止流程信息遭到窃取或泄露。
优选地,步骤S1包括以下步骤:
步骤S11:获取医疗消毒供应的流程信息;
步骤S12:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
步骤S13:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
步骤S14:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
步骤S15:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
本发明获取医疗消毒供应的原始流程信息,建立起对医疗消毒供应链的全面认知,为后续步骤提供基础数据。将流程信息按照预设的类别进行分类有助于组织和管理数据,通过分类流程信息更好地理解不同类别的流程,发现潜在的模式和规律,并为后续步骤提供更准确和可解释的数据。流程信息数据清洗是为了去除数据中的噪音、错误和冗余部分,通过清洗流程信息,可以提高数据的质量和准确性,减少后续分析和建模过程中的误差和偏差,从而提高追溯信息的可靠性和可信度。数据分词是将流程信息划分成有意义的词语或短语的过程,通过利用朴素贝叶斯算法进行数据分词处理,可以提取出关键词和术语,捕捉流程信息中的重要信息,为后续步骤的分析和建模提供更有用的特征。数据降噪是为了去除分词流程信息中的冗余和无关信息,提炼出流程信息的核心内容,通过利用流程信息降噪公式对分词流程信息进行处理,可以去除不必要的噪声和干扰,提高数据的准确性和可解释性,生成更加清晰和标准的流程信息。
优选地,步骤S14包括以下步骤:
步骤S141:利用朴素贝叶斯算法建立流程信息的分词映射关系,以生成初始流程信息分词模型;
步骤S142:获取医疗消毒供应资料;
步骤S143:利用医疗消毒供应资料对初始流程信息分词模型进行模型训练,生成流程信息分词模型;
步骤S144:利用流程信息分词模型对清洗流程信息进行数据分词处理,生成分词流程信息。
本发明通过利用朴素贝叶斯算法,可以建立起流程信息中词语与其对应的类别之间的概率映射关系,这样的分词映射关系可以用于后续的数据分词处理,帮助识别和提取流程信息中的关键词和术语,从而准确捕捉流程的特征和语义信息。获取与医疗消毒供应相关的资料和数据。通过获取真实的医疗消毒供应资料,可以更好地训练和验证分词模型,提高模型的准确性和适应性。通过使用医疗消毒供应资料对初始流程信息分词模型进行模型训练,可以使模型适应医疗消毒供应领域的特定语言和词汇,训练后的流程信息分词模型能够更准确地对清洗后的流程信息进行分词处理,提高分词的准确性和语义表达的一致性。使用训练好的流程信息分词模型对清洗后的流程信息进行分词处理,可以将流程信息划分成有意义的词语或短语,分词流程信息能够提取出关键词和术语,捕捉流程信息中的重要信息,为后续步骤的分析和建模提供更有用的特征。
优选地,步骤S15中的流程信息降噪公式如下所示:
;
式中,表示为降噪后的标准流程信息,/>表示为分词流程信息的数据量,/>表示为分词流程信息,/>表示为时间序列转化的当前流程时间数据,/>表示为时间序列转化的总流程时间数据,/>表示为降噪后的标准流程信息的异常调整值。
本发明利用一种流程信息降噪公式,该公式充分考虑了分词流程信息的数据量、分词流程信息/>、时间序列转化的当前流程时间数据/>、时间序列转化的总流程时间数据/>以及函数之间的相互作用关系,以形成函数关系式:
,通过分词流程信息的数据量反映了分词流程信息的数量或规模,随着数据量的增加,公式中的计算结果会逐渐趋于稳定;分词流程信息是需要进行降噪处理的原始流程信息,通过对分词流程信息应用降噪公式,可以减小噪声的影响,提取出更准确的流程信息;时间序列转化的当前流程时间数据是流程信息中与时间相关的变量,用于考虑流程信息在不同时间点的变化情况;时间序列转化的总流程时间数据反映了流程信息所覆盖的时间范围,公式中的计算会考虑整个时间范围内流程信息的变化情况。分词流程信息的数据量以及时间序列转化的总流程时间数据使降噪公式能够根据实际数据的规模和时间分布,自适应地进行降噪处理。当数据量增加时,公式的计算结果会趋于稳定,使得降噪后的流程信息更加可靠和一致;流程信息往往受到各种噪声和干扰的影响,如传感器误差、信号干扰、人为误操作等,降噪公式通过数学计算,能够过滤掉这些噪声和干扰成分,提取出流程信息中的真实信号和有用信息,从而减小数据的不确定性和误差,提高数据质量和可信度;降噪后的标准流程信息具有更高的可追溯性,通过去除噪声和干扰,清晰的流程信息能够提供更准确的数据记录和信息轨迹,支持对消毒供应链的追溯和溯源,这对于跟踪潜在风险源、发现问题环节以及提高整体供应链的安全性和效率至关重要。利用降噪后的标准流程信息的异常调整值/>对函数关系式进行调整修正,减少异常数据或误差项带来的误差影响,从而更准确地生成降噪后的标准流程信息/>,提高了对分词流程信息进行数据降噪处理的准确性和可靠性。同时该公式中的调整值可以根据实际情况进行调整,应用于不同分词流程信息中,提高了算法的灵活性与适用性。
优选地,步骤S2包括以下步骤:
步骤S21:对标准流程信息进行时间序列排序,生成时间序列流程信息;
步骤S22:利用快速傅里叶变换对时间序列流程信息进行流程信息频谱图转换,生成流程频谱图;
步骤S23:利用流程频率特征提取公式对流程频谱图进行流程频率特征提取处理,生成流程频率特征数据。
本发明将流程信息按照时间顺序排列,确保流程的时序性,这有助于揭示流程信息的时间演变规律和变化趋势,为后续的频谱分析提供有序的数据基础。将时域信号转换为频域信号,能够观察到不同频率成分对流程信息的影响程度,进一步分析流程中的重要频率成分和变化模式。对流程频谱图进行特征提取,得到流程频率特征数据,这些特征数据可以捕捉流程信息中的频率相关信息,如主要频率、频率分布等。它们为后续的关联模型建立和追溯信息转化提供了基础。
优选地,步骤S23中的流程频率特征提取公式如下所示:
;
式中,表示为流程频率特征数据,/>表示为流程频谱图的频谱图帧数,/>表示为时间跨度,/>表示为流程频谱图的频率峰值之差,/>表示为流程频谱图的第/>帧频率信号,/>表示为流程频谱图的第/>帧频谱滤波信号,/>表示为离散时间变量,/>表示为离散时间信号的自相关权重信息,/>表示为流程频谱图的第/>帧时间域信号,/>表示为流程频率特征数据的异常调整值。
本发明利用一种流程频率特征提取公式,该公式充分考虑了流程频谱图的频谱图帧数、时间跨度/>、流程频谱图的频率峰值之差/>、流程频谱图的第/>帧频率信号/>、流程频谱图的第/>帧频谱滤波信号/>、离散时间变量/>、离散时间信号的自相关权重信息/>、流程频谱图的第/>帧时间域信号/>以及函数之间的相互作用关系,以形成函数关系式:
,通过对流程频谱图的频谱图帧数的离散点数据进行处理,有效提取出频谱图的频率特征数据;时间跨度用于描述频谱图中时间的跨度或时间区间的长度,捕捉频谱图中的时间演变模式和时域特征;流程频谱图的频率峰值之差表示频谱图中不同频率峰值之间的差异,捕捉到频谱图的频率变化规律和频率特性;流程频谱图的第/>帧频率信号以及流程频谱图的第/>帧频谱滤波信号,对滤波信号与原始频率信号的差异进行计算和比较,可以获得更准确的频率特征,有助于揭示流程的频率分布、频率变化规律和频率特性;离散时间变量描述离散时间信号的变化,通过离散时间信号的自相关权重信息对离散时间变量进行处理和加权,可以调整对不同时间点的频率特征的重要性,有助于捕捉流程的时间演变模式和时域特征;通过对流程频谱图的第/>帧时间域信号进行分析和处理,可以捕捉到频谱图的时域特征和变化模式。综合考虑了频谱图的时间、频率和幅度信息,通过参数和变量的计算和调整,能够提取出具有代表性的流程频率特征数据,这有助于深入理解流程的频率特性和变化规律,为后续的数据分析和决策提供更准确和可靠的信息基础。利用流程频率特征数据的异常调整值/>对函数关系式进行调整修正,减少异常数据或误差项带来的误差影响,从而更准确地生成流程频率特征数据/>,提高了对流程频谱图进行流程频率特征提取处理的准确性和可靠性。同时该公式中的调整值可以根据实际情况进行调整,应用于不同的流程频谱图中,提高了算法的灵活性与适用性。
优选地,步骤S3包括以下步骤:
步骤S31:利用随机森林算法建立频率数据与追溯信息的映射关系,生成初始追溯信息关联模型;
步骤S32:对流程频率特征数据进行时间序列的数据划分,分别生成流程频率训练集以及流程频率测试集;
步骤S33:利用流程频率训练集对初始追溯信息关联模型进行模型训练,生成追溯信息关联模型;
步骤S34:利用追溯信息关联模型对流程频率测试集进行消毒供应追溯信息转化,生成流程追溯信息。
本发明利用随机森林算法建立起频率数据与追溯信息之间的映射关系,随机森林是一种集成学习方法,通过构建多个决策树并进行集体决策来实现预测或分类任务,通过训练随机森林模型,可以从流程频率数据中提取有关追溯信息的特征,并建立起它们之间的关联模型,这个初始追溯信息关联模型可以用于后续的流程追溯信息转化。将流程频率特征数据按照时间序列进行划分,分成两部分:流程频率训练集和流程频率测试集,流程频率训练集用于模型的训练和参数估计,而流程频率测试集用于评估模型的性能和泛化能力,通过划分数据集,可以有效地评估模型在未见过的数据上的表现,并进行模型的优化和调整。利用流程频率训练集对初始追溯信息关联模型进行模型训练,通过输入流程频率特征数据和对应的追溯信息,模型可以学习到它们之间的关联规律和映射关系,训练过程中,模型会进行参数估计和优化,以最大程度地准确预测流程的追溯信息。利用训练好的追溯信息关联模型,对流程频率测试集进行消毒供应追溯信息的转化,通过输入流程频率特征数据,模型可以预测出对应的追溯信息,这些流程追溯信息可以提供关于消毒供应流程的相关信息,例如消毒时间、消毒剂使用情况等,通过这种转化过程将抽象的频率数据转化为实际有意义的追溯信息,为后续的分析和决策提供有益的数据支持。
优选地,步骤S4包括以下步骤:
步骤S41:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;
步骤S42:获取医疗消毒供应的实时流程信息;
步骤S43:将实时流程信息与流程信息进行数据实时监控比对,当实时流程信息与流程信息不匹配时,生成实时流程比对信息,并执行步骤S44;
步骤S44:基于实时流程比对信息对加密追溯数据进行追溯数据修正,生成修正加密追溯数据;
步骤S45:将加密追溯信息与修正加密追溯信息进行加密追溯数据整合,生成优化加密追溯信息。
本发明采用同态加密算法对追溯信息进行加密处理。同态加密是一种特殊的加密技术,允许在加密状态下对数据进行计算,而无需解密数据,通过应用同态加密算法,可以保护追溯信息的机密性,确保只有授权的用户可以访问和解密数据,同时仍然能够对加密数据进行操作和分析。获取医疗消毒供应的实时流程信息,这些实时流程信息可以包括当前的消毒供应流程状态、时间戳、操作人员等相关信息,获取实时流程信息的目的是为了与之后的流程信息进行比对,以便进行数据修正和追溯信息的完整性验证。将获取的实时流程信息与之前的流程信息进行实时监控比对,通过比对过程,可以检测实时流程信息是否与预设的流程信息一致,如果发现实时流程信息与流程信息不匹配,即存在异常情况、操作错误或新增信息,将生成实时流程比对信息作为后续步骤的输入,并执行步骤S44进行数据修正。根据实时流程比对信息对加密追溯数据进行修正,通过分析实时流程比对信息中的异常情况、操作错误或新增信息,可以针对性地修正加密追溯数据,使其更加准确和完整,确保追溯信息的准确性和可靠性。将经过同态加密处理的加密追溯信息和经过修正的加密追溯信息进行整合,通过整合这两部分数据,可以得到一份优化的加密追溯信息,优化加密追溯信息的生成可以提高数据的安全性和可靠性,确保追溯信息在传输和存储过程中的保密性和完整性。
优选地,步骤S5包括以下步骤:
步骤S51:获取授权部门信息;
步骤S52:基于优化加密追溯信息进行加密信息密钥获取处理,生成优化加密追溯信息的密钥数据;
步骤S53:利用密钥数据对授权部门信息进行密钥共享处理,生成密钥共享数据;
步骤S54:根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,生成分割加密追溯信息;
步骤S55:利用分割加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;
步骤S56:将密钥分发数据以及共享加密追溯信息反馈至终端。
本发明获取授权部门的相关信息,包括其权限和授权范围等,授权部门通常是负责监管和审查医疗消毒供应过程的机构或组织,获取授权部门信息是为了确保追溯信息的安全性和合规性,以便进行后续的加密和共享处理。根据优化加密追溯信息的特征和要求,进行密钥生成和管理,密钥是加密和解密过程中的关键要素,通过合适的密钥生成算法,可以生成用于加密优化加密追溯信息的密钥数据。密钥的安全保管和合理分配对于保护追溯信息的安全性至关重要。利用密钥数据对授权部门信息进行密钥共享处理,密钥共享是一种安全的方式,通过将密钥数据分发给授权部门,实现对加密追溯信息的访问和解密权限。密钥共享确保了只有授权部门能够解密和访问追溯信息,从而保证了追溯信息的机密性。根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,这种处理方式可以将追溯信息按照不同的类别或标签进行划分和分割,使得各个部分的追溯信息可以独立地进行加密和管理。分割加密追溯信息有助于提高数据的安全性和可管理性。利用分割加密的追溯信息对授权部门信息进行共享处理,共享加密追溯信息是将分割的加密追溯信息与授权部门信息进行关联,以实现授权部门对相关追溯信息的访问和共享。这样,授权部门可以根据其权限和需求,获取与其职责相关的追溯信息,从而更好地进行监管和审查。将密钥分发数据和共享加密追溯信息反馈给终端用户或相关方,终端用户可以通过获取密钥分发数据和共享加密追溯信息,进行解密和访问相关追溯信息,这样追溯信息的完整性和安全性得到了保障,并且相关方能够及时获取需要的信息,从而促进了医疗消毒供应的可追溯性和安全性。
在本说明书中,提供了一种基于医疗消毒供应全流程信息追溯系统,包括:
流程信息处理模块,用于获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
流程频率转化模块,利用快速傅里叶变化技术对标准流程信息进行流程信息频率转换处理,生成流程频率特征数据;
追溯信息生成模块,利用随机森林算法建立频率数据与追溯信息的关联模型,以生成追溯信息关联模型;利用追溯信息关联模型对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;
追溯信息加密模块:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
追溯信息共享模块,用于获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
本申请有益效果在于,本发明获取医疗消毒供应的流程信息并对其进行分类、清洗、分词和降噪处理,生成标准化的流程信息,这有助于提高数据的质量和一致性,为后续的分析和处理奠定基础。对标准化的流程信息进行时间序列排序、频谱图转换和频率特征提取,得到流程频率特征数据,有助于从流程信息中提取关键特征,分析流程的频率分布和变化情况,为后续的追溯和模型建立提供基础。利用随机森林算法和流程频率训练集,建立频率数据与追溯信息的映射关系,生成追溯信息关联模型,这有助于将流程频率特征数据转化为具体的追溯信息,实现对消毒供应流程的追溯和溯源能力。将加密追溯数据与实时流程信息进行比对和修正,利用同态加密算法保证数据安全性,这有助于实时监控流程信息的准确性和一致性,及时发现和修正流程中的异常情况,提高供应链的可靠性和安全性。获取授权部门信息并进行加密处理,利用优化加密追溯信息的密钥数据进行密钥共享和追溯信息共享,这有助于确保追溯信息的安全共享,使授权部门能够获取和使用加密追溯信息,实现对供应链的监管和审查。有助于提升医疗消毒供应链的可追溯性、安全性和可管理性,从而促进医疗消毒供应的规范化、高效化和合规化发展。
附图说明
图1为本发明一种基于医疗消毒供应全流程信息追溯方法的步骤流程示意图;
图2为图1中步骤S1的详细实施步骤流程示意图;
图3为图1中步骤S3的详细实施步骤流程示意图;
图4为图1中步骤S4的详细实施步骤流程示意图;
图5为图1中步骤S5的详细实施步骤流程示意图;
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
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的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,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图5,一种基于医疗消毒供应全流程信息追溯方法,所述方法包括以下步骤:
步骤S1:获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
步骤S2:利用快速傅里叶变化技术对标准流程信息进行流程信息频率转换处理,生成流程频率特征数据;
步骤S3:利用随机森林算法建立频率数据与追溯信息的关联模型,以生成追溯信息关联模型;利用追溯信息关联模型对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;
步骤S4:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
步骤S5:获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
本发明通过获取医疗消毒供应的流程信息,可以获得涉及消毒供应链的各个环节和步骤的数据。对获取的流程信息进行数据预处理,包括数据清洗、去除异常值、填充缺失值等,这些预处理步骤有助于提高数据的质量和准确性,确保后续分析和建模的有效性。通过快速傅里叶变换技术,可以将标准流程信息转换为频域表示,从而提取出流程的频率特征,这些频率特征反映了流程中的周期性、重复性以及频率变化等信息,有助于捕捉关键的动态变化模式,频率转换后的流程信息通常会产生大量的频率特征数据,这些特征数据可以用于降维,减少数据的维度和复杂度,通过降维简化后续分析和建模的计算复杂度,提高算法的效率和可扩展性。通过利用随机森林算法建立频率数据与追溯信息的关联模型,可以建立频率特征数据与具体追溯信息之间的联系,这有助于理解频率特征数据与医疗消毒供应的追溯信息之间的关系,揭示潜在的规律和模式。利用建立的追溯信息关联模型,将流程频率特征数据转化为具体的消毒供应追溯信息,将抽象的频率特征数据转化为可读性强、具有实际意义的追溯信息,为后续的追溯和管理提供基础。利用同态加密算法对追溯信息进行加密处理,可以提高数据的安全性,加密后的追溯数据在传输和存储过程中更难被非授权人员获取和解读,从而保护了敏感信息的隐私和机密性。获取医疗消毒供应的实时流程信息后,对加密追溯数据进行优化处理,这样可以基于最新的流程信息,对加密追溯数据进行更新,确保追溯信息与实时流程数据的一致性,实时加密追溯数据的生成使得追溯信息更具时效性和准确性。获取授权部门信息后,基于优化加密追溯信息进行密钥共享处理,生成密钥共享数据,确保只有获得授权的部门或个人能够解密和访问加密的追溯信息,通过密钥共享实现了对数据的授权访问和共享,提升了数据的可用性和可访问性。利用优化加密追溯信息对授权部门信息进行共享,生成共享加密追溯信息,实现不同部门或利益相关方之间的信息共享和协同,共享加密追溯信息可以在满足安全性要求的前提下,促进部门间的合作与沟通,提高医疗消毒供应链的协同效能。因此,本发明的基于医疗消毒供应全流程信息追溯方法不需要靠人为去记录流程信息,可以自动对相关部门发送相关的消毒供应流程信息,节约了人力处理,并且通过加密流程信息,防止流程信息遭到窃取或泄露。
本发明实施例中,参考图1所述,为本发明一种基于医疗消毒供应全流程信息追溯方法的步骤流程示意图,在本实例中,所述基于医疗消毒供应全流程信息追溯方法包括以下步骤:
步骤S1:获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
本发明实施例中,通过医疗消毒供应链的各个环节获取相关的流程信息,包括消毒材料的生产、运输、存储和使用等环节,包括时间戳、操作人员、消毒材料批次号等。对这些流程信息进行预处理,包括数据清洗、去除异常值、格式转换等,去除无用数据,以提取有用且达标的数据,以生成标准化流程信息。
步骤S2:利用快速傅里叶变化技术对标准流程信息进行流程信息频率转换处理,生成流程频率特征数据;
本发明实施例中,对于标准流程信息,假设我们有一批消毒材料的温度数据,其中包含了一段时间内的温度变化情况,将标准流程信息中的温度数据进行采样,得到一个离散的时间序列,应用FFT算法对这个时间序列进行变换,FFT将时间域上的信号转换到频率域上,得到对应的频谱信息。通过FFT变换获取到频谱图,其中横轴表示频率,纵轴表示对应频率的振幅,从频谱图中提取出具有显著振幅的频率成分,这些频率成分对应着流程中的重要变化模式,从频谱图中找到最大振幅的频率成分,利用算法进行特征提取,以获得流程频率特征数据。
步骤S3:利用随机森林算法建立频率数据与追溯信息的关联模型,以生成追溯信息关联模型;利用追溯信息关联模型对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;
本发明实施例中,应用随机森林算法建立频率数据与追溯信息的关联模型,随机森林算法通过构建多个决策树进行集成,对建立的随机森林模型进行训练和验证,确保模型的准确性和可靠性,可以利用流程频率特征数据中时间序列较早的数据集进行模型训练,完成训练和验证后,得到一个追溯信息关联模型,该模型可以将时间序列较新的流程频率特征数据转化为对应的流程追溯信息。将时间序列较新的流程频率特征数据传输至追溯信息关联模型进行转化,通过模型预测,得到对应的消毒供应追溯信息,例如预测的批次号、操作人员等,根据模型预测的消毒供应追溯信息,结合实时流程信息,生成完整的流程追溯信息,这些信息可以包括操作记录、时间戳、温度数据、批次号等,用于实现医疗消毒供应的全流程追溯。
步骤S4:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
本发明实施例中,选择合适的同态加密算法,如Paillier同态加密算法,该算法具有同态加法和同态乘法的特性,可以在加密状态下进行计算,而不需要解密数据,将追溯信息使用Paillier同态加密算法进行加密处理,例如对于追溯信息中的批次号、操作人员等字段,将其分别进行加密转换,生成加密追溯数据。获取医疗消毒供应的实时流程信息,包括当前时间的操作记录、温度数据、批次号等相关信息。将实时流程信息与加密追溯数据进行关联和整合,将实时流程信息的变更记录收集起来,然后再对加密追溯信息进行对应的修改,由于同态加密可以直接在加密状态进行计算,则无需解密就可以更改数据集,以此生成包含操作记录、时间戳、温度数据等的优化加密追溯信息。
步骤S5:获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
本发明实施例中,获取与医疗消毒供应相关的授权部门信息,如监管机构、卫生部门等。使用优化加密追溯信息作为基础,对授权部门信息进行密钥共享处理,具体而言,通过优化加密追溯信息生成的密钥,并将密钥传输至授权的部门,使得授权部门有权访问优化加密追溯信息,以此生成密钥共享数据。将优化加密追溯信息与授权部门信息进行关联,形成授权部门相关的追溯信息,授权部门可以根据需要访问特定的追溯信息进行访问,而不需要获取全部的追溯数据,并且也不会干预其他的追溯信息,以此生成共享加密追溯信息。将生成的密钥分发数据和共享加密追溯信息反馈给终端用户,这样授权部门和其他相关人员可以在终端上使用密钥和共享追溯信息,以进行解密和追溯操作。
优选地,步骤S1包括以下步骤:
步骤S11:获取医疗消毒供应的流程信息;
步骤S12:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
步骤S13:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
步骤S14:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
步骤S15:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
本发明获取医疗消毒供应的原始流程信息,建立起对医疗消毒供应链的全面认知,为后续步骤提供基础数据。将流程信息按照预设的类别进行分类有助于组织和管理数据,通过分类流程信息更好地理解不同类别的流程,发现潜在的模式和规律,并为后续步骤提供更准确和可解释的数据。流程信息数据清洗是为了去除数据中的噪音、错误和冗余部分,通过清洗流程信息,可以提高数据的质量和准确性,减少后续分析和建模过程中的误差和偏差,从而提高追溯信息的可靠性和可信度。数据分词是将流程信息划分成有意义的词语或短语的过程,通过利用朴素贝叶斯算法进行数据分词处理,可以提取出关键词和术语,捕捉流程信息中的重要信息,为后续步骤的分析和建模提供更有用的特征。数据降噪是为了去除分词流程信息中的冗余和无关信息,提炼出流程信息的核心内容,通过利用流程信息降噪公式对分词流程信息进行处理,可以去除不必要的噪声和干扰,提高数据的准确性和可解释性,生成更加清晰和标准的流程信息。
作为本发明的一个实例,参考图2所示,为图1中步骤S1的详细实施步骤流程示意图,在本实例中所述步骤S1包括:
步骤S11:获取医疗消毒供应的流程信息;
本发明实施例中,通过医疗消毒供应链的各个环节获取相关的流程信息,包括消毒材料的生产、运输、存储和使用等环节,包括时间戳、操作人员、消毒材料批次号等。
步骤S12:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
本发明实施例中,根据预设的消毒供应流程信息类别将获取的流程信息进行分类,例如可以将流程信息分为清洗、消毒、包装等不同的类别,生成分类流程信息。
步骤S13:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
本发明实施例中,对分类后的流程信息进行数据清洗处理,检查收集到的流程信息,去除重复、不完整或错误的数据,确保流程信息的准确性和一致性,生成清洗流程信息。
步骤S14:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
本发明实施例中,使用朴素贝叶斯算法对清洗后的流程信息进行数据分词处理,通过将流程信息拆分成关键词的形式,可以更好地表示流程的特征和含义,生成分词流程信息。
步骤S15:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
本发明实施例中,利用流程信息降噪公式对分词流程信息进行数据降噪处理,流程信息降噪公式可以减少分词流程信息中减少噪声和干扰因素,从而得到更准确、可靠的标准流程信息,生成标准流程信息。
优选地,步骤S14包括以下步骤:
步骤S141:利用朴素贝叶斯算法建立流程信息的分词映射关系,以生成初始流程信息分词模型;
步骤S142:获取医疗消毒供应资料;
步骤S143:利用医疗消毒供应资料对初始流程信息分词模型进行模型训练,生成流程信息分词模型;
步骤S144:利用流程信息分词模型对清洗流程信息进行数据分词处理,生成分词流程信息。
本发明通过利用朴素贝叶斯算法,可以建立起流程信息中词语与其对应的类别之间的概率映射关系,这样的分词映射关系可以用于后续的数据分词处理,帮助识别和提取流程信息中的关键词和术语,从而准确捕捉流程的特征和语义信息。获取与医疗消毒供应相关的资料和数据。通过获取真实的医疗消毒供应资料,可以更好地训练和验证分词模型,提高模型的准确性和适应性。通过使用医疗消毒供应资料对初始流程信息分词模型进行模型训练,可以使模型适应医疗消毒供应领域的特定语言和词汇,训练后的流程信息分词模型能够更准确地对清洗后的流程信息进行分词处理,提高分词的准确性和语义表达的一致性。使用训练好的流程信息分词模型对清洗后的流程信息进行分词处理,可以将流程信息划分成有意义的词语或短语,分词流程信息能够提取出关键词和术语,捕捉流程信息中的重要信息,为后续步骤的分析和建模提供更有用的特征。
本发明实施例中,利用朴素贝叶斯算法建立流程信息的分词映射关系,通过朴素贝叶斯算法算法,可以将流程信息中的词语进行统计和分类,建立初始的流程信息分词模型。获取与医疗消毒供应相关的资料,如规范文件、流程记录等。这些资料提供了关于医疗消毒供应流程的详细信息。利用医疗消毒供应资料对初始流程信息分词模型进行模型训练,通过对资料中的流程信息进行标注和学习,我们可以进一步优化分词模型,使其更准确地划分流程信息中的词语。利用已训练好的流程信息分词模型对清洗后的流程信息进行数据分词处理,通过将流程信息拆分成词语的形式,可以更好地表示流程的特征和含义。
优选地,步骤S15中的流程信息降噪公式如下所示:
;
式中,表示为降噪后的标准流程信息,/>表示为分词流程信息的数据量,/>表示为分词流程信息,/>表示为时间序列转化的当前流程时间数据,/>表示为时间序列转化的总流程时间数据,/>表示为降噪后的标准流程信息的异常调整值。
本发明利用一种流程信息降噪公式,该公式充分考虑了分词流程信息的数据量、分词流程信息/>、时间序列转化的当前流程时间数据/>、时间序列转化的总流程时间数据/>以及函数之间的相互作用关系,以形成函数关系式:
,通过分词流程信息的数据量反映了分词流程信息的数量或规模,随着数据量的增加,公式中的计算结果会逐渐趋于稳定;分词流程信息是需要进行降噪处理的原始流程信息,通过对分词流程信息应用降噪公式,可以减小噪声的影响,提取出更准确的流程信息;时间序列转化的当前流程时间数据是流程信息中与时间相关的变量,用于考虑流程信息在不同时间点的变化情况;时间序列转化的总流程时间数据反映了流程信息所覆盖的时间范围,公式中的计算会考虑整个时间范围内流程信息的变化情况。分词流程信息的数据量以及时间序列转化的总流程时间数据使降噪公式能够根据实际数据的规模和时间分布,自适应地进行降噪处理。当数据量增加时,公式的计算结果会趋于稳定,使得降噪后的流程信息更加可靠和一致;流程信息往往受到各种噪声和干扰的影响,如传感器误差、信号干扰、人为误操作等,降噪公式通过数学计算,能够过滤掉这些噪声和干扰成分,提取出流程信息中的真实信号和有用信息,从而减小数据的不确定性和误差,提高数据质量和可信度;降噪后的标准流程信息具有更高的可追溯性,通过去除噪声和干扰,清晰的流程信息能够提供更准确的数据记录和信息轨迹,支持对消毒供应链的追溯和溯源,这对于跟踪潜在风险源、发现问题环节以及提高整体供应链的安全性和效率至关重要。利用降噪后的标准流程信息的异常调整值/>对函数关系式进行调整修正,减少异常数据或误差项带来的误差影响,从而更准确地生成降噪后的标准流程信息/>,提高了对分词流程信息进行数据降噪处理的准确性和可靠性。同时该公式中的调整值可以根据实际情况进行调整,应用于不同分词流程信息中,提高了算法的灵活性与适用性。
优选地,步骤S2包括以下步骤:
步骤S21:对标准流程信息进行时间序列排序,生成时间序列流程信息;
步骤S22:利用快速傅里叶变换对时间序列流程信息进行流程信息频谱图转换,生成流程频谱图;
步骤S23:利用流程频率特征提取公式对流程频谱图进行流程频率特征提取处理,生成流程频率特征数据。
本发明将流程信息按照时间顺序排列,确保流程的时序性,这有助于揭示流程信息的时间演变规律和变化趋势,为后续的频谱分析提供有序的数据基础。将时域信号转换为频域信号,能够观察到不同频率成分对流程信息的影响程度,进一步分析流程中的重要频率成分和变化模式。对流程频谱图进行特征提取,得到流程频率特征数据,这些特征数据可以捕捉流程信息中的频率相关信息,如主要频率、频率分布等。它们为后续的关联模型建立和追溯信息转化提供了基础。
本发明实施例中,对标准流程信息进行时间序列排序,将流程信息按照时间顺序排列,将流程信息转换为时间序列的形式,以便后续的频率转换处理。使用快速傅里叶变换技术对时间序列流程信息进行频率转换处理,通过将时间序列信号转换为频域上的频谱图,可以分析不同频率成分在流程信息中的贡献程度。利用流程频率特征提取公式对流程频谱图进行特征提取处理,流程频率特征提取公式对频谱图中的频率分布、频率峰值、频率变化趋势等进行分析,以此提取流程频率特征数据。
优选地,步骤S23中的流程频率特征提取公式如下所示:
;
式中,表示为流程频率特征数据,/>表示为流程频谱图的频谱图帧数,/>表示为时间跨度,/>表示为流程频谱图的频率峰值之差,/>表示为流程频谱图的第/>帧频率信号,/>表示为流程频谱图的第/>帧频谱滤波信号,/>表示为离散时间变量,/>表示为离散时间信号的自相关权重信息,/>表示为流程频谱图的第/>帧时间域信号,/>表示为流程频率特征数据的异常调整值。
本发明利用一种流程频率特征提取公式,该公式充分考虑了流程频谱图的频谱图帧数、时间跨度/>、流程频谱图的频率峰值之差/>、流程频谱图的第/>帧频率信号/>、流程频谱图的第/>帧频谱滤波信号/>、离散时间变量/>、离散时间信号的自相关权重信息/>、流程频谱图的第/>帧时间域信号/>以及函数之间的相互作用关系,以形成函数关系式:
,通过对流程频谱图的频谱图帧数的离散点数据进行处理,有效提取出频谱图的频率特征数据;时间跨度用于描述频谱图中时间的跨度或时间区间的长度,捕捉频谱图中的时间演变模式和时域特征;流程频谱图的频率峰值之差表示频谱图中不同频率峰值之间的差异,捕捉到频谱图的频率变化规律和频率特性;流程频谱图的第/>帧频率信号以及流程频谱图的第/>帧频谱滤波信号,对滤波信号与原始频率信号的差异进行计算和比较,可以获得更准确的频率特征,有助于揭示流程的频率分布、频率变化规律和频率特性;离散时间变量描述离散时间信号的变化,通过离散时间信号的自相关权重信息对离散时间变量进行处理和加权,可以调整对不同时间点的频率特征的重要性,有助于捕捉流程的时间演变模式和时域特征;通过对流程频谱图的第/>帧时间域信号进行分析和处理,可以捕捉到频谱图的时域特征和变化模式。综合考虑了频谱图的时间、频率和幅度信息,通过参数和变量的计算和调整,能够提取出具有代表性的流程频率特征数据,这有助于深入理解流程的频率特性和变化规律,为后续的数据分析和决策提供更准确和可靠的信息基础。利用流程频率特征数据的异常调整值/>对函数关系式进行调整修正,减少异常数据或误差项带来的误差影响,从而更准确地生成流程频率特征数据/>,提高了对流程频谱图进行流程频率特征提取处理的准确性和可靠性。同时该公式中的调整值可以根据实际情况进行调整,应用于不同的流程频谱图中,提高了算法的灵活性与适用性。
优选地,步骤S3包括以下步骤:
步骤S31:利用随机森林算法建立频率数据与追溯信息的映射关系,生成初始追溯信息关联模型;
步骤S32:对流程频率特征数据进行时间序列的数据划分,分别生成流程频率训练集以及流程频率测试集;
步骤S33:利用流程频率训练集对初始追溯信息关联模型进行模型训练,生成追溯信息关联模型;
步骤S34:利用追溯信息关联模型对流程频率测试集进行消毒供应追溯信息转化,生成流程追溯信息。
本发明利用随机森林算法建立起频率数据与追溯信息之间的映射关系,随机森林是一种集成学习方法,通过构建多个决策树并进行集体决策来实现预测或分类任务,通过训练随机森林模型,可以从流程频率数据中提取有关追溯信息的特征,并建立起它们之间的关联模型,这个初始追溯信息关联模型可以用于后续的流程追溯信息转化。将流程频率特征数据按照时间序列进行划分,分成两部分:流程频率训练集和流程频率测试集,流程频率训练集用于模型的训练和参数估计,而流程频率测试集用于评估模型的性能和泛化能力,通过划分数据集,可以有效地评估模型在未见过的数据上的表现,并进行模型的优化和调整。利用流程频率训练集对初始追溯信息关联模型进行模型训练,通过输入流程频率特征数据和对应的追溯信息,模型可以学习到它们之间的关联规律和映射关系,训练过程中,模型会进行参数估计和优化,以最大程度地准确预测流程的追溯信息。利用训练好的追溯信息关联模型,对流程频率测试集进行消毒供应追溯信息的转化,通过输入流程频率特征数据,模型可以预测出对应的追溯信息,这些流程追溯信息可以提供关于消毒供应流程的相关信息,例如消毒时间、消毒剂使用情况等,通过这种转化过程将抽象的频率数据转化为实际有意义的追溯信息,为后续的分析和决策提供有益的数据支持。
作为本发明的一个实例,参考图3所示,为图1中步骤S3的详细实施步骤流程示意图,在本实例中所述步骤S3包括:
步骤S31:利用随机森林算法建立频率数据与追溯信息的映射关系,生成初始追溯信息关联模型;
本发明实施例中,利用随机森林算法建立频率数据与追溯信息之间的映射关系,通过训练模型,可以将频率特征数据映射到相应的追溯信息,这样的关联模型可以帮助我们理解频率数据与实际追溯信息之间的对应关系,生成初始追溯信息关联模型。
步骤S32:对流程频率特征数据进行时间序列的数据划分,分别生成流程频率训练集以及流程频率测试集;
本发明实施例中,根据流程频率特征数据的时间序列对流程频率特征数据进行数据划分,将流程频率特征数据根据时间序列以8:2的比例划分为训练集与测试集,其中训练集为流程频率特征数据的时间序列中较早之前的流程频率特征数据,测试集为流程频率特征数据的时间序列中较新的流程频率特征数据,将流程频率特征数据划分为训练集和测试集的目的是为了训练初始追溯信息关联模型并评估其性能,训练集用于模型训练,而测试集用于验证模型的准确性和泛化能力。
步骤S33:利用流程频率训练集对初始追溯信息关联模型进行模型训练,生成追溯信息关联模型;
本发明实施例中,使用流程频率训练集对初始的追溯信息关联模型进行训练,通过输入流程频率特征数据和对应的实际追溯信息,模型可以学习到它们之间的关系,训练完成后,得到一个追溯信息关联模型,该模型可以用于将流程频率特征数据转化为追溯信息。
步骤S34:利用追溯信息关联模型对流程频率测试集进行消毒供应追溯信息转化,生成流程追溯信息。
本发明实施例中,使用训练好的追溯信息关联模型对流程频率测试集进行转化。通过输入流程频率特征数据,模型可以预测对应的追溯信息,这样可以将流程频率特征数据转化为具体的流程追溯信息。
优选地,步骤S4包括以下步骤:
步骤S41:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;
步骤S42:获取医疗消毒供应的实时流程信息;
步骤S43:将实时流程信息与流程信息进行数据实时监控比对,当实时流程信息与流程信息不匹配时,生成实时流程比对信息,并执行步骤S44;
步骤S44:基于实时流程比对信息对加密追溯数据进行追溯数据修正,生成修正加密追溯数据;
步骤S45:将加密追溯信息与修正加密追溯信息进行加密追溯数据整合,生成优化加密追溯信息。
本发明采用同态加密算法对追溯信息进行加密处理。同态加密是一种特殊的加密技术,允许在加密状态下对数据进行计算,而无需解密数据,通过应用同态加密算法,可以保护追溯信息的机密性,确保只有授权的用户可以访问和解密数据,同时仍然能够对加密数据进行操作和分析。获取医疗消毒供应的实时流程信息,这些实时流程信息可以包括当前的消毒供应流程状态、时间戳、操作人员等相关信息,获取实时流程信息的目的是为了与之后的流程信息进行比对,以便进行数据修正和追溯信息的完整性验证。将获取的实时流程信息与之前的流程信息进行实时监控比对,通过比对过程,可以检测实时流程信息是否与预设的流程信息一致,如果发现实时流程信息与流程信息不匹配,即存在异常情况、操作错误或新增信息,将生成实时流程比对信息作为后续步骤的输入,并执行步骤S44进行数据修正。根据实时流程比对信息对加密追溯数据进行修正,通过分析实时流程比对信息中的异常情况、操作错误或新增信息,可以针对性地修正加密追溯数据,使其更加准确和完整,确保追溯信息的准确性和可靠性。将经过同态加密处理的加密追溯信息和经过修正的加密追溯信息进行整合,通过整合这两部分数据,可以得到一份优化的加密追溯信息,优化加密追溯信息的生成可以提高数据的安全性和可靠性,确保追溯信息在传输和存储过程中的保密性和完整性。
作为本发明的一个实例,参考图4所示,为图1中步骤S4的详细实施步骤流程示意图,在本实例中所述步骤S4包括:
步骤S41:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;
本发明实施例中,选择合适的同态加密算法,如Paillier同态加密算法,该算法具有同态加法和同态乘法的特性,可以在加密状态下进行计算,而不需要解密数据,将追溯信息使用Paillier同态加密算法进行加密处理,例如对于追溯信息中的批次号、操作人员等字段,将其分别进行加密转换,生成加密追溯数据。
步骤S42:获取医疗消毒供应的实时流程信息;
本发明实施例中,获取医疗消毒供应的实时流程信息,包括当前时间的操作记录、温度数据、批次号等相关信息。
步骤S43:将实时流程信息与流程信息进行数据实时监控比对,当实时流程信息与流程信息不匹配时,生成实时流程比对信息,并执行步骤S44;
本发明实施例中,将实时流程信息与事先定义的流程信息进行比对,如果发现实时流程信息与流程信息不匹配,则说明流程信息中出现了新的流程,对比实时流程信息与流程信息之间的数据差别,生成实时流程比对信息,该实时流程比对信息中为新增加的流程,同时,我们执行步骤S44,对加密追溯数据进行追溯数据修正。
步骤S44:基于实时流程比对信息对加密追溯数据进行追溯数据修正,生成修正加密追溯数据;
本发明实施例中,根据实时流程比对信息,我们对加密追溯数据进行修正,实时流程比对信息为新增加的流程信息,根据该新增加的流程信息,直接在同态加密过后的加密追溯数据进行修改,以此生成修正加密追溯数据。
步骤S45:将加密追溯信息与修正加密追溯信息进行加密追溯数据整合,生成优化加密追溯信息。
本发明实施例中,将加密追溯信息和修正加密追溯信息进行整合,根据两者数据的时间序列进行比对,按照时间序列进行整合,以此获得优化加密追溯信息。
优选地,步骤S5包括以下步骤:
步骤S51:获取授权部门信息;
步骤S52:基于优化加密追溯信息进行加密信息密钥获取处理,生成优化加密追溯信息的密钥数据;
步骤S53:利用密钥数据对授权部门信息进行密钥共享处理,生成密钥共享数据;
步骤S54:根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,生成分割加密追溯信息;
步骤S55:利用分割加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;
步骤S56:将密钥分发数据以及共享加密追溯信息反馈至终端。
本发明获取授权部门的相关信息,包括其权限和授权范围等,授权部门通常是负责监管和审查医疗消毒供应过程的机构或组织,获取授权部门信息是为了确保追溯信息的安全性和合规性,以便进行后续的加密和共享处理。根据优化加密追溯信息的特征和要求,进行密钥生成和管理,密钥是加密和解密过程中的关键要素,通过合适的密钥生成算法,可以生成用于加密优化加密追溯信息的密钥数据。密钥的安全保管和合理分配对于保护追溯信息的安全性至关重要。利用密钥数据对授权部门信息进行密钥共享处理,密钥共享是一种安全的方式,通过将密钥数据分发给授权部门,实现对加密追溯信息的访问和解密权限。密钥共享确保了只有授权部门能够解密和访问追溯信息,从而保证了追溯信息的机密性。根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,这种处理方式可以将追溯信息按照不同的类别或标签进行划分和分割,使得各个部分的追溯信息可以独立地进行加密和管理。分割加密追溯信息有助于提高数据的安全性和可管理性。利用分割加密的追溯信息对授权部门信息进行共享处理,共享加密追溯信息是将分割的加密追溯信息与授权部门信息进行关联,以实现授权部门对相关追溯信息的访问和共享。这样,授权部门可以根据其权限和需求,获取与其职责相关的追溯信息,从而更好地进行监管和审查。将密钥分发数据和共享加密追溯信息反馈给终端用户或相关方,终端用户可以通过获取密钥分发数据和共享加密追溯信息,进行解密和访问相关追溯信息,这样追溯信息的完整性和安全性得到了保障,并且相关方能够及时获取需要的信息,从而促进了医疗消毒供应的可追溯性和安全性。
作为本发明的一个实例,参考图5所示,为图1中步骤S5的详细实施步骤流程示意图,在本实例中所述步骤S5包括:
步骤S51:获取授权部门信息;
本发明实施例中,获取与医疗消毒供应相关的授权部门信息,如监管机构、卫生部门等。
步骤S52:基于优化加密追溯信息进行加密信息密钥获取处理,生成优化加密追溯信息的密钥数据;
本发明实施例中,根据优化加密追溯信息的特性进行加密信息密钥的获取处理,这些密钥可以用于后续的加密和解密操作,确保追溯信息的安全性,通过加密算法和密钥生成方法,我们生成优化加密追溯信息的密钥数据。
步骤S53:利用密钥数据对授权部门信息进行密钥共享处理,生成密钥共享数据;
本发明实施例中,基于密钥数据对授权部门信息进行密钥共享处理,这样授权部门可以使用相应的密钥进行解密操作,以获取解密后的追溯信息,通过密钥共享,确保只有授权的部门可以访问和解密追溯信息,生成密钥共享数据。
步骤S54:根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,生成分割加密追溯信息;
本发明实施例中,根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,这样可以将追溯信息根据不同的类别进行划分,以便将划分后的数据分发给不同的授权部门,便于后续的授权部门相关追溯信息共享,生成分割加密追溯信息。
步骤S55:利用分割加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;
本发明实施例中,基于分割加密追溯信息对授权部门信息进行授权部门相关追溯信息共享处理,将特定类别的加密追溯信息共享给相应的授权部门,使其能够获得与其职责相关的追溯信息,生成共享加密追溯信息。
步骤S56:将密钥分发数据以及共享加密追溯信息反馈至终端。
本发明实施例中,将生成的密钥分发数据和共享加密追溯信息反馈给终端用户,这样授权部门和其他相关人员可以在终端上使用密钥和共享追溯信息,以进行解密和追溯操作。
在本说明书中,提供了一种基于医疗消毒供应全流程信息追溯系统,包括:
流程信息处理模块,用于获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
流程频率转化模块,利用快速傅里叶变化技术对标准流程信息进行流程信息频率转换处理,生成流程频率特征数据;
追溯信息生成模块,利用随机森林算法建立频率数据与追溯信息的关联模型,以生成追溯信息关联模型;利用追溯信息关联模型对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;
追溯信息加密模块:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
追溯信息共享模块,用于获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
本申请有益效果在于,本发明获取医疗消毒供应的流程信息并对其进行分类、清洗、分词和降噪处理,生成标准化的流程信息,这有助于提高数据的质量和一致性,为后续的分析和处理奠定基础。对标准化的流程信息进行时间序列排序、频谱图转换和频率特征提取,得到流程频率特征数据,有助于从流程信息中提取关键特征,分析流程的频率分布和变化情况,为后续的追溯和模型建立提供基础。利用随机森林算法和流程频率训练集,建立频率数据与追溯信息的映射关系,生成追溯信息关联模型,这有助于将流程频率特征数据转化为具体的追溯信息,实现对消毒供应流程的追溯和溯源能力。将加密追溯数据与实时流程信息进行比对和修正,利用同态加密算法保证数据安全性,这有助于实时监控流程信息的准确性和一致性,及时发现和修正流程中的异常情况,提高供应链的可靠性和安全性。获取授权部门信息并进行加密处理,利用优化加密追溯信息的密钥数据进行密钥共享和追溯信息共享,这有助于确保追溯信息的安全共享,使授权部门能够获取和使用加密追溯信息,实现对供应链的监管和审查。有助于提升医疗消毒供应链的可追溯性、安全性和可管理性,从而促进医疗消毒供应的规范化、高效化和合规化发展。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于医疗消毒供应全流程信息追溯方法,其特征在于,包括以下步骤:
步骤S1:获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
步骤S2,包括:
步骤S21:对标准流程信息进行时间序列排序,生成时间序列流程信息;
步骤S22:利用快速傅里叶变换对时间序列流程信息进行流程信息频谱图转换,生成流程频谱图;
步骤S23:利用流程频率特征提取公式对流程频谱图进行流程频率特征提取处理,生成流程频率特征数据;
其中,流程频率特征提取公式如下所示:
;
式中,表示为流程频率特征数据,/>表示为流程频谱图的频谱图帧数,/>表示为时间跨度,/>表示为流程频谱图的频率峰值之差,/>表示为流程频谱图的第/>帧频率信号,/>表示为流程频谱图的第/>帧频谱滤波信号,/>表示为离散时间变量,/>表示为离散时间信号的自相关权重信息,/>表示为流程频谱图的第/>帧时间域信号,/>表示为流程频率特征数据的异常调整值;
步骤S3,包括:
步骤S31:利用随机森林算法建立频率数据与追溯信息的映射关系,生成初始追溯信息关联模型;
步骤S32:对流程频率特征数据进行时间序列的数据划分,分别生成流程频率训练集以及流程频率测试集;
步骤S33:利用流程频率训练集对初始追溯信息关联模型进行模型训练,生成追溯信息关联模型;
步骤S34:利用追溯信息关联模型对流程频率测试集进行消毒供应追溯信息转化,生成流程追溯信息;
步骤S4:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
步骤S5:获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
2.根据权利要求1所述的基于医疗消毒供应全流程信息追溯方法,其特征在于,步骤S1包括以下步骤:
步骤S11:获取医疗消毒供应的流程信息;
步骤S12:根据预设的消毒供应流程信息类别对流程信息进行数据分类,生成分类流程信息;
步骤S13:对分类流程信息进行流程信息数据清洗处理,生成清洗流程信息;
步骤S14:利用朴素贝叶斯算法对清洗流程信息进行数据分词处理,生成分词流程信息;
步骤S15:利用流程信息降噪公式对分词流程信息进行数据降噪处理,生成标准流程信息。
3.根据权利要求2所述的基于医疗消毒供应全流程信息追溯方法,其特征在于,步骤S14包括以下步骤:
步骤S141:利用朴素贝叶斯算法建立流程信息的分词映射关系,以生成初始流程信息分词模型;
步骤S142:获取医疗消毒供应资料;
步骤S143:利用医疗消毒供应资料对初始流程信息分词模型进行模型训练,生成流程信息分词模型;
步骤S144:利用流程信息分词模型对清洗流程信息进行数据分词处理,生成分词流程信息。
4.根据权利要求3所述的基于医疗消毒供应全流程信息追溯方法,其特征在于,步骤S15中的流程信息降噪公式如下所示:
;
式中,表示为降噪后的标准流程信息,/>表示为分词流程信息的数据量,/>表示为分词流程信息,/>表示为时间序列转化的当前流程时间数据,/>表示为时间序列转化的总流程时间数据,/>表示为降噪后的标准流程信息的异常调整值。
5.根据权利要求4所述的基于医疗消毒供应全流程信息追溯方法,其特征在于,步骤S4包括以下步骤:
步骤S41:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;
步骤S42:获取医疗消毒供应的实时流程信息;
步骤S43:将实时流程信息与流程信息进行数据实时监控比对,当实时流程信息与流程信息不匹配时,生成实时流程比对信息,并执行步骤S44;
步骤S44:基于实时流程比对信息对加密追溯数据进行追溯数据修正,生成修正加密追溯数据;
步骤S45:将加密追溯信息与修正加密追溯信息进行加密追溯数据整合,生成优化加密追溯信息。
6.根据权利要求5所述的基于医疗消毒供应全流程信息追溯方法,其特征在于,步骤S5包括以下步骤:
步骤S51:获取授权部门信息;
步骤S52:基于优化加密追溯信息进行加密信息密钥获取处理,生成优化加密追溯信息的密钥数据;
步骤S53:利用密钥数据对授权部门信息进行密钥共享处理,生成密钥共享数据;
步骤S54:根据预设的消毒供应流程信息类别对优化加密追溯信息进行加密数据分割处理,生成分割加密追溯信息;
步骤S55:利用分割加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;
步骤S56:将密钥分发数据以及共享加密追溯信息反馈至终端。
7.一种基于医疗消毒供应全流程信息追溯系统,其特征在于,用于执行如权利要求1所述的基于医疗消毒供应全流程信息追溯方法,所述基于医疗消毒供应全流程信息追溯系统包括:
流程信息处理模块,用于获取医疗消毒供应的流程信息;对流程信息进行数据预处理,生成标准流程信息;
流程频率转化模块,利用快速傅里叶变化技术对标准流程信息进行流程信息频率转换处理,生成流程频率特征数据;
追溯信息生成模块,利用随机森林算法建立频率数据与追溯信息的关联模型,以生成追溯信息关联模型;利用追溯信息关联模型对流程频率特征数据进行消毒供应追溯信息转化,生成流程追溯信息;
追溯信息加密模块:利用同态加密算法对追溯信息进行同态加密处理,生成加密追溯数据;获取医疗消毒供应的实时流程信息;根据实时流程信息对加密追溯数据进行加密追溯数据优化处理,生成优化加密追溯信息;
追溯信息共享模块,用于获取授权部门信息;基于优化加密追溯信息对授权部门信息进行密钥共享处理,生成密钥共享数据;利用优化加密追溯信息对授权部门信息进行授权部门相关追溯信息共享,生成共享加密追溯信息;将密钥分发数据以及共享加密追溯信息反馈至终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310944007.8A CN116664154B (zh) | 2023-07-31 | 2023-07-31 | 基于医疗消毒供应全流程信息追溯方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310944007.8A CN116664154B (zh) | 2023-07-31 | 2023-07-31 | 基于医疗消毒供应全流程信息追溯方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664154A CN116664154A (zh) | 2023-08-29 |
CN116664154B true CN116664154B (zh) | 2023-10-24 |
Family
ID=87710090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310944007.8A Active CN116664154B (zh) | 2023-07-31 | 2023-07-31 | 基于医疗消毒供应全流程信息追溯方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664154B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871861A (zh) * | 2018-12-27 | 2019-06-11 | 航天信息股份有限公司 | 一种用于为目标数据提供编码的系统及方法 |
CN110556182A (zh) * | 2019-08-26 | 2019-12-10 | 周禹同 | 一种医院数据流转追溯的方法 |
CN111325562A (zh) * | 2020-02-17 | 2020-06-23 | 武汉轻工大学 | 粮食安全追溯系统及方法 |
AU2020103319A4 (en) * | 2020-11-09 | 2021-01-14 | G. Arunkumar | To Transmit e-Medical Records for Sharing on Blockchain using Homomorphic Encryption Methods |
CN112394224A (zh) * | 2020-11-04 | 2021-02-23 | 武汉大学 | 音频文件产生时间溯源动态匹配方法及系统 |
CN112788200A (zh) * | 2020-12-04 | 2021-05-11 | 光大科技有限公司 | 频谱信息的确定方法及装置、存储介质、电子装置 |
-
2023
- 2023-07-31 CN CN202310944007.8A patent/CN116664154B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871861A (zh) * | 2018-12-27 | 2019-06-11 | 航天信息股份有限公司 | 一种用于为目标数据提供编码的系统及方法 |
CN110556182A (zh) * | 2019-08-26 | 2019-12-10 | 周禹同 | 一种医院数据流转追溯的方法 |
CN111325562A (zh) * | 2020-02-17 | 2020-06-23 | 武汉轻工大学 | 粮食安全追溯系统及方法 |
CN112394224A (zh) * | 2020-11-04 | 2021-02-23 | 武汉大学 | 音频文件产生时间溯源动态匹配方法及系统 |
AU2020103319A4 (en) * | 2020-11-09 | 2021-01-14 | G. Arunkumar | To Transmit e-Medical Records for Sharing on Blockchain using Homomorphic Encryption Methods |
CN112788200A (zh) * | 2020-12-04 | 2021-05-11 | 光大科技有限公司 | 频谱信息的确定方法及装置、存储介质、电子装置 |
Non-Patent Citations (2)
Title |
---|
基于离散傅里叶变换的频率测量方法与应用;黄鹤;彭晓;;湖南工程学院学报(自然科学版)(第03期);全文 * |
采用最优频率匹配法处理信号;吕苗荣, 古德生;中南工业大学学报(自然科学版)(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116664154A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106572117B (zh) | 一种WebShell文件的检测方法和装置 | |
McKemmish | When is digital evidence forensically sound? | |
US20120304008A1 (en) | Supervised fault learning using rule-generated samples for machine condition monitoring | |
CN116776386B (zh) | 一种云服务数据信息安全管理方法及系统 | |
CN117421563B (zh) | 基于多传感器数据融合分析噪声的方法、装置以及设备 | |
CN111915331A (zh) | 一种基于区块链的企业征信数据管理方法及系统 | |
CN112200048A (zh) | 一种基于回归模型的旋转设备故障预测方法、系统及可读存储介质 | |
Lorch et al. | Compliance challenges in forensic image analysis under the artificial intelligence act | |
CN117352188A (zh) | 一种基于大数据分析的临床信息共享方法及系统 | |
CN116204927A (zh) | 一种心内科体征数据处理系统及方法 | |
CN116664154B (zh) | 基于医疗消毒供应全流程信息追溯方法及系统 | |
Salih et al. | Enhancing IoT forensics through deep learning: investigating cyber-attacks and analyzing big data for improved security measures | |
CN116709392B (zh) | 一种大规模无线传感器网络数据融合方法 | |
CN117370548A (zh) | 用户行为风险识别方法、装置、电子设备及介质 | |
CN116743383A (zh) | 一种智慧医学信息加密方法及系统 | |
CN117235661A (zh) | 基于ai的直饮水质量监测方法 | |
CN111428265A (zh) | 基于联邦学习的语句质检方法、装置、设备及存储介质 | |
Žontar et al. | Adoption of object-oriented software metrics for ontology evaluation | |
CN117195130B (zh) | 一种智能一卡通管理系统及方法 | |
CN116597928A (zh) | 一种医学粪便标本检验的数字化管理方法及系统 | |
CN116308434B (zh) | 一种保险欺诈识别方法及系统 | |
CN118036080A (zh) | 一种基于大数据技术的数据安全治理方法及系统 | |
Yang | A Robust Event Diagnostics Platform: Integrating Tensor Analytics and Machine Learning into Real-time Grid Monitoring | |
CN117539940A (zh) | 一种spd数据自动生成系统及方法 | |
Mahmood et al. | Comparative study of IoT forensic frameworks |
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 |