CN116741346B - 一种基于云计算的医疗智能云影像管理系统及方法 - Google Patents

一种基于云计算的医疗智能云影像管理系统及方法 Download PDF

Info

Publication number
CN116741346B
CN116741346B CN202310527433.1A CN202310527433A CN116741346B CN 116741346 B CN116741346 B CN 116741346B CN 202310527433 A CN202310527433 A CN 202310527433A CN 116741346 B CN116741346 B CN 116741346B
Authority
CN
China
Prior art keywords
data
cloud
image
cache
cloud image
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
Application number
CN202310527433.1A
Other languages
English (en)
Other versions
CN116741346A (zh
Inventor
张华�
陈曦
冯波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Blue Imaging Medical Technology Co ltd
Original Assignee
Wuxi Blue Imaging Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Blue Imaging Medical Technology Co ltd filed Critical Wuxi Blue Imaging Medical Technology Co ltd
Priority to CN202310527433.1A priority Critical patent/CN116741346B/zh
Publication of CN116741346A publication Critical patent/CN116741346A/zh
Application granted granted Critical
Publication of CN116741346B publication Critical patent/CN116741346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及医疗云影像管理技术领域，具体为一种基于云计算的医疗智能云影像管理系统及方法，包括就诊管理数据提取模块、有效响应区间分析模块、缓存服务器设定模块、工作节点输出模块、缓存云影像数据集分析模块和传输节点分析预警模块；诊管理数据提取模块用于获取医疗数据云端平台的历史就诊关联数据；有效响应区间分析模块用于分析医生UI端对于就诊用户端云影像提取的有效响应区间；缓存服务器设定模块设定医疗数据云端平台对应的缓存服务器；工作节点输出模块分析缓存服务器的工作节点；缓存云影像数据集分析模块分析可存储至缓存服务器中的缓存云影像数据集；传输节点分析预警模块分析缓存服务器的数据传输时间节点。

Description

一种基于云计算的医疗智能云影像管理系统及方法
技术领域
本发明涉及医疗云影像管理技术领域，具体为一种基于云计算的医疗智能云影像管理系统及方法。
背景技术
现有云影像数据的典型特征是大部分文件都是小文件，其中MR文件平均大小为60KB左右，CT文件平均大小为300KB左右，也是小文件，长期以来，小文件存储都是存储系统面临的挑战，小文件读写性能低，当存储的文件数量增多时性能会不断下降，而在大型医院的业务高峰期，数百位门诊、临床医生同时阅片时，对存储系统产生高并发访问，使得阅片等待时间更长，降低了医生就诊效率，也增加了就诊患者的就诊时间成本。
发明内容
本发明的目的在于提供一种基于云计算的医疗智能云影像管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的医疗智能云影像管理方法，包括以下分析步骤：
步骤S1：获取医疗数据云端平台记录的历史就诊关联数据，历史就诊关联数据包括就诊用户数据、流程响应数据和影像操作数据；基于影像操作数据，分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间；
步骤S2：设定医疗数据云端平台对应的缓存服务器，缓存服务器是指连接医疗数据云端平台并可存储就诊关联数据的服务器；基于有效响应区间，分析缓存服务器的工作节点；
步骤S3：缓存服务器响应工作后，提取监测周期内的就诊关联数据，智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集；
步骤S4：获取同一就诊用户数据包含的云影像数据开通对应医生UI端查阅权限时的流程响应数据，基于缓存云影像数据集，分析缓存服务器的数据传输时间节点，并在到达数据传输时间节点时传输预警信号至医生UI端。
进一步的，步骤S1中分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间，包括以下分析步骤：
步骤S11：影像操作数据包括云影像属性信息和提取影像等待时长；云影像属性信息是指云影像所属相应就诊用户信息以及影像类别；提取影像类别相同且就诊用户信息不同的云影像属性信息对应的影像操作数据构成目标分析集，提取影像等待时长和影像操作时长均是指医生UI端操作用户的云影像记录的时长数据；将影像类别相同的划分同一分析集是为了区别由于科室影像差异导致的操作时长差异，控制变量使同一类型下数据的研判更加精确；
步骤S12：获取目标分析集中第i个云影像属性信息对应的提取影像等待时长Hi，除去提取影像等待时长的最大值max(Hi)和最小值min(Hi)，计算目标分析集中的平均响应时长H0，H0＝[1/(m-2)][(∑Hi)-max(Hi)-min(Hi)]；i≤m，m表示目标分析集中云影像数据信息的总个数；
步骤S13：获取提取影像等待时长大于等于平均响应时长的云影像属性信息为目标属性信息，标定任意目标属性信息对应记录的提取影像等待时长为第一监测时段，获取第一监测时段内医疗数据云端平台记录的数据流量，数据流量是指医生UI端提取用户云影像响应的次数；将目标属性信息按照提取影像等待时长大小进行排序生成第一序列A1，将目标属性信息按照数据流量大小进行排序生成第二序列A2，两种排序方式相同；
标记第一序列元素与对应第二序列元素相同时特征值为1，标记第一序列元素与对应第二序列元素不同时特征值为0；
获取序列元素对应比较完成后特征值为1的个数k，计算动态指数I，I＝k/n，n表示目标属性信息的总个数；
步骤S14：设置动态指数阈值I0，当I<I0，输出监测周期内医生UI端对于就诊用户端的有效响应区间A1，A1＝(0,J0]，J0表示所有目标属性信息对应第一监测时段内数据流量的平均值；当I≥I0，输出监测周期内医生UI端对于就诊用户端的有效响应区间A2，A2＝(0,min(J)]，min(J)表示第一监测时段内医疗数据云端平台记录的数据流量的最小值。
I<I0说明在随着提取影像等待时长的增加，平台记录在同一时段的数据流量并没有存在规律变化；I≥I0说明随着提取影像等待时长的增加，数据流量也在增加，故说明第一序列和第二序列中的元素顺序基本对应的，可以得到数据流量的增多会对云影像系统的响应时长造成阻碍，有效响应区间是指数据流量控制在这个区间内的响应时长是合理且可以接受的。
进一步的，步骤S2包括以下分析步骤：
步骤S21：获取医疗数据云端平台中以任意时间点为起点的第二监测时段内的就诊用户数据，就诊用户数据是指流程响应数据中存在云影像生成流程且存在影像操作数据的就诊用户；第二监测时段是指所有目标属性信息对应第一监测时段的平均值；
步骤S22：提取第二监测时段内记录的实时数据流量J1，当时且维持p个相邻第二监测时段，A＝{A1,A2}，A表示由有效响应区间A1和有效响应区间A2构成的区间集合；则输出缓存服务器的工作节点为第p+1个第二监测时段的开始节点。分析维持时段是因为当属于A2区间时，系统记录数据流量并不一定按照规律变化。
进一步的，步骤S3中智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集，包括以下步骤：
步骤S31：影像操作数据还包括影像操作内容和影像操作时长；影像操作内容是指医生在UI端打开就诊用户的云影像进行旋转、测量、MPR或伪彩操作所保存记录的内容；
获取第j类目标分析集中医生UI端记录第u个云影像对应影像操作内容的种类数Dju和影像操作时长Tju；
步骤S32：提取第j类目标分析集中影像操作内容种类数的众数Dj 1，利用公式：
时，/>
时，/>
计算第j类目标分析集中有效指数Yj，其中表示影像操作内容种类数的众数对应的影像操作时长，f表示众数的个数，影像操作时长为医生UI端开启云影像到关闭云影像记录的时长；
Yj越大表示目标分析集中对应的云影像在选择存入缓存服务器中发生缓存雪崩的概率越小，因为Yj越大，则表示操作内容种类数越小或影像操作时长越大，而当操作内容种类数越小时说明云影像在存储时更新数据的频次少，则造成缓存雪崩是由于数据库数据更新造成缓存服务器中数据失效的可能因素减少，当影像操作时长越大时，可监测时间区间的范围就越大，包含的操作数据就越多，那么在同一时段内记录操作行为即产生更新云影像的操作行为在同一时段内重合的概率就越小，则越不容易造成由于增加缓存服务器后可能带来的缓存雪崩的现象发生，且将操作指数越小对应的云影像作为缓存服务端的缓存内容，可以增加缓存效率，避免因缓存雪崩造成的云影像系统崩溃的情况；
步骤S33：提取有效指数的最大值Max[Yj]对应的目标分析集为缓存分析集，将缓存分析集中记录的云影像输出为缓存云影像数据集。
进一步的，步骤S4中分析缓存服务器的数据传输时间节点，包括以下分析步骤：
提取流程响应数据中就诊用户端获取云影像所属的第一响应环节和医生UI端打开云影像的第二响应环节，获取第一响应环节至第二响应环节的间隔时长t，提取缓存云影像数据集中对应间隔时长的最小值mint；
获取实时第一响应环节对应的时刻t1，提取以时刻t1为起始节点的第三监测时段内的实时数据流量J2，第三监测时段小于第二监测时段，标定J2∈A时的首个第三监测时段为目标监测时段，计算等待时长t2，t2＝t3*c，其中t3表示第三监测时段的总时长，c表示目标监测时段距离起始节点所包含第三监测时段的个数；
若t2≤mint，则输出数据传输时间节点t4，t4＝t1+t2；
若t2>mint，则输出数据传输时间节点t4，t4＝t1+mint。
分析数据传输时间节点可以有效的在设置缓存服务器的基础上，将云影像的缓存路径和缓存时间进行区分，避免医生UI端在同一时刻对大量云影像数据同时提取造成的卡顿、延迟现象。
医疗智能云影像管理系统，包括就诊管理数据提取模块、有效响应区间分析模块、缓存服务器设定模块、工作节点输出模块、缓存云影像数据集分析模块和传输节点分析预警模块；
诊管理数据提取模块用于获取医疗数据云端平台记录的历史就诊关联数据，历史就诊关联数据包括就诊用户数据、流程响应数据和影像操作数据；
有效响应区间分析模块用于分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间；
缓存服务器设定模块用于设定医疗数据云端平台对应的缓存服务器；
工作节点输出模块用于基于实时数据流量与有效响应区间的关系分析缓存服务器的工作节点；
缓存云影像数据集分析模块用于智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集；
传输节点分析预警模块分析缓存服务器的数据传输时间节点，并在到达数据传输时间节点时传输预警信号至医生UI端。
进一步的，有效响应区间分析模块包括目标分析集提取单元、平均响应时长计算单元、动态指数计算单元和有效响应区间输出单元；
目标分析集提取单元用于提取影像类别相同且就诊用户信息不同的云影像属性信息对应的影像操作数据构成目标分析集；
平均响应时长计算单元用于除去提取影像等待时长的最大值和最小值，计算目标分析集中的平均响应时长；
动态指数计算单元用于将目标属性信息按照提取影像等待时长大小、数据流量大小生成两种序列，并比较计算动态指数；
有效响应区间输出单元用于比较动态指数与动态指数阈值大小，输出相应有效响应区间。
进一步的，缓存云影像数据集分析模块包括有效指数计算单元、缓存分析集确定单元和缓存云影像数据集输出单元；
有效指数计算单元用于基于影像操作内容和影像操作时长，计算目标分析集中的有效指数；
缓存分析集确定单元用于提取有效指数的最大值对应的目标分析集为缓存分析集；
缓存云影像数据集输出单元用于将缓存分析集中记录的云影像输出为缓存云影像数据集。
进一步的，传输节点分析预警模块包括间隔时长分析单元、等待时长计算单元、数据传输时间节点确定单元和预警信号传输单元；
间隔时长分析单元提取流程响应数据中就诊用户端获取云影像所属的第一响应环节和医生UI端打开云影像的第二响应环节，获取第一响应环节至第二响应环节的间隔时长；
等待时长计算单元用于基于第三监测时段与首个第三监测时段距离起始节点所包含第三监测时段的个数的乘积，计算等待时长；
数据传输时间节点确定单元用于比较等待时长与间隔时长最小值的大小关系，输出数据传输时间节点；
预警信号传输单元用于在到达数据传输时间节点时传输预警信号至医生UI端。
与现有技术相比，本发明所达到的有益效果是：本发明通过设置缓存服务器将云影像进行择优缓存，从而缓解所有医生端均从云影像数据库中提取影像数据的压力；同时本发明在设定缓存服务器后从缓存内容和缓存时间上做进一步的分析，确定稳定的缓存内容，使得增加的缓存服务器不会带来额外的故障，避免造成由于增加缓存服务器后可能带来的缓存雪崩的现象发生，且在确定缓存内容后，对缓存时间进行区分，有效避免医生UI端在同一时刻对大量云影像数据同时提取造成的卡顿、延迟现象，给出预警信号，使得医生可以直接从缓存服务器中提取云影像，不用响应等待时长，使得医护人员在对云影像系统使用时提高就诊效率，增加云影像的适用性和应用性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于云计算的医疗智能云影像管理系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：一种基于云计算的医疗智能云影像管理方法，包括以下分析步骤：
步骤S1：获取医疗数据云端平台记录的历史就诊关联数据，历史就诊关联数据包括就诊用户数据、流程响应数据和影像操作数据；基于影像操作数据，分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间；
步骤S2：设定医疗数据云端平台对应的缓存服务器，缓存服务器是指连接医疗数据云端平台并可存储就诊关联数据的服务器；基于有效响应区间，分析缓存服务器的工作节点；
步骤S3：缓存服务器响应工作后，提取监测周期内的就诊关联数据，智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集；
步骤S4：获取同一就诊用户数据包含的云影像数据开通对应医生UI端查阅权限时的流程响应数据，基于缓存云影像数据集，分析缓存服务器的数据传输时间节点，并在到达数据传输时间节点时传输预警信号至医生UI端。
步骤S1中分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间，包括以下分析步骤：
步骤S11：影像操作数据包括云影像属性信息和提取影像等待时长；云影像属性信息是指云影像所属相应就诊用户信息以及影像类别；提取影像类别相同且就诊用户信息不同的云影像属性信息对应的影像操作数据构成目标分析集，提取影像等待时长和影像操作时长均是指医生UI端操作用户的云影像记录的时长数据；影像类别是以科室不同进行划分，将影像类别相同的划分同一分析集是为了区别由于科室影像差异导致的操作时长差异，控制变量使同一类型下数据的研判更加精确；
步骤S12：获取目标分析集中第i个云影像属性信息对应的提取影像等待时长Hi，除去提取影像等待时长的最大值max(Hi)和最小值min(Hi)，计算目标分析集中的平均响应时长H0，H0＝[1/(m-2)][(∑Hi)-max(Hi)-min(Hi)]；i≤m，m表示目标分析集中云影像数据信息的总个数；
步骤S13：获取提取影像等待时长大于等于平均响应时长的云影像属性信息为目标属性信息，标定任意目标属性信息对应记录的提取影像等待时长为第一监测时段，获取第一监测时段内医疗数据云端平台记录的数据流量，数据流量是指医生UI端提取用户云影像响应的次数；将目标属性信息按照提取影像等待时长大小进行排序生成第一序列A1，将目标属性信息按照数据流量大小进行排序生成第二序列A2，两种排序方式相同；
标记第一序列元素与对应第二序列元素相同时特征值为1，标记第一序列元素与对应第二序列元素不同时特征值为0；
获取序列元素对应比较完成后特征值为1的个数k，计算动态指数I，I＝k/n，n表示目标属性信息的总个数；
步骤S14：设置动态指数阈值I0，当I<I0，输出监测周期内医生UI端对于就诊用户端的有效响应区间A1，A1＝(0,J0]，J0表示所有目标属性信息对应第一监测时段内数据流量的平均值；当I≥I0，输出监测周期内医生UI端对于就诊用户端的有效响应区间A2，A2＝(0,min(J)]，min(J)表示第一监测时段内医疗数据云端平台记录的数据流量的最小值。
I<I0说明在随着提取影像等待时长的增加，平台记录在同一时段的数据流量并没有存在规律变化；I≥I0说明随着提取影像等待时长的增加，数据流量也在增加，故说明第一序列和第二序列中的元素顺序基本对应的，可以得到数据流量的增多会对云影像系统的响应时长造成阻碍，有效响应区间是指数据流量控制在这个区间内的响应时长是合理且可以接受的。
步骤S2包括以下分析步骤：
步骤S21：获取医疗数据云端平台中以任意时间点为起点的第二监测时段内的就诊用户数据，就诊用户数据是指流程响应数据中存在云影像生成流程且存在影像操作数据的就诊用户；第二监测时段是指所有目标属性信息对应第一监测时段的平均值；
步骤S22：提取第二监测时段内记录的实时数据流量J1，当时且维持p个相邻第二监测时段，A＝{A1,A2}，A表示由有效响应区间A1和有效响应区间A2构成的区间集合；则输出缓存服务器的工作节点为第p+1个第二监测时段的开始节点。实际应用p取值为1或2。分析维持时段是因为当属于A2区间时，系统记录数据流量并不一定按照规律变化。
步骤S3中智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集，包括以下步骤：
步骤S31：影像操作数据还包括影像操作内容和影像操作时长；影像操作内容是指医生在UI端打开就诊用户的云影像进行旋转、测量、MPR或伪彩操作所保存记录的内容；影像操作内容可以为一个也可为多个；
获取第j类目标分析集中医生UI端记录第u个云影像对应影像操作内容的种类数Dju和影像操作时长Tju；每个云影像对应一个就诊用户；且云影像通过影像操作数据中的云影像属性信息获取；
步骤S32：提取第j类目标分析集中影像操作内容种类数的众数Dj 1，利用公式：
时，/>
时，/>
计算第j类目标分析集中有效指数Yj，其中表示影像操作内容种类数的众数对应的影像操作时长，f表示众数的个数，影像操作时长为医生UI端开启云影像到关闭云影像记录的时长；
Dju 1为0表示不对云影像进行操作，Dju 1不为0表示对云影像进行旋转、测量、MPR或伪彩等操作，且每种操作完成后均进行保存；
Yj越大表示目标分析集中对应的云影像在选择存入缓存服务器中发生缓存雪崩的概率越小，因为Yj越大，则表示操作内容种类数越小或影像操作时长越大，而当操作内容种类数越小时说明云影像在存储时更新数据的频次少，则造成缓存雪崩是由于数据库数据更新造成缓存服务器中数据失效的可能因素减少，当影像操作时长越大时，可监测时间区间的范围就越大，包含的操作数据就越多，那么在同一时段内记录操作行为即产生更新云影像的操作行为在同一时段内重合的概率就越小，则越不容易造成由于增加缓存服务器后可能带来的缓存雪崩的现象发生，且将操作指数越小对应的云影像作为缓存服务端的缓存内容，可以增加缓存效率，避免因缓存雪崩造成的云影像系统崩溃的情况；
步骤S33：提取有效指数的最大值Max[Yj]对应的目标分析集为缓存分析集，将缓存分析集中记录的云影像输出为缓存云影像数据集。
步骤S4中分析缓存服务器的数据传输时间节点，包括以下分析步骤：
提取流程响应数据中就诊用户端获取云影像所属的第一响应环节和医生UI端打开云影像的第二响应环节，获取第一响应环节至第二响应环节的间隔时长t，提取缓存云影像数据集中对应间隔时长的最小值mint；
获取实时第一响应环节对应的时刻t1，提取以时刻t1为起始节点的第三监测时段内的实时数据流量J2，第三监测时段小于第二监测时段，标定J2∈A时的首个第三监测时段为目标监测时段，计算等待时长t2，t2＝t3*c，其中t3表示第三监测时段的总时长，c表示目标监测时段距离起始节点所包含第三监测时段的个数；
若t2≤mint，则输出数据传输时间节点t4，t4＝t1+t2；
若t2>mint，则输出数据传输时间节点t4，t4＝t1+mint。
分析数据传输时间节点可以有效的在设置缓存服务器的基础上，将云影像的缓存路径和缓存时间进行区分，避免医生UI端在同一时刻对大量云影像数据同时提取造成的卡顿、延迟现象。
如实施例所示：
云影像数据集中记录三个云影像数据，每个云影像数据代表一个就诊用户；
a：第一响应环节时间点为：10:34，第二响应环节时间点为：10:45；
b：第一响应环节时间点为：10:21，第二响应环节时间点为：10:27；
c：第一响应环节时间点为：11:52，第二响应环节时间点为：12:09；
则间隔时长的最小值为6min，用户b；
若实时第一响应环节的时刻为11:01，第三监测时段设置为2min，且从11:01-11:03对应的实时数据流量为J21，从11:03-11:05对应的实时数据流量为J22，且J22∈A；
则t2＝2*2＝4min，4min<6min，则输出数据传输时间节点为t4，t4＝11:01+4min＝11:05。
医疗智能云影像管理系统，包括就诊管理数据提取模块、有效响应区间分析模块、缓存服务器设定模块、工作节点输出模块、缓存云影像数据集分析模块和传输节点分析预警模块；
诊管理数据提取模块用于获取医疗数据云端平台记录的历史就诊关联数据，历史就诊关联数据包括就诊用户数据、流程响应数据和影像操作数据；
有效响应区间分析模块用于分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间；
缓存服务器设定模块用于设定医疗数据云端平台对应的缓存服务器；
工作节点输出模块用于基于实时数据流量与有效响应区间的关系分析缓存服务器的工作节点；
缓存云影像数据集分析模块用于智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集；
传输节点分析预警模块分析缓存服务器的数据传输时间节点，并在到达数据传输时间节点时传输预警信号至医生UI端。
有效响应区间分析模块包括目标分析集提取单元、平均响应时长计算单元、动态指数计算单元和有效响应区间输出单元；
目标分析集提取单元用于提取影像类别相同且就诊用户信息不同的云影像属性信息对应的影像操作数据构成目标分析集；
平均响应时长计算单元用于除去提取影像等待时长的最大值和最小值，计算目标分析集中的平均响应时长；
动态指数计算单元用于将目标属性信息按照提取影像等待时长大小、数据流量大小生成两种序列，并比较计算动态指数；
有效响应区间输出单元用于比较动态指数与动态指数阈值大小，输出相应有效响应区间。
缓存云影像数据集分析模块包括有效指数计算单元、缓存分析集确定单元和缓存云影像数据集输出单元；
有效指数计算单元用于基于影像操作内容和影像操作时长，计算目标分析集中的有效指数；
缓存分析集确定单元用于提取有效指数的最大值对应的目标分析集为缓存分析集；
缓存云影像数据集输出单元用于将缓存分析集中记录的云影像输出为缓存云影像数据集。
传输节点分析预警模块包括间隔时长分析单元、等待时长计算单元、数据传输时间节点确定单元和预警信号传输单元；
间隔时长分析单元提取流程响应数据中就诊用户端获取云影像所属的第一响应环节和医生UI端打开云影像的第二响应环节，获取第一响应环节至第二响应环节的间隔时长；
等待时长计算单元用于基于第三监测时段与首个第三监测时段距离起始节点所包含第三监测时段的个数的乘积，计算等待时长；
数据传输时间节点确定单元用于比较等待时长与间隔时长最小值的大小关系，输出数据传输时间节点；
预警信号传输单元用于在到达数据传输时间节点时传输预警信号至医生UI端。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于云计算的医疗智能云影像管理方法，其特征在于，包括以下分析步骤：
步骤S1：获取医疗数据云端平台记录的历史就诊关联数据，所述历史就诊关联数据包括就诊用户数据、流程响应数据和影像操作数据；基于影像操作数据，分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间；
所述步骤S1中分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间，包括以下分析步骤：
步骤S11：所述影像操作数据包括云影像属性信息和提取影像等待时长；所述云影像属性信息是指云影像所属相应就诊用户信息以及影像类别；提取影像类别相同且就诊用户信息不同的云影像属性信息对应的影像操作数据构成目标分析集，所述提取影像等待时长和影像操作时长均是指医生UI端操作用户的云影像记录的时长数据；
步骤S12：获取目标分析集中第i个云影像属性信息对应的提取影像等待时长Hi，除去提取影像等待时长的最大值max(Hi)和最小值min(Hi)，计算目标分析集中的平均响应时长H0，H0＝[1/(m-2)][(∑Hi)-max(Hi)-min(Hi)]；i≤m，m表示目标分析集中云影像数据信息的总个数；
步骤S13：获取提取影像等待时长大于等于平均响应时长的云影像属性信息为目标属性信息，标定任意目标属性信息对应记录的提取影像等待时长为第一监测时段，获取第一监测时段内医疗数据云端平台记录的数据流量，所述数据流量是指医生UI端提取用户云影像响应的次数；将目标属性信息按照提取影像等待时长大小进行排序生成第一序列A1，将目标属性信息按照数据流量大小进行排序生成第二序列A2，两种排序方式相同；
标记第一序列元素与对应第二序列元素相同时特征值为1，标记第一序列元素与对应第二序列元素不同时特征值为0；
获取序列元素对应比较完成后特征值为1的个数k，计算动态指数I，I＝k/n，n表示目标属性信息的总个数；
步骤S14：设置动态指数阈值I0，当I<I0，输出监测周期内医生UI端对于就诊用户端的有效响应区间A1，A1＝(0,J0]，J0表示所有目标属性信息对应第一监测时段内数据流量的平均值；当I≥I0，输出监测周期内医生UI端对于就诊用户端的有效响应区间A2，A2＝(0,min(J)]，min(J)表示第一监测时段内医疗数据云端平台记录的数据流量的最小值；
步骤S2：设定医疗数据云端平台对应的缓存服务器，所述缓存服务器是指连接医疗数据云端平台并可存储就诊关联数据的服务器；基于有效响应区间，分析缓存服务器的工作节点；
所述步骤S2包括以下分析步骤：
步骤S21：获取医疗数据云端平台中以任意时间点为起点的第二监测时段内的就诊用户数据，所述就诊用户数据是指流程响应数据中存在云影像生成流程且存在影像操作数据的就诊用户；所述第二监测时段是指所有目标属性信息对应第一监测时段的平均值；
步骤S22：提取第二监测时段内记录的实时数据流量J1，当时且维持p个相邻第二监测时段，A＝{A1,A2}，A表示由有效响应区间A1和有效响应区间A2构成的区间集合；则输出缓存服务器的工作节点为第p+1个第二监测时段的开始节点；
步骤S3：缓存服务器响应工作后，提取监测周期内的就诊关联数据，智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集；
步骤S4：获取同一就诊用户数据包含的云影像数据开通对应医生UI端查阅权限时的流程响应数据，基于缓存云影像数据集，分析缓存服务器的数据传输时间节点，并在到达数据传输时间节点时传输预警信号至医生UI端。
2.根据权利要求1所述的一种基于云计算的医疗智能云影像管理方法，其特征在于：所述步骤S3中智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集，包括以下步骤：
步骤S31：所述影像操作数据还包括影像操作内容和影像操作时长；所述影像操作内容是指医生在UI端打开就诊用户的云影像进行旋转、测量、MPR或伪彩操作所保存记录的内容；
获取第j类目标分析集中医生UI端记录第u个云影像对应影像操作内容的种类数Dju和影像操作时长Tju；
步骤S32：提取第j类目标分析集中影像操作内容种类数的众数Dj 1，利用公式：
时，/>
时，/>
计算第j类目标分析集中有效指数Yj，其中表示影像操作内容种类数的众数对应的影像操作时长，f表示众数的个数，所述影像操作时长为医生UI端开启云影像到关闭云影像记录的时长；
步骤S33：提取有效指数的最大值Max[Yj]对应的目标分析集为缓存分析集，将缓存分析集中记录的云影像输出为缓存云影像数据集。
3.根据权利要求2所述的一种基于云计算的医疗智能云影像管理方法，其特征在于：所述步骤S4中分析缓存服务器的数据传输时间节点，包括以下分析步骤：
提取流程响应数据中就诊用户端获取云影像所属的第一响应环节和医生UI端打开云影像的第二响应环节，获取第一响应环节至第二响应环节的间隔时长t，提取缓存云影像数据集中对应间隔时长的最小值mint；
获取实时第一响应环节对应的时刻t1，提取以时刻t1为起始节点的第三监测时段内的实时数据流量J2，所述第三监测时段小于第二监测时段，标定J2∈A时的首个第三监测时段为目标监测时段，计算等待时长t2，t2＝t3*c，其中t3表示第三监测时段的总时长，c表示目标监测时段距离起始节点所包含第三监测时段的个数；
若t2≤mint，则输出数据传输时间节点t4，t4＝t1+t2；
若t2>mint，则输出数据传输时间节点t4，t4＝t1+mint。
4.应用权利要求1-3中任一项所述的一种基于云计算的医疗智能云影像管理方法的医疗智能云影像管理系统，其特征在于，包括就诊管理数据提取模块、有效响应区间分析模块、缓存服务器设定模块、工作节点输出模块、缓存云影像数据集分析模块和传输节点分析预警模块；
所述诊管理数据提取模块用于获取医疗数据云端平台记录的历史就诊关联数据，所述历史就诊关联数据包括就诊用户数据、流程响应数据和影像操作数据；
所述有效响应区间分析模块用于分析监测周期内医生UI端对于就诊用户端云影像提取的有效响应区间；
所述缓存服务器设定模块用于设定医疗数据云端平台对应的缓存服务器；
所述工作节点输出模块用于基于实时数据流量与有效响应区间的关系分析缓存服务器的工作节点；
所述缓存云影像数据集分析模块用于智能化分析医疗数据云端平台中可存储至缓存服务器中的缓存云影像数据集；
所述传输节点分析预警模块分析缓存服务器的数据传输时间节点，并在到达数据传输时间节点时传输预警信号至医生UI端。
5.根据权利要求4所述的医疗智能云影像管理系统，其特征在于：所述有效响应区间分析模块包括目标分析集提取单元、平均响应时长计算单元、动态指数计算单元和有效响应区间输出单元；
所述目标分析集提取单元用于提取影像类别相同且就诊用户信息不同的云影像属性信息对应的影像操作数据构成目标分析集；
所述平均响应时长计算单元用于除去提取影像等待时长的最大值和最小值，计算目标分析集中的平均响应时长；
所述动态指数计算单元用于将目标属性信息按照提取影像等待时长大小、数据流量大小生成两种序列，并比较计算动态指数；
所述有效响应区间输出单元用于比较动态指数与动态指数阈值大小，输出相应有效响应区间。
6.根据权利要求5所述的医疗智能云影像管理系统，其特征在于：所述缓存云影像数据集分析模块包括有效指数计算单元、缓存分析集确定单元和缓存云影像数据集输出单元；
所述有效指数计算单元用于基于影像操作内容和影像操作时长，计算目标分析集中的有效指数；
所述缓存分析集确定单元用于提取有效指数的最大值对应的目标分析集为缓存分析集；
所述缓存云影像数据集输出单元用于将缓存分析集中记录的云影像输出为缓存云影像数据集。
7.根据权利要求6所述的医疗智能云影像管理系统，其特征在于：所述传输节点分析预警模块包括间隔时长分析单元、等待时长计算单元、数据传输时间节点确定单元和预警信号传输单元；
所述间隔时长分析单元提取流程响应数据中就诊用户端获取云影像所属的第一响应环节和医生UI端打开云影像的第二响应环节，获取第一响应环节至第二响应环节的间隔时长；
所述等待时长计算单元用于基于第三监测时段与首个第三监测时段距离起始节点所包含第三监测时段的个数的乘积，计算等待时长；
所述数据传输时间节点确定单元用于比较等待时长与间隔时长最小值的大小关系，输出数据传输时间节点；
所述预警信号传输单元用于在到达数据传输时间节点时传输预警信号至医生UI端。
CN202310527433.1A 2023-05-11 2023-05-11 一种基于云计算的医疗智能云影像管理系统及方法 Active CN116741346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310527433.1A CN116741346B (zh) 2023-05-11 2023-05-11 一种基于云计算的医疗智能云影像管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310527433.1A CN116741346B (zh) 2023-05-11 2023-05-11 一种基于云计算的医疗智能云影像管理系统及方法

Publications (2)

Publication Number Publication Date
CN116741346A CN116741346A (zh) 2023-09-12
CN116741346B true CN116741346B (zh) 2024-03-26

Family

ID=87902002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310527433.1A Active CN116741346B (zh) 2023-05-11 2023-05-11 一种基于云计算的医疗智能云影像管理系统及方法

Country Status (1)

Country Link
CN (1) CN116741346B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806773A (zh) * 2018-05-21 2018-11-13 上海熙业信息科技有限公司 医学影像云存储平台设计方法
CN112422449A (zh) * 2020-12-17 2021-02-26 河南科技大学 基于缓存支持网络的医疗数据转发和缓存系统及方法
CN113111130A (zh) * 2021-04-30 2021-07-13 贵州联科卫信科技有限公司 一种基于云平台的分布式医学影像数据存储方法
CN113360803A (zh) * 2021-06-01 2021-09-07 平安银行股份有限公司 基于用户行为的数据缓存方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806773A (zh) * 2018-05-21 2018-11-13 上海熙业信息科技有限公司 医学影像云存储平台设计方法
CN112422449A (zh) * 2020-12-17 2021-02-26 河南科技大学 基于缓存支持网络的医疗数据转发和缓存系统及方法
CN113111130A (zh) * 2021-04-30 2021-07-13 贵州联科卫信科技有限公司 一种基于云平台的分布式医学影像数据存储方法
CN113360803A (zh) * 2021-06-01 2021-09-07 平安银行股份有限公司 基于用户行为的数据缓存方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A comparaticve approach to reduce the waiting time using queuing qtheory in cloud computing environment;Suneeta Mohanty 等;《International Joournal of Information and Computation Technology》;469-474 *

Also Published As

Publication number Publication date
CN116741346A (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
US11935644B2 (en) Deep learning automated dermatopathology
US8577109B2 (en) Systems and methods for automated extraction of measurement information in medical videos
JP5506912B2 (ja) 臨床決定支援システム及び方法
CN109754886A (zh) 治疗方案智能生成系统、方法及可读存储介质、电子设备
US20150220868A1 (en) Evaluating Data Quality of Clinical Trials
US20100324938A1 (en) Method and apparatus for identifying relationships in data based on time-dependent relationships
CN112365978A (zh) 心动过速事件早期风险评估的模型的建立方法及其装置
CN103370629B (zh) 临床质量分析系统
Khasawneh et al. Detection of K-complexes in EEG signals using deep transfer learning and YOLOv3
US10019681B2 (en) Multidimensional recursive learning process and system used to discover complex dyadic or multiple counterparty relationships
US20220051114A1 (en) Inference process visualization system for medical scans
CN109360657B (zh) 一种医院感染数据的样本选取的时间段推理方法
EP3779757A1 (en) Simulated risk contributions
CN116741346B (zh) 一种基于云计算的医疗智能云影像管理系统及方法
CN114191665A (zh) 机械通气过程中人机异步现象的分类方法和分类装置
US20210249134A1 (en) Data Aggregation, Integration and Analysis System and Related Devices and Methods
CN116578677B (zh) 一种针对医疗检验信息的检索系统和方法
KR101710649B1 (ko) 네트워크 자동 추론을 통한 기업 가치 측정 서비스 시스템
CN116864060A (zh) 一种早癌手术围手术期数据管理系统及方法
CN114550930A (zh) 疾病预测方法、装置、设备及存储介质
CN115810425B (zh) 一种脓毒症休克患者死亡率风险等级预测方法及装置
CN117116472B (zh) 医学诊断装置、电子设备及存储介质
CN116913449A (zh) 一种基于口腔电子病历的医生诊疗合规性判断方法
Luong et al. longSil: An evaluation metric to assess quality of clustering longitudinal clinical data
CN118430840A (zh) 用于医疗机构的传染风险数据处理方法及装置、存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant