CN117079786A - 一种药品的监管系统及其方法 - Google Patents
一种药品的监管系统及其方法 Download PDFInfo
- Publication number
- CN117079786A CN117079786A CN202311099008.3A CN202311099008A CN117079786A CN 117079786 A CN117079786 A CN 117079786A CN 202311099008 A CN202311099008 A CN 202311099008A CN 117079786 A CN117079786 A CN 117079786A
- Authority
- CN
- China
- Prior art keywords
- information data
- medicine
- drug
- information
- module
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 222
- 229940079593 drug Drugs 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 claims abstract description 25
- 230000010365 information processing Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000001647 drug administration Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 4
- 239000000825 pharmaceutical preparation Substances 0.000 claims description 4
- 229940127557 pharmaceutical product Drugs 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims 1
- 230000004069 differentiation Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 3
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229960005486 vaccine Drugs 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2337—Non-hierarchical techniques using fuzzy logic, i.e. fuzzy clustering
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及药品安全技术领域，尤其为一种药品的监管系统及其方法，包括：信息采集模块；用于通过采集设备统一采集入库的药品信息数据；信息处理模块：用于对采集的药品信息数据进行处理；信息入库模块：用于对处理后的药品信息数据进行入库存储；药品监管模块：用于对药品的出库及药品信息数据的查询进行监管。本发明由获取采集许可的采集设备进行药品信息数据采集存储和入库管理，保证药品正规入库，并对药品库存信息数据进行动态更新，通过查询算法提供药品信息数据的查询渠道，改进药品信息数据的差异化特征，结合子空间模糊信息聚类的方法优化药品信息数据的查询方式，实现对药品信息数据的精准高效识别，对假冒伪劣产品进行快速识别和告警。
Description
技术领域
本发明涉及药品安全技术领域，尤其是药品的监管系统及其方法。
背景技术
随着医学的飞速发展及药品需求的增加，人们对药品安全的重视程度也在逐渐提高，尤其针对疫苗及传染病防治类药物，如何实现可靠且有效的安全监管，也成为了当前大众最为关心的问题之一。因此，如何实现对药品的有效监管已经成为医药领域亟待解决的问题。
发明内容
本发明的目的是通过提出一种药品的监管系统及其方法，以解决上述背景技术中提出的问题。
本发明采用的技术方案如下：
提供一种药品的监管系统，包括：
信息采集模块；用于通过采集设备统一采集入库的药品信息数据；
信息处理模块：用于对采集的药品信息数据进行处理；
信息入库模块：用于对处理后的药品信息数据进行入库存储；
药品监管模块：用于对药品的出库及药品信息数据的查询进行监管；所述药品监管模块基于查询算法进行药品信息数据的查询处理。
所述查询算法具体如下：
基于查询的药品信息数据搭建药品信息数据矩阵xi，基于整数线性规划方法得到药品信息数据的优先级控制代价函数R如下：
其中，ωi对应信息矩阵xi的权重，n为药品信息数据矩阵的数据数量，Y为数据库存储药品信息数据属性数目总和；
通过自相关特征匹配算法得到药品信息数据查询的属性集yi，公式如下：
计算药品信息数据集X的检索优先次序δ(X)，得到完整药品信息数据查询的相似度函数Q如下：
基于配准函数P实现药品信息数据在线查询的特征配准，公式如下：
其中，j为药品信息数据查询迭代次数；
得到药品信息数据查询节点在第j+1次迭代的函数片(j+1)如下：
其中，ω(j+1)为第j+1次迭代的权重矩阵ω的值，θ为药品信息数据的完整特征量，σ为药品信息数据的完整节点分布；
构建药品信息数据分布图的节点融合结构，得到药品信息数据查询的特征分布矩阵E如下：
其中，H(j)为药品信息数据查询节点在第j次迭代的函数H(j)，K为药品信息数据的模糊迭代步数，yk为模糊迭代步数为k时的药品信息数据属性集，α为药品信息数据关联度决策系数；
基于特征分布矩阵E进行提取获得药品信息数据。
作为本发明的一种优选技术方案：所述信息采集模块的采集设备经过采集许可后进行信息的统一采集。
作为本发明的一种优选技术方案：所述信息采集模块采集的药品信息数据包括药品名称信息、药品品种信息、药品数量信息、药品成分信息和药品存储信息。
作为本发明的一种优选技术方案：所述信息处理模块对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理。
作为本发明的一种优选技术方案：所述信息入库模块基于分布式数据库进行药品信息数据的分布式存储。
作为本发明的一种优选技术方案：所述药品监管模块根据药品的查询处理结果进行分布式数据库内存储的药品库存信息的动态更新。
作为本发明的一种优选技术方案：所述药品监管模块对于查询存在异常的药品信息数据进行告警处理。
提供一种药品的监管方法，包括如下步骤：
S1：采集入库药品信息数据；
S2：对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理；
S3：对处理后的药品信息数据进行入库存储；
S4：对药品的出库及药品信息数据的查询进行监管。
本发明提供的药品的监管系统及其方法，与现有技术相比，其有益效果有：
本发明通过获取了采集许可的采集设备进行药品的信息采集存储和入库管理，保证药品的正规入库，并对药品库存信息进行动态更新，还通过查询算法提供药品信息数据的查询渠道，能够改进药品信息数据的差异化特征，结合子空间模糊信息聚类的方法，优化药品信息数据的查询方式，实现对药品信息数据的精准高效识别与监管，并能够对假冒伪劣产品进行快速识别和告警。
附图说明
图1为本发明优选实施例的系统框图；
图2为本发明优选实施例中方法流程图。
图中各个标记的意义为：100、信息采集模块；200、信息处理模块；300、信息入库模块；400、药品监管模块。
具体实施方式
需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，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。
参照图1，本发明优选实施例提供了一种药品的监管系统，包括：
信息采集模块100；用于通过采集设备统一采集入库的药品信息数据；
信息处理模块200：用于对采集的药品信息数据进行处理；
信息入库模块300：用于对处理后的药品信息数据进行入库存储；
药品监管模块400：用于对药品的出库及药品信息数据的查询进行监管。
所述信息采集模块100的采集设备经过采集许可后进行信息的统一采集。
所述信息采集模块100采集的药品信息数据包括药品名称信息、药品品种信息、药品数量信息、药品成分信息和药品存储信息。
所述信息处理模块200对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理。
所述信息入库模块300基于分布式数据库进行药品信息数据的分布式存储。
所述药品监管模块400基于查询算法进行药品信息数据的查询处理。
所述查询算法具体如下：
基于查询的药品信息数据搭建药品信息数据矩阵xi，基于整数线性规划方法得到药品信息数据的优先级控制代价函数R如下：
其中，ωi对应信息矩阵xi的权重，n为药品信息数据矩阵的数据数量，Y为数据库存储药品信息数据属性数目总和；
通过自相关特征匹配算法得到药品信息数据查询的属性集yi，公式如下：
计算药品信息数据集X的检索优先次序δ(X)，得到完整药品信息数据查询的相似度函数Q如下：
基于配准函数P实现药品信息数据在线查询的特征配准，公式如下：
其中，j为药品信息数据查询迭代次数；
得到药品信息数据查询节点在第j+1次迭代的函数H(j+1)如下：
其中，ω(j+1)为第j+1次迭代的权重矩阵ω的值，θ为药品信息数据的完整特征量，σ为药品信息数据的完整节点分布；
构建药品信息数据分布图的节点融合结构，得到药品信息数据查询的特征分布矩阵E如下：
其中，H(j)为药品信息数据查询节点在第j次迭代的函数H(j)，K为药品信息数据的模糊迭代步数，yk为模糊迭代步数为k时的药品信息数据属性集，α为药品信息数据关联度决策系数；
基于特征分布矩阵E进行提取获得药品信息数据。
所述药品监管模块400根据药品的查询处理结果进行分布式数据库内存储的药品库存信息的动态更新。
所述药品监管模块400对于查询存在异常的药品信息数据进行告警处理。
参照图2，提供一种药品的监管方法，包括如下步骤：
S1：采集入库药品信息数据；
S2：对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理；
S3：对处理后的药品信息数据进行入库存储；
S4：对药品的出库及药品信息数据的查询进行监管。
本实施例中，信息采集模块100通过获取了采集许可的统一的采集设备(如获取了采集密钥的设备)采集入库药品信息数据，包括药品名称信息、药品品种信息、药品数量信息、药品成分信息和药品存储信息等信息处理模块200对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理，保证获取的药品信息数据的质量。信息入库模块300对处理后的药品信息数据基于药品的属性如药品功效、药品用法等、存储条件如药品的存储温度和存储方式等进行分布式存储，便于后期的药品出库管理或是药品信息数据的查询管理。
当需要对药品进行出库时，基于查询算法根据出库需求进行药品存储位置的查询：
基于查询的药品信息数据搭建药品信息数据矩阵xi，基于整数线性规划方法得到药品信息数据的优先级控制代价函数R如下：
其中，ωi对应信息矩阵xi的权重，n为药品信息数据矩阵的数据数量，Y为数据库存储药品信息数据属性数目总和；
通过自相关特征匹配算法得到药品信息数据查询的属性集yi如下：
计算药品信息数据集X的检索优先次序δ(X)，得到完整药品信息数据查询的相似度函数Q如下：
基于配准函数P实现药品信息数据在线查询的特征配准，公式如下：
其中，j为药品信息数据查询迭代次数；
得到药品信息数据查询节点在第6次迭代的函数H(6)如下：
其中，ω(6)为第6次迭代的权重矩阵ω的值，θ为药品信息数据的完整特征量，σ为药品信息数据的完整节点分布；
构建药品信息数据分布图的节点融合结构，得到药品信息数据查询的特征分布矩阵E如下：
其中，H(5)为药品信息数据查询节点在第5次迭代的函数H(5)，K为药品信息数据的模糊迭代步数，yk为模糊迭代步数为k时的药品信息数据属性集，α为药品信息数据关联度决策系数；
基于特征分布矩阵E进行提取获得药品存储位置，并进行相应药品的出库处理。同时对分布式数据库中存储的相应药品库存信息进行更新。
通过查询算法可以分析药品信息数据的差异化特征，结合子空间模糊信息聚类的方法，优化药品信息数据的查询方式，实现对药品信息数据的精准高效识别。
当需要对药品信息数据进行查询时，同样通过查询算法进行查询，若未获得有效的特征分布矩阵则判定该药品信息数据为异常信息，药品非本储藏室内存储的药品，发出异常告警。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。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，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种药品的监管系统，其特征在于：包括：
信息采集模块(100)；用于通过采集设备统一采集入库的药品信息数据；
信息处理模块(200)：用于对采集的药品信息数据进行处理；
信息入库模块(300)：用于对处理后的药品信息数据进行入库存储；
药品监管模块(400)：用于对药品的出库及药品信息数据的查询进行监管，所述药品监管模块(400)基于查询算法进行药品信息数据的查询处理；
所述查询算法具体如下：
基于查询的药品信息数据搭建药品信息数据矩阵xi，基于整数线性规划方法得到药品信息数据的优先级控制代价函数R如下：
其中，ωi对应信息矩阵xi的权重，n为药品信息数据矩阵的数据数量，Y为数据库存储药品信息数据属性数目总和；
通过自相关特征匹配算法得到药品信息数据查询的属性集yi，公式如下：
计算药品信息数据集X的检索优先次序δ(X)，得到完整药品信息数据查询的相似度函数Q，公式如下：
基于配准函数P实现药品信息数据在线查询的特征配准，公式如下：
其中，j为药品信息数据查询迭代次数；
得到药品信息数据查询节点在j+1次迭代的函数H(j+1)如下：
其中，ω(j+1)为第j+1次迭代的权重矩阵ω的值，θ为药品信息数据的完整特征量，σ为药品信息数据的完整节点分布；
构建药品信息数据分布图的节点融合结构，得到药品信息数据查询的特征分布矩阵E如下：
其中，K为药品信息数据的模糊迭代步数，yk为模糊迭代步数为k时的药品信息数据属性集，α为药品信息数据关联度决策系数；
基于特征分布矩阵E进行提取获得药品信息数据。
2.根据权利要求1所述的药品的监管系统，其特征在于：所述信息采集模块(100)的采集设备经过采集许可后进行信息数据的统一采集。
3.根据权利要求1所述的药品的监管系统，其特征在于：所述信息采集模块(100)采集的药品信息数据包括药品名称信息数据、药品品种信息数据、药品数量信息数据、药品成分信息数据和药品存储信息数据。
4.根据权利要求1所述的药品的监管系统，其特征在于：所述信息处理模块(200)对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理。
5.根据权利要求1所述的药品的监管系统，其特征在于：所述信息入库模块(300)基于分布式数据库进行药品信息数据的分布式存储。
6.根据权利要求5所述的药品的监管系统及其方法，其特征在于：所述药品监管模块(400)根据药品的查询处理结果进行分布式数据库内存储的药品库存信息的动态更新。
7.根据权利要求6所述的药品的监管系统及其方法，其特征在于：所述药品监管模块(400)对于查询存在异常的药品信息数据进行告警处理。
8.一种药品的监管方法，其特征在于：包括如下步骤：
S1：采集入库药品信息数据；
S2：对采集的药品信息数据进行数据清洗处理、缺失值填充处理和异常值去除处理；
S3：对处理后的药品信息数据进行入库存储；
S4：对药品的出库及药品信息数据的查询进行监管。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311099008.3A CN117079786B (zh) | 2023-08-29 | 2023-08-29 | 一种药品的监管系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311099008.3A CN117079786B (zh) | 2023-08-29 | 2023-08-29 | 一种药品的监管系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117079786A true CN117079786A (zh) | 2023-11-17 |
| CN117079786B CN117079786B (zh) | 2024-03-12 |
Family
ID=88713192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311099008.3A Active CN117079786B (zh) | 2023-08-29 | 2023-08-29 | 一种药品的监管系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117079786B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117992500A (zh) * | 2024-03-13 | 2024-05-07 | 广州标点医药信息股份有限公司 | 一种医药信息一键检索系统与方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330829A (zh) * | 2016-04-29 | 2017-11-07 | 山东华平信息科技有限公司 | 一种药品集中采购云平台及方法 |
| CN109378059A (zh) * | 2018-10-31 | 2019-02-22 | 安徽冲锋信息技术有限公司 | 药品数据收集管理系统 |
-
2023
- 2023-08-29 CN CN202311099008.3A patent/CN117079786B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330829A (zh) * | 2016-04-29 | 2017-11-07 | 山东华平信息科技有限公司 | 一种药品集中采购云平台及方法 |
| CN109378059A (zh) * | 2018-10-31 | 2019-02-22 | 安徽冲锋信息技术有限公司 | 药品数据收集管理系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117992500A (zh) * | 2024-03-13 | 2024-05-07 | 广州标点医药信息股份有限公司 | 一种医药信息一键检索系统与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117079786B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117079786B (zh) | 一种药品的监管系统及其方法 | |
| US7672976B2 (en) | Method for the reduction of image content redundancy in large image databases | |
| RU2729458C2 (ru) | Сопоставление больниц из обезличенных баз данных здравоохранения без очевидных квазиидентификаторов | |
| Kao et al. | Clustering uncertain data using voronoi diagrams and r-tree index | |
| US8996581B2 (en) | Obtaining hierarchical information of planar data | |
| Marçais et al. | Sketching and sublinear data structures in genomics | |
| CN112445889B (zh) | 存储数据、检索数据的方法及相关设备 | |
| Panigrahy | An improved algorithm finding nearest neighbor using kd-trees | |
| Xie et al. | Distance-aware join for indoor moving objects | |
| WO2016135708A1 (en) | Efficient integration of de-identified records | |
| Youn et al. | Efficient data stream clustering with sliding windows based on locality-sensitive hashing | |
| CN112131325A (zh) | 轨迹确定方法、装置及设备、存储介质 | |
| US20150081676A1 (en) | Biological data structure having multi-lateral, multi-scalar, and multi-dimensional relationships between molecular features and other data | |
| CN111223537B (zh) | 分布式云样本管理方法及系统 | |
| CN110569372B (zh) | 一种心脏病大数据知识图谱系统的构建方法 | |
| Kanagal et al. | Indexing correlated probabilistic databases | |
| CN116956190A (zh) | 一种恶意信息检测方法、装置、电子设备及存储介质 | |
| US20060080282A1 (en) | Data management method and storage medium storing data management program | |
| CN114896249A (zh) | 非平衡区域树索引结构以及n维空间逆近邻查询算法 | |
| Tzouramanis et al. | Multiversion linear quadtree for spatio-temporal data | |
| CN113961549A (zh) | 基于数据仓库的医疗数据整合方法及系统 | |
| CN110634548B (zh) | 一种基于区块链的配药核药快速匹配方法 | |
| Hassan et al. | Comparison of distance metrics for hierarchical data in medical databases | |
| Anandi et al. | Descriptive and Predictive Analytics on Electronic Health Records using Machine Learning | |
| Wu et al. | A new clustering algorithm for sensor data streams in an agricultural IoT |
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 |