CN116759040B - 一种用于医疗大数据的数据治理系统及方法 - Google Patents
一种用于医疗大数据的数据治理系统及方法 Download PDFInfo
- Publication number
- CN116759040B CN116759040B CN202311034427.9A CN202311034427A CN116759040B CN 116759040 B CN116759040 B CN 116759040B CN 202311034427 A CN202311034427 A CN 202311034427A CN 116759040 B CN116759040 B CN 116759040B
- Authority
- CN
- China
- Prior art keywords
- data
- uploading
- program
- processing program
- index table
- 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 48
- 238000013523 data management Methods 0.000 title claims abstract description 21
- 239000012634 fragment Substances 0.000 claims abstract description 17
- 238000002372 labelling Methods 0.000 claims abstract description 16
- 230000002776 aggregation Effects 0.000 claims abstract description 13
- 238000004220 aggregation Methods 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims abstract description 13
- 238000013526 transfer learning Methods 0.000 claims description 12
- 238000003032 molecular docking Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种用于医疗大数据的数据治理系统及方法,主要涉及数据治理技术领域,用以解决现有方法检索数据繁琐以及数据多样化获取语义困难的问题。包括:数据汇聚模块,用于获得经过上传处理程序处理后的上传数据;确定具体数据对应的目标数据库,以及将索引表添加至总索引表中;结构化管理模块,用于进行结构化索引值下具体数据的检索;数据管理模块,用于电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据;AI标注模块,用于通过预标注界面获取结论数据对应的标注数据。
Description
技术领域
本申请涉及数据治理技术领域,尤其涉及一种用于医疗大数据的数据治理系统及方法。
背景技术
现阶段,数据的流动性越来越快,汇聚平台接收的多家医院医疗数据的已经以T为单位,对数据进行治理显得尤为重要。早期数据的数据汇聚和治理工作主要通过人工在线下进行,但是人工处理速度慢且存在人工误差,已无法胜任以T为单位的数据的治理。
现有的主流的医疗大数据处理方法为:在数据采集阶段,医院使用关系型数据库(例如Oracle,DB2,MySQL……),确保数据不会因为软硬件故障而遭到损失。每个医院有很多不同的业务系统,这些系统会采用相对独立的数据库来存储和处理不同的业务数据。通过批量处理构建不同维度的数据分析表,驱动BI和报表展示。然后,基于全量数据的探索式分析。
但是,现有方法只是传统大数据处理方法的直接使用。在汇聚平台的处理医疗数据时,需要进行多方数据的检索,现有技术在不同数据库之间的检索方法较为繁琐,耗时较长。此外,上传至汇聚平台的数据来着不同医院医疗系统的不同数据模型和不同版本,且医疗数据本身分为不同类型,存在数据重复上报、数据多样化难以进行分析处理等问题。
发明内容
针对现有技术的上述不足,本申请提供一种用于医疗大数据的数据治理系统及方法,以解决现有方法检索数据繁琐以及数据多样化获取语义困难的技术问题。
第一方面,本申请提供了一种用于医疗大数据的数据治理系统,系统包括:数据汇聚模块,用于获得经过上传处理程序处理后的上传数据;其中,上传数据包括索引表和具体数据;基于索引表的索引值,确定具体数据对应的目标数据库,以及将索引表添加至总索引表中;其中,总索引表包括结构化索引值和非结构化索引值;结构化管理模块,用于根据结构化索引值,生成管理界面,以进行结构化索引值下具体数据的检索;数据管理模块,用于从非结构化索引值中获取电子病历数据,对电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据;AI标注模块,用于通过预标注界面获取结论数据对应的标注数据。
进一步地,数据汇聚模块包括下发单元;用于在确定获取到上传数据信号时,获取上传数据信号中携带的样本数据;确定样本数据对应的上传处理程序以及程序编号;下发携带程序编号的对接指令至上传样本数据的服务器,以使服务器确定本地是否存在上传处理程序;在确定不存在上传处理程序时,下发上传处理程序至服务器,进而获得经过上传处理程序处理后的上传数据。
进一步地,数据汇聚模块包括程序确定单元,用于获取上传处理程序或上传处理程序对应的更新程序,以及通过预设程序显示界面,进行上传处理程序的排序和查询;其中,上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序、格式调整程序。
进一步地,数据汇聚模块包括增量字段单元;用于在获取到增量字段指令时,确定增量字段在总索引表中对应的关联字段;以将关联字段添加至增量字段指令对应的数据中。
进一步地,AI标注模块包括AI训练单元;用于在获取到结论数据后,将结论数据导入预设迁移学习算法,以通过预设迁移学习算法,获得预测的标识数据。
第二方面,本申请提供了一种用于医疗大数据的数据治理方法,方法包括:获得经过上传处理程序处理后的上传数据;其中,上传数据包括索引表和具体数据;基于索引表的索引值,确定具体数据对应的目标数据库,以及将索引表添加至总索引表中;其中,总索引表包括结构化索引值和非结构化索引值;根据结构化索引值,生成管理界面,以进行结构化索引值下具体数据的检索;从非结构化索引值中获取电子病历数据,对电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据;通过预标注界面获取结论数据对应的标注数据。
进一步地,获得经过上传处理程序处理后的上传数据,具体包括:在确定获取到上传数据信号时,获取上传数据信号中携带的样本数据;确定样本数据对应的上传处理程序以及程序编号;下发携带程序编号的对接指令至上传样本数据的服务器,以使服务器确定本地是否存在上传处理程序;在确定不存在上传处理程序时,下发上传处理程序至服务器,进而获得经过上传处理程序处理后的上传数据。
进一步地,方法还包括:获取上传处理程序或上传处理程序对应的更新程序,以及通过预设程序显示界面,进行上传处理程序的排序和查询;其中,上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序、格式调整程序。
进一步地,方法还包括:在获取到增量字段指令时,确定增量字段在总索引表中对应的关联字段;以将关联字段添加至增量字段指令对应的数据中。
进一步地,通过预标注界面获取结论数据对应的标注数据,具体包括:在获取到结论数据后,将结论数据导入预设迁移学习算法,以通过预设迁移学习算法,获得预测的标识数据。
本领域技术人员能够理解的是,本申请至少具有如下有益效果:
通过获取经过上传处理程序处理后的上传数据,解决了多来源数据的数据格式不统一的问题。另外,通过设置不同的上传处理程序(上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序)解决了数据重复上报、数据多样化难以进行分析处理的问题,实现了直接获取索引表和具体数据;通过将索引表添加至总索引表中,在检索时,直接通过检索表确定具体位置,解决了需要进行多方数据的检索,在不同数据库之间的检索方法较为繁琐,耗时较长的问题。
附图说明
下面参照附图来描述本公开的部分实施例,附图中:
图1是本申请实施例提供的一种用于医疗大数据的数据治理系统内部结构示意图。
图2是本申请实施例提供的一种用于医疗大数据的数据治理方法流程图。
具体实施方式
本领域技术人员应当理解的是,下文所描述的实施例仅仅是本公开的优选实施例,并不表示本公开仅能通过该优选实施例实现,该优选实施例仅仅是用于解释本公开的技术原理,并非用于限制本公开的保护范围。基于本公开提供的优选实施例,本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例,仍应落入到本公开的保护范围之内。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种用于医疗大数据的数据治理系统。如图1所示,本申请实施例提供的系统,主要包括:
通过数据汇聚模块110获得经过上传处理程序处理后的上传数据;其中,上传数据包括索引表和具体数据;基于索引表的索引值,确定具体数据对应的目标数据库,以及将索引表添加至总索引表中;其中,总索引表包括结构化索引值和非结构化索引值。
需要说明的是,上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序、格式调整程序。这里的重复数据检测程序为任意可行的能够进行重复数据检测的程序(本领域技术人员可以根据需求进行选择)。标准值码转换程序为能够进行诊断、手术、药品、检验相关的医学术语识别的算法等,例如,训练好的KNN算法(训练过程为现有过程,在此不做赘叙)。关键字检测程序为能够检测上传数据所属索引表分支的神经网络算法,该神经网络算法为训练好的能够识别上传数据中各个元数据对应的预设关键字。这里的预设关键字为总索引中的各个索引值。通过关键字检测程序能够确定当前上传数据对应的索引表以及索引表中各个索引值与上传数据之间的对应关系。此外,为了实现格式的统一,设置了格式调整程序,该程序用于统一格式和统一数据的排列顺序,具体格式和排列顺序可由本领域技术人员根据实际情况确定。结构化索引值对应的为非医疗文本数据(电子病历数据)。非结构化索引值对应的为医疗文本数据(电子病历数据)。
本申请可以通过数据汇聚模块110包括下发单元111进行上传处理程序的下发。具体可以为:下发单元111在确定获取到上传数据信号时,获取上传数据信号中携带的样本数据;确定样本数据对应的上传处理程序以及程序编号;下发携带程序编号的对接指令至上传样本数据的服务器,以使服务器确定本地是否存在上传处理程序;在确定不存在上传处理程序时,下发上传处理程序至服务器,进而获得经过上传处理程序处理后的上传数据。
需要说明的是,程序编号用于进行上传处理程序之间的区分。这里进行区分的原因是不同来源的数据对应多样化的数据排序方式,因此,不同类型的数据对应不同的格式调整程序,为了便于直接调用上传处理程序,将不同格式调整程序的上传处理程序设置了不同的程序编号。上传数据信号为进行数据上传的服务器在上传数据之前进行的通信。样本数据为准备上传的数据的类型,本申请能够根据样本数据确定数据类型,进而根据数据类型,确定对应的上传处理程序(也就是格式调整程序的对应)。
本申请可以通过数据汇聚模块110中的程序确定单元112,获取上传处理程序或上传处理程序对应的更新程序,以及通过预设程序显示界面,进行上传处理程序的排序和查询。
另外,本申请的总索引表对应全部数据,因此能够快速检索到对应数据,进而直接完成增量字段的添加。
具体步骤可以为:数据汇聚模块110中的增量字段单元113,在获取到增量字段指令时,确定增量字段在总索引表中对应的关联字段;以将关联字段添加至增量字段指令对应的数据中。这里的增量字段指令为人工在对数据进行增量字段处理时触发的。作为示例地,存在增量字段添加界面,通过界面选择进行增量字段处理的数据和增量字段(例如,名字),进而将增量字段(名字)对应的关联字段(名字字段的具体数据)添加至进行增量字段处理的数据中。
由于结构化数据比较简短意赅,不需要进行语义分析。因此,本申请直接通过管理界面提供数据检索。避免了对全部数据(结构化数据和非结构化数据)进行语义分析带来的资源损耗。具体地,通过结构化管理模块120根据结构化索引值,生成管理界面,以进行结构化索引值下具体数据的检索。需要说明的是,具体数据对应的目标数据库为索引值本身决定的,存在原始映射关系,所以能够通过结构化索引值完成具体数据的检索。这里的管理界面的生成过程通过现有技术实现,本申请在此不做限定。
由于非结构化数据为长文本数据,本申请进行了语义获取。具体的过程分为片段语义的获取+语义标注。
其中,片段语义的获取过程可以具体为:
通过数据管理模块130从非结构化索引值中获取电子病历数据,对电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据。
需要说明的是,段落拆解方法可以通过任意可行的能够进行段落拆解的算法实现。语义分析器能够获取文本片段对应的关键字和具体数值,进而根据关键字和具体数值,确定具体数值是否符合预设常规标准的算法。结论数据为符合预设常规标准的程度。例如,通过具体数值的落入区间确定符合预设常规标准的程度。
其中,语义标注的过程可以具体为:
触发AI标注模块140通过预标注界面获取结论数据对应的标注数据。
其中,获取结论数据对应的标注数据的过程可以具体为:通过AI标注模块140中的AI训练单元141,在获取到结论数据后,将结论数据导入预设迁移学习算法,以通过预设迁移学习算法,获得预测的标识数据。
除此之外,本申请实施例还提供了一种用于医疗大数据的数据治理方法,如图2所示,本申请实施例提供的方法,主要包括以下步骤:
步骤210、 获得经过上传处理程序处理后的上传数据;基于索引表的索引值,确定具体数据对应的目标数据库,以及将索引表添加至总索引表中。
需要说明的是,上传数据中包括索引表和具体数据。
获得经过上传处理程序处理后的上传数据,具体包括:在确定获取到上传数据信号时,获取上传数据信号中携带的样本数据;确定样本数据对应的上传处理程序以及程序编号;下发携带程序编号的对接指令至上传样本数据的服务器,以使服务器确定本地是否存在上传处理程序;在确定不存在上传处理程序时,下发上传处理程序至服务器,进而获得经过上传处理程序处理后的上传数据。
方法还可以包括:获取上传处理程序或上传处理程序对应的更新程序,以及通过预设程序显示界面,进行上传处理程序的排序和查询;其中,上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序、格式调整程序。
方法还可以包括:在获取到增量字段指令时,确定增量字段在总索引表中对应的关联字段;以将关联字段添加至增量字段指令对应的数据中。
步骤220、 根据结构化索引值,生成管理界面,以进行结构化索引值下具体数据的检索。
步骤230、 从非结构化索引值中获取电子病历数据,对电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据。
步骤240、 通过预标注界面获取结论数据对应的标注数据。
其中,通过预标注界面获取结论数据对应的标注数据,具体可以为:在获取到结论数据后,将结论数据导入预设迁移学习算法,以通过预设迁移学习算法,获得预测的标识数据。
至此,已经结合前文的多个实施例描述了本公开的技术方案,但是,本领域技术人员容易理解的是,本公开的保护范围并不仅限于这些具体实施例。在不偏离本公开技术原理的前提下,本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合,也可以对相关技术特征作出等同的更改或替换,凡在本公开的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本公开的保护范围之内。
Claims (6)
1.一种用于医疗大数据的数据治理系统,其特征在于,所述系统包括:
数据汇聚模块,用于获得经过上传处理程序处理后的上传数据;其中,上传数据包括索引表和具体数据;基于索引表的索引值,确定具体数据对应的目标数据库,以及将索引表添加至总索引表中;其中,总索引表包括结构化索引值和非结构化索引值;
数据汇聚模块包括下发单元;用于在确定获取到上传数据信号时,获取上传数据信号中携带的样本数据;确定样本数据对应的上传处理程序以及程序编号;下发携带程序编号的对接指令至上传样本数据的服务器,以使服务器确定本地是否存在上传处理程序;在确定不存在上传处理程序时,下发上传处理程序至服务器,进而获得经过上传处理程序处理后的上传数据;
数据汇聚模块还包括程序确定单元,用于获取上传处理程序或上传处理程序对应的更新程序,以及通过预设程序显示界面,进行上传处理程序的排序和查询;其中,上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序、格式调整程序;
结构化管理模块,用于根据结构化索引值,生成管理界面,以进行结构化索引值下具体数据的检索;
数据管理模块,用于从非结构化索引值中获取电子病历数据,对电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据;
AI标注模块,用于通过预标注界面获取结论数据对应的标注数据。
2.根据权利要求1所述的用于医疗大数据的数据治理系统,其特征在于,数据汇聚模块包括增量字段单元;
用于在获取到增量字段指令时,确定增量字段在总索引表中对应的关联字段;以将关联字段添加至增量字段指令对应的数据中。
3.根据权利要求1所述的用于医疗大数据的数据治理系统,其特征在于,AI标注模块包括AI训练单元;
用于在获取到结论数据后,将结论数据导入预设迁移学习算法,以通过预设迁移学习算法,获得预测的标识数据。
4.一种用于医疗大数据的数据治理方法,其特征在于,所述方法包括:
获得经过上传处理程序处理后的上传数据;其中,上传数据包括索引表和具体数据;基于索引表的索引值,确定具体数据对应的目标数据库,以及将索引表添加至总索引表中;其中,总索引表包括结构化索引值和非结构化索引值;
其中,获得经过上传处理程序处理后的上传数据,具体包括:在确定获取到上传数据信号时,获取上传数据信号中携带的样本数据;确定样本数据对应的上传处理程序以及程序编号;下发携带程序编号的对接指令至上传样本数据的服务器,以使服务器确定本地是否存在上传处理程序;在确定不存在上传处理程序时,下发上传处理程序至服务器,进而获得经过上传处理程序处理后的上传数据;
所述方法还包括:获取上传处理程序或上传处理程序对应的更新程序,以及通过预设程序显示界面,进行上传处理程序的排序和查询;其中,上传处理程序至少包括:重复数据检测程序、标准值码转换程序、关键字检测程序、索引表生成程序、格式调整程序;
根据结构化索引值,生成管理界面,以进行结构化索引值下具体数据的检索;
从非结构化索引值中获取电子病历数据,对电子病历数据进行段落拆解;基于预设语义分析器,对段落拆解后获得的若干文本片段进行分析,以确定若干文本片段对应的结论数据;
通过预标注界面获取结论数据对应的标注数据。
5.根据权利要求4所述的用于医疗大数据的数据治理方法,其特征在于,所述方法还包括:
在获取到增量字段指令时,确定增量字段在总索引表中对应的关联字段;
以将关联字段添加至增量字段指令对应的数据中。
6.根据权利要求4所述的用于医疗大数据的数据治理方法,其特征在于,通过预标注界面获取结论数据对应的标注数据,具体包括:
在获取到结论数据后,将结论数据导入预设迁移学习算法,以通过预设迁移学习算法,获得预测的标识数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034427.9A CN116759040B (zh) | 2023-08-17 | 2023-08-17 | 一种用于医疗大数据的数据治理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311034427.9A CN116759040B (zh) | 2023-08-17 | 2023-08-17 | 一种用于医疗大数据的数据治理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116759040A CN116759040A (zh) | 2023-09-15 |
CN116759040B true CN116759040B (zh) | 2024-01-09 |
Family
ID=87951827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311034427.9A Active CN116759040B (zh) | 2023-08-17 | 2023-08-17 | 一种用于医疗大数据的数据治理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116759040B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005517A (ja) * | 2002-04-04 | 2004-01-08 | Matsushita Electric Ind Co Ltd | 機器制御システム及びそのシステムによって構築されるネットワーク並びにそのシステムを構成する機器で実行されるプログラム |
CN102890684A (zh) * | 2011-07-21 | 2013-01-23 | 腾讯科技(深圳)有限公司 | 上传文件夹时动态调整空间容量的方法及系统 |
CN103412925A (zh) * | 2013-08-13 | 2013-11-27 | 南京烽火星空通信发展有限公司 | 一种结构化数据和非结构化数据综合检索的系统及方法 |
CN106203104A (zh) * | 2016-06-27 | 2016-12-07 | 北京金山安全软件有限公司 | 一种恶意代码查杀方法、装置及设备 |
CN112420145A (zh) * | 2020-12-08 | 2021-02-26 | 医惠科技有限公司 | 电子病历文书数据处理方法、装置及计算机可读存储介质 |
CN113709195A (zh) * | 2020-05-20 | 2021-11-26 | 广州汽车集团股份有限公司 | 一种车辆软件升级方法、装置及系统 |
CN114255835A (zh) * | 2021-11-15 | 2022-03-29 | 四川大学华西医院 | 一种基于人工智能的病例大数据管理方法和系统 |
CN114649074A (zh) * | 2022-03-07 | 2022-06-21 | 阿里健康科技(中国)有限公司 | 一种病历数据处理方法、平台和装置 |
CN114898831A (zh) * | 2022-06-15 | 2022-08-12 | 拉萨卓友峰科技有限公司 | 医疗数据检索系统及检索方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10747814B2 (en) * | 2017-09-29 | 2020-08-18 | Oracle International Corporation | Handling semi-structured and unstructured data in a sharded database environment |
-
2023
- 2023-08-17 CN CN202311034427.9A patent/CN116759040B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005517A (ja) * | 2002-04-04 | 2004-01-08 | Matsushita Electric Ind Co Ltd | 機器制御システム及びそのシステムによって構築されるネットワーク並びにそのシステムを構成する機器で実行されるプログラム |
CN102890684A (zh) * | 2011-07-21 | 2013-01-23 | 腾讯科技(深圳)有限公司 | 上传文件夹时动态调整空间容量的方法及系统 |
CN103412925A (zh) * | 2013-08-13 | 2013-11-27 | 南京烽火星空通信发展有限公司 | 一种结构化数据和非结构化数据综合检索的系统及方法 |
CN106203104A (zh) * | 2016-06-27 | 2016-12-07 | 北京金山安全软件有限公司 | 一种恶意代码查杀方法、装置及设备 |
CN113709195A (zh) * | 2020-05-20 | 2021-11-26 | 广州汽车集团股份有限公司 | 一种车辆软件升级方法、装置及系统 |
CN112420145A (zh) * | 2020-12-08 | 2021-02-26 | 医惠科技有限公司 | 电子病历文书数据处理方法、装置及计算机可读存储介质 |
CN114255835A (zh) * | 2021-11-15 | 2022-03-29 | 四川大学华西医院 | 一种基于人工智能的病例大数据管理方法和系统 |
CN114649074A (zh) * | 2022-03-07 | 2022-06-21 | 阿里健康科技(中国)有限公司 | 一种病历数据处理方法、平台和装置 |
CN114898831A (zh) * | 2022-06-15 | 2022-08-12 | 拉萨卓友峰科技有限公司 | 医疗数据检索系统及检索方法 |
Non-Patent Citations (1)
Title |
---|
数据文件传输中相关问题的处理;陈红等;《电信技术》(第08期);第70页第1栏第1段至第71页第二栏最后1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN116759040A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111611458B (zh) | 大数据治理中基于元数据和数据分析技术实现系统数据架构梳理的方法 | |
JP2019501448A (ja) | 異種混成ログストリームにおける自動化された異常検出サービス | |
CN109446221B (zh) | 一种基于语义分析的交互式数据探查方法 | |
CN111353004A (zh) | 一种药品文档的数据关联分析方法和系统 | |
CN111353005A (zh) | 一种药品研发申报文档管理方法和系统 | |
CN111382184A (zh) | 一种对药品文档进行校验的方法和药品文档校验系统 | |
CN113360521A (zh) | 日志查询方法、装置、设备及存储介质 | |
CN111986765A (zh) | 电子病例实体标记方法、装置、计算机设备及存储介质 | |
CN113821554B (zh) | 一种实现异构数据库数据采集的方法 | |
CN116759040B (zh) | 一种用于医疗大数据的数据治理系统及方法 | |
CN116842142B (zh) | 一种医疗器械智能化检索系统 | |
CN116721778B (zh) | 一种医学术语标准化方法、系统、设备及介质 | |
CN113127460B (zh) | 数据清洗框架的评估方法及其装置、设备及存储介质 | |
CN117539893A (zh) | 数据处理方法、介质、装置和计算设备 | |
CN117271903A (zh) | 基于医院临床大数据的事件搜索方法及装置 | |
CN113553309A (zh) | 一种日志模板的确定方法、装置、电子设备及存储介质 | |
CN105677723A (zh) | 一种用于工业信号源的数据标签建立与检索方法 | |
CN116303641B (zh) | 一种支持多数据源可视化配置的实验室报告管理方法 | |
CN111221894B (zh) | 基于配置的时序数据库存储方法、装置及服务器 | |
JP2012138027A (ja) | 情報検索システム、検索キーワード提示方法、およびプログラム | |
JP2001325276A (ja) | 情報処理システム、情報処理方法、コンピュータプログラム、記憶媒体及びプログラム伝送装置 | |
CN117390130A (zh) | 一种基于多模态表示的代码搜索方法 | |
CN109934740B (zh) | 一种专利监控方法及装置 | |
CN115881257A (zh) | 应用于大数据的用户隐私保护方法及系统 | |
CN112527982A (zh) | 一种设备管理系统、方法、设备及存储介质 |
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 |