CN117153419B - 一种面向医疗机构的数据集成工具 - Google Patents

一种面向医疗机构的数据集成工具 Download PDF

Info

Publication number
CN117153419B
CN117153419B CN202311428755.7A CN202311428755A CN117153419B CN 117153419 B CN117153419 B CN 117153419B CN 202311428755 A CN202311428755 A CN 202311428755A CN 117153419 B CN117153419 B CN 117153419B
Authority
CN
China
Prior art keywords
data
medical
encryption
analysis
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.)
Active
Application number
CN202311428755.7A
Other languages
English (en)
Other versions
CN117153419A (zh
Inventor
吴笛
伍煦
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.)
Hubei Fuxin Kechuang Information Technology Co ltd
Original Assignee
Hubei Fuxin Kechuang Information 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 Hubei Fuxin Kechuang Information Technology Co ltd filed Critical Hubei Fuxin Kechuang Information Technology Co ltd
Priority to CN202311428755.7A priority Critical patent/CN117153419B/zh
Publication of CN117153419A publication Critical patent/CN117153419A/zh
Application granted granted Critical
Publication of CN117153419B publication Critical patent/CN117153419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • 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
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • Bioethics (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种面向医疗机构的数据集成工具，属于数据处理技术领域，解决了现有方法不能对不同类型医疗机构中多源异构数据进行整合处理并查询，同时也无法对医疗机构中数据进行有效预警的问题，包括数据采集模块、集成数据库、数据分析模块以及查询工具端，所述集成数据库用于存储获取到的第一医疗数据，生成包含数据索引链接的第二医疗数据，并供查询工具端实时查询和检索，数据分析模块基于预设的加密分析模型对第二医疗数据进行加密集成分析；本发明实施例通过构建集成数据库，实现对不同类型医疗机构中多源异构数据库被整合处理，从而方便医疗机构从查询工作端实时查询。

Description

一种面向医疗机构的数据集成工具
技术领域
本发明属于数据处理技术领域，具体涉及一种面向医疗机构的数据集成工具。
背景技术
随着业务的发展医院呈现出“四多”，即建设的系统越来越多、厂家越来越多、数据越来越多、数据库类型越来越多，现阶段，对医疗机构数据的处理大多是在常用的医疗机构数据平台中手动录入医疗机构数据，然后储存形成医疗机构数据库。
然而，现阶段医疗机构上传的数据通常无法直接利用、数据也无法追溯、数据无法质控等问题，传统的做法是需要实施人员到医院现场使用开源的工具，如kettle、datax、SSIS等工具，依托人工数据转换，对数据做定时任务抽取的方式，当发现数据有问题时需要人工再次干预，采用现有方法不能对不同类型医疗机构中多源异构数据进行整合处理并查询，同时也无法对医疗机构中数据进行有效的预警，基于此，我们提出了一种面向医疗机构的数据集成工具。
发明内容
本发明的目的在于针对现有技术的不足之处，提供一种面向医疗机构的数据集成工具，解决了现有方法不能对不同类型医疗机构中多源异构数据进行整合处理并查询，同时也无法对医疗机构中数据进行有效预警的问题。
采用现有方法不能对不同类型医疗机构中多源异构数据进行整合处理并查询，同时也无法对医疗机构中数据进行有效的预警，我们提出了一种面向医疗机构的数据集成工具，所述一种面向医疗机构的数据集成工具可服务于医疗机构，其中，医疗机构可以为综合医院、中医医院、专科医院、康复医院、妇幼保健院、医务室、急救站、临床检验中心等，在工作时，首先数据采集模块获取医疗机构数据，并对医疗机构数据进行预处理，得到第一医疗数据，然后所述集成数据库存储获取到的第一医疗数据，基于第一医疗数据对集成数据库内数据进行覆盖、插入、删除、增加，生成包含数据索引链接的第二医疗数据，数据分析模块响应于第二医疗数据的分析指令，基于预设的加密分析模型对第二医疗数据进行加密集成分析，生成分析结果，最终，查询工具端向数据采集模块发送医疗机构数据，并获取数据分析模块生成的分析结果。本发明实施例通过构建集成数据库，实现对不同类型医疗机构中多源异构数据库被整合处理，从而方便医疗机构从查询工作端实时查询，并通过数据分析模块对医疗机构数据进行监控和分析，方便了医疗机构工作人员以及就诊人员查询获取分析结果。
本发明是这样实现的，一种面向医疗机构的数据集成工具，所述面向医疗机构的数据集成工具包括：
数据采集模块，数据采集模块用于获取医疗机构数据，并对医疗机构数据进行预处理，得到第一医疗数据，并将预处理后的第一医疗数据加密传输至集成数据库；
集成数据库，所述集成数据库用于存储获取到的第一医疗数据，基于第一医疗数据对集成数据库内数据进行覆盖、插入、删除、增加，生成包含数据索引链接的第二医疗数据，并供查询工具端实时查询和检索；
数据分析模块，数据分析模块响应于第二医疗数据的分析指令，基于预设的加密分析模型对第二医疗数据进行加密集成分析，生成分析结果；
查询工具端，所述查询工具端用于向数据采集模块发送医疗机构数据，还用于向集成数据库发送数据索引指令，并获取数据分析模块生成的分析结果。
优选地，所述数据采集模块包括：
数据采集端，所述数据采集端用于获取医疗机构数据，且数据采集端与集成数据库以及查询工具端通信连接；
预处理单元，所述预处理单元用于遍历采集到的医疗机构数据，并对医疗机构数据进行预处理；
其中，所述预处理单元对医疗机构数据进行预处理的方法，包括：
遍历采集到的医疗机构数据，识别医疗机构数据的哈希签名；
基于医疗机构数据哈希签名与数据采集端建立交互，获取数据采集端的采集端身份信息，其中，采集端身份信息通过集成数据库预建立；
基于采集端身份信息以及医疗机构数据的多重标签获取医疗机构数据的多重标签组；
加载多重标签组，根据集成数据库的历史标签分类系数与多重标签组系数的比值得到医疗机构数据的标签去重系数；
获取医疗机构数据的标签去重系数，识别医疗机构数据的关键字符串权重，将关键字符串权重与标签去重系数的乘积相乘，得到医疗机构数据的去重数据集。
优选地，所述数据采集模块还包括：
加密传输单元，所述加密传输单元用于获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输。
优选地，获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输的方法，具体包括：
获取第一医疗数据的哈希签名，加密传输单元随机生成第一医疗数据的加密项；
对第一医疗数据中采集端身份信息与加密项进行哈希计算，得到加密后的A位加密信息，其中，A≤30；
发送A位加密信息至集成数据库，集成数据库生成B位数据索引，拼接所述A位加密信息以及B位数据索引，得到含有A+B位的加密信息，其中A+B位的加密信息包含有数据索引链路以及第一医疗数据的采集地址。
优选地，所述集成数据库包括：
数据管理模块，所述数据管理模块用于存储获取到的第一医疗数据，基于第一医疗数据对集成数据库内数据进行覆盖、插入、删除、增加；
机构管理模块，所述机构管理模块用于机构进驻管理、标签管理、设备管理、项目管理以及健康管理；
库建立模块，所述库建立模块分别与数据管理模块以及机构管理模块通信连接，库建立模块基于机构管理模块以及数据管理模块获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换；
数据检索模块，所述数据检索模块用于生成包含数据索引链接的第二医疗数据，并供查询工具端实时查询和检索。
优选地，所述库建立模块基于机构管理模块以及数据管理模块获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换的方法，具体包括：
加载并解析第一医疗数据，将第一医疗数据与标准建库名称以及建库扩展字符组对比，获得第一医疗数据中数据相似度值；
基于数据相似度值将第一医疗数据映射为库标准字符组，其中，库标准字符组记为，将库标准字符组/>降维转换，其中，降维后输出函数为：
（1）
其中，所述表示待降维度的库标准字符组种类，/>表示库标准字符组原始信息，表示降维向量值，/>表示降维处理信息，/>为库标准字符组数据维度；
（2）
其中，，/>分别表示卷积分神经网络中信息变换函数的前置系数以及后置系数，而/>为降维标准值，/>表示权重变换函数，权重变换函数的表达式（3）为；
（3）
其中，为权重变换函数的数据梯度，而/>为权重变换函数的高斯环绕尺度。
优选地，所述加密分析模型的构建方法，具体包括：
获取集成数据库中的历史第二医疗数据，并将第二医疗数据分为训练集和验证集，对训练集和验证集中数据进行同态加密处理；
结合差分隐私法对关联规则模型进行预处理，实现初始模型的加密处理；
输入训练集，对关联规则模型进行迭代训练，其中，迭代训练时通过Loss函数训练；
使用验证集判断训练后的关联规则模型是否符合预设分析精度阈值，若符合分析精度阈值，则输出加密分析模型；
通过模型集成法对加密分析模型进行加密处理。
优选地，所述基于预设的加密分析模型对第二医疗数据进行加密集成分析的方法，具体包括：
获取第二医疗数据；
对第二医疗数据中信息进行提取，其中信息提取函数为：
（4）；
其中，为信息提取函数提取的异常数据集，/>为提取降噪函数，/>表示第二医疗数据降维后输出函数；
（5）
其中，为提取降噪函数的耦合系数，/>为提取降噪函数的变换曲率，而/>为第一异常值，/>为第二异常值；
其中，第一异常值以及第二异常值的表达式分别为：
（6）
（7）
其中，为加密分析模型的第一关联系数，/>为加密分析模型的第二关联系数，/>为第二医疗数据属性权系数和。
优选地，所述基于预设的加密分析模型对第二医疗数据进行加密集成分析的方法，具体还包括：
加载异常数据集，对异常数据集中异常信息的异常影响值进行计算，其中，异常影响值计算式为：
（8）
其中，为异常数据集关联的查询工具端总量，而/>为第一异常值，/>为第二异常值。
优选地，所述查询工具端包括：
加密通道接口，所述加密通道接口用于分析结果、数据索引指令以及医疗机构数据的加密传输；
数据输入单元，数据输入单元用于输入数据索引指令以及医疗机构数据；
结果获取单元，所述结果获取单元用于获取数据分析模块生成的分析结果。
与现有技术相比，本申请实施例主要有以下有益效果：
本发明实施例通过构建集成数据库，实现对不同类型医疗机构中多源异构数据库被整合处理，从而方便医疗机构从查询工作端实时查询，并通过数据分析模块对医疗机构数据进行监控和分析，方便了医疗机构工作人员以及就诊人员查询获取分析结果。
本发明实施例通过库建立模块构建集成数据库，方便了对医疗机构数据的归一化集成管理，同时集成数据库可支持市面上常见的数据库类型，如SQL SERVER、ORACLE、MYSQL、达梦、PostgreSQL、人大金仓、Doris等数据库接入，只需要医疗机构各系统提供数据库读取权限，无须复杂的人工处理，从而节约了人工成本并且数据可视化可追溯，避免信息管理部门的数据黑盒问题。
本发明实施例中加密分析模型的构建过程中，采用同态加密处理对练过程中样本数据进行加密处理，结合结合差分隐私法对关联规则模型进行预处理，从而实现了样本数据以及模型修改过程的隐私保护。
本发明实施例中预设的加密分析模型不但能够对第二医疗数据中信息进行提取，从而快速抓取第二医疗数据中异常数据集，还能对异常数据集中异常数据的影响值进行计算，相对于现有数据分析方法分析结果误差大，且存在误判的现象，有助于辅助医疗机构理解数据、提取有用的信息，并做出准确的预测或决策。
附图说明
图1是本发明提供的面向医疗机构的数据集成工具的结构示意图。
图2是本发明提供的数据采集模块的结构示意图。
图3是本发明提供的预处理单元对医疗机构数据进行预处理的实现流程示意图。
图4是本发明提供的获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输的实现流程示意图。
图5是本发明提供的集成数据库的结构示意图。
图6是本发明提供的库建立模块基于机构管理模块以及数据管理模块获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换的实现流程示意图。
图7是本发明提供的加密分析模型构建的实现流程示意图。
图8是本发明提供的基于预设的加密分析模型对第二医疗数据进行加密集成分析的实现流程示意图。
图9是本发明提供的查询工具端的结构示意图。
图10是本发明提供的面向医疗机构的数据集成方法的实现流程示意图。
图中：100-数据采集模块、110-数据采集端、120-预处理单元、130-加密传输单元、200-集成数据库、210-数据管理模块、220-机构管理模块、230-库建立模块、240-数据检索模块、300-数据分析模块、400-查询工具端、410-加密通道接口、420-数据输入单元、430-结果获取单元。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
采用现有方法不能对不同类型医疗机构中多源异构数据进行整合处理并查询，同时也无法对医疗机构中数据进行有效的预警，为了解决上述问题，我们提出了一种面向医疗机构的数据集成工具，所述一种面向医疗机构的数据集成工具可服务于医疗机构，其中，医疗机构可以为综合医院、中医医院、专科医院、康复医院、妇幼保健院、医务室、急救站、临床检验中心等，在工作时，首先数据采集模块100获取医疗机构数据，并对医疗机构数据进行预处理，得到第一医疗数据，然后所述集成数据库200存储获取到的第一医疗数据，基于第一医疗数据对集成数据库200内数据进行覆盖、插入、删除、增加，生成包含数据索引链接的第二医疗数据，数据分析模块300响应于第二医疗数据的分析指令，基于预设的加密分析模型对第二医疗数据进行加密集成分析，生成分析结果，最终，查询工具端400向数据采集模块100发送医疗机构数据，并获取数据分析模块300生成的分析结果。本发明实施例通过构建集成数据库200，实现对不同类型医疗机构中多源异构数据库被整合处理，从而方便医疗机构从查询工作端实时查询，并通过数据分析模块300对医疗机构数据进行监控和分析，方便了医疗机构工作人员以及就诊人员查询获取分析结果。
本发明实施例提供了一种面向医疗机构的数据集成工具，图1示出了所述面向医疗机构的数据集成工具的结构示意图，所述面向医疗机构的数据集成工具，具体包括：
数据采集模块100，数据采集模块100用于获取医疗机构数据，并对医疗机构数据进行预处理，得到第一医疗数据，并将预处理后的第一医疗数据加密传输至集成数据库200；
集成数据库200，所述集成数据库200用于存储获取到的第一医疗数据，基于第一医疗数据对集成数据库200内数据进行覆盖、插入、删除、增加，生成包含数据索引链接的第二医疗数据，并供查询工具端400实时查询和检索；
数据分析模块300，数据分析模块300响应于第二医疗数据的分析指令，基于预设的加密分析模型对第二医疗数据进行加密集成分析，生成分析结果；
查询工具端400，所述查询工具端400用于向数据采集模块100发送医疗机构数据，还用于向集成数据库200发送数据索引指令，并获取数据分析模块300生成的分析结果。
在本实施例中，所述数据采集模块100、集成数据库200、数据分析模块300以及查询工具端400之间采用5G通讯或局域网通讯连接的方式实现数据的交互，且集成数据库200为去中心化的数据共享平台，从而可以帮助研究人员以及医疗机构工作人员安全无误的上传以及获取数据。
本发明实施例通过构建集成数据库200，实现对不同类型医疗机构中多源异构数据库被整合处理，从而方便医疗机构从查询工作端实时查询，并通过数据分析模块300对医疗机构数据进行监控和分析，方便了医疗机构工作人员以及就诊人员查询获取分析结果。
考虑到医疗机构数据为多源异构的，且现阶段医疗机构数据存在着泄漏的风险，为了保证数据能够统一被利用，并保证医疗数据的私密性，本发明实施例提供了数据采集模块100，图2示出了所述数据采集模块100的结构示意图，所述数据采集模块100，具体包括：
数据采集端110，所述数据采集端110用于获取医疗机构数据，且数据采集端110与集成数据库200以及查询工具端400通信连接；
预处理单元120，所述预处理单元120用于遍历采集到的医疗机构数据，并对医疗机构数据进行预处理。
加密传输单元130，所述加密传输单元130用于获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输。
在本实施例中，所述数据采集端110采集的医疗机构数据包括但不限于医疗机构中不限于HIS，LIS，PACS等系统提供的诊疗数据、研发数据、患者信息数据以及支付数据，而诊疗数据包括但不限于医疗机构的电子病历、患者生化、免疫、PCR检测数据、诊疗方案、路径，而患者信息数据包括但不限于患者使用的紧急呼叫机、智能手环、智能腕表、血糖仪、体质仪、睡眠带、电子血压计发送的图片、视频、文档或编码数据。
需要说明的是，所述数据采集端110可以为具有通讯功能的WIFI网关、智能采集器、便携式一体机以及医疗机构刷卡录入机，而本发明实施例设置有加密传输单元130，加密传输单元130能够对采集的医疗机构数据进行加密处理，避免数据的泄露。
本发明实施例提供了预处理单元120对医疗机构数据进行预处理的方法，图3示出了所述预处理单元120对医疗机构数据进行预处理的实现流程示意图，所述预处理单元120对医疗机构数据进行预处理的方法，具体包括：
步骤S101，遍历采集到的医疗机构数据，识别医疗机构数据的哈希签名；
步骤S102，基于医疗机构数据哈希签名与数据采集端110建立交互，获取数据采集端110的采集端身份信息，其中，采集端身份信息通过集成数据库200预建立；
需要说明的是，哈希签名具体为处理数据的一种算法，且考虑到哈希签名对数据计算具有不可逆性，因此可以通过哈希算法对一定长度的二进制数据进行数据转换、数据散列话处理，一方面保证了数据传输效率，另一方面也保证了数据的私密性，而获取数据采集端110的采集端身份信息则方便了对获取的医疗机构数据进行验证，实现集成数据库200与数据采集端110的及时交互“握手”。
步骤S103，基于采集端身份信息以及医疗机构数据的多重标签获取医疗机构数据的多重标签组；
在本实施例中，采集端身份信息包括但不限于数据采集端110的网络协议地址、采集通讯端口信息、数据端型号、数据端MAC地址、操作系统版本、日志更新、上传信息，而医疗机构数据的多重标签组可以为（设备身份和标识信息（F1）、病历标签（F2）、检测标签（F3）、支付标签（F4）、自采标签（F5）以及研发标签（F6））.
示例性的，所述设备身份和标识信息（F1）可以分为终端识别码标识（F1-1）、终端基础数据标识（F1-2）、私密资料标识（F1-3）以及网络地址标识（F1-4）。
步骤S104，加载多重标签组，根据集成数据库200的历史标签分类系数与多重标签组系数的比值得到医疗机构数据的标签去重系数；
步骤S105，获取医疗机构数据的标签去重系数，识别医疗机构数据的关键字符串权重，将关键字符串权重与标签去重系数的乘积相乘，得到医疗机构数据的去重数据集。
在本实施例中，通过集成数据库200的历史标签分类系数与多重标签组系数的比值得到医疗机构数据的标签去重系数能够对医疗机构数据进行精准的预处理，从而方便了后续对数据的分析，并降低模块的数据处理量。
本发明实施例提供了获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输的方法，图4示出了获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输的实现流程示意图，所述获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输的方法，具体包括：
步骤S201，获取第一医疗数据的哈希签名，加密传输单元130随机生成第一医疗数据的加密项；
需要说明的是，所述第一医疗数据的加密项的设置能够对第一医疗数据进行加密，从而避免哈希签名无法通过彩虹表被窃取或验证，而加密项的生成可以采用512位的whirlpool算法进行生成，在对第一医疗数据进行验证时，集成数据库200可以对第一医疗数据中采集端身份信息与加密项进行哈希计算，通过哈希运算结果判断加密信息与第一医疗数据的采集地址是否一致，若一致，则集成数据库200接收数据，若不一致，则集成数据库200发送预警至加密传输单元130。
步骤S202，对第一医疗数据中采集端身份信息与加密项进行哈希计算，得到加密后的A位加密信息，其中，A≤30；
步骤S203，发送A位加密信息至集成数据库200，集成数据库200生成B位数据索引，拼接所述A位加密信息以及B位数据索引，得到含有A+B位的加密信息，其中A+B位的加密信息包含有数据索引链路以及第一医疗数据的采集地址。
在本实施例中，数据索引链路的长度是可变的，且允许医疗机构自定义所需要的位数，索引长度最长为32位，而A+B位的第一医疗数据的采集地址也允许医疗机构自行定义，如描述“医疗机构-采集科室-主治医师-患者”的关系，其第一医疗数据的采集地址可以定义包含“医疗机构A，采集科室B，主治医师C，患者D”的地址编码数据字符串。
考虑到现阶段医疗机构之间数据交互性差，且多源数据存储在多源数据库内，为了提高数据集成处理分析效率，并保证数据可追溯以及可视化，本发明实施例提供了集成数据库200，图5示出了所述集成数据库200的结构示意图，所述集成数据库200，具体包括：
数据管理模块210，所述数据管理模块210用于存储获取到的第一医疗数据，基于第一医疗数据对集成数据库200内数据进行覆盖、插入、删除、增加；
机构管理模块220，所述机构管理模块220用于机构进驻管理、标签管理、设备管理、项目管理以及健康管理；
库建立模块230，所述库建立模块230分别与数据管理模块210以及机构管理模块220通信连接，库建立模块230基于机构管理模块220以及数据管理模块210获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换；
数据检索模块240，所述数据检索模块240用于生成包含数据索引链接的第二医疗数据，并供查询工具端400实时查询和检索。
所述数据检索模块240专注于海量时序数据的高性能读、高性能写、高效存储与实时分析，而数据管理模块210以及机构管理模块220均采用LSM树的结构，将医疗数据分为多个Shard进行存储，每个Shard独立维护其缓存、WAL和医疗数据文件。
本发明实施例通过库建立模块230构建集成数据库200，方便了对医疗机构数据的归一化集成管理，同时集成数据库200可支持市面上常见的数据库类型，如SQL SERVER、ORACLE、MYSQL、达梦、PostgreSQL、人大金仓、Doris等数据库接入，只需要医疗机构各系统提供数据库读取权限，无须复杂的人工处理，从而节约了人工成本并且数据可视化可追溯，避免信息管理部门的数据黑盒问题。
本发明实施例提供了库建立模块230基于机构管理模块220以及数据管理模块210获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换的方法，图6示出了库建立模块230基于机构管理模块220以及数据管理模块210获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换的实现流程示意图，所述库建立模块230基于机构管理模块220以及数据管理模块210获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换的方法，具体包括：
步骤S301，加载并解析第一医疗数据，将第一医疗数据与标准建库名称以及建库扩展字符组对比，获得第一医疗数据中数据相似度值；
步骤S302，基于数据相似度值将第一医疗数据映射为库标准字符组，其中，库标准字符组记为，将库标准字符组/>降维转换，其中，降维后输出函数/>为：
（1）
其中，所述表示待降维度的库标准字符组种类，在本实施例待降维度的库标准字符组种类为常量，其取值区间为[1-20]，/>表示库标准字符组原始信息，/>表示降维向量值，/>表示降维处理信息，/>为库标准字符组数据维度，库标准字符组数据维度可以为零维、一维、二维、三维或四维；
（2）
其中，，/>分别表示卷积分神经网络中信息变换函数的前置系数以及后置系数，而前置系数以及后置系数取值区间分别为[0.02-0.3]以及[0.2-0.65]，而/>为降维标准值，/>表示权重变换函数，权重变换函数的表达式（3）为；
（3）
其中，为权重变换函数的数据梯度，而/>为数据梯度向量值，/>可以通过数值法、解析法或反向传播法计算得到，而/>为权重变换函数的高斯环绕尺度，高斯环绕尺度的取值范围为8-40`。
本发明实施例通过卷积分神经网络算法实现库建立数据的转换，从而能够对应医疗机构数据进行降维处理，提高了建库速度和效率，同时提供可靠的数据索引分析服务。
本发明实施例提供了加密分析模型的构建方法，图7示出了所述加密分析模型构建的实现流程示意图，所述加密分析模型的构建方法，具体包括：
步骤S401，获取集成数据库200中的历史第二医疗数据，并将第二医疗数据分为训练集和验证集，对训练集和验证集中数据进行同态加密处理；
需要说明的是，训练集和验证集的数量比可以为3:1，而对训练集和验证集中数据进行同态加密处理能够对样本进行加密处理。避免在训练过程中样本数据的泄露。
步骤S402，结合差分隐私法对关联规则模型进行预处理，实现初始模型的加密处理；
步骤S403，输入训练集，对关联规则模型进行迭代训练，其中，迭代训练时通过Loss函数训练；
示例性的，对关联规则模型进行迭代训练的次数可以为100-200次，而关联规则模型用于发现数据中的频繁项集和关联规则，通过分析数据中的项集之间的关联性，可以揭示出隐藏在数据背后的关系和规律，同时关联规则模型采用FP-Growth算法处理训练集中第二医疗数据。
步骤S404，使用验证集判断训练后的关联规则模型是否符合预设分析精度阈值；
步骤S405，若符合分析精度阈值，则输出加密分析模型，通过模型集成法对加密分析模型进行加密处理
步骤S406，若不符合分析精度阈值，则返回步骤S402，结合差分隐私法对关联规则模型进行预处理，实现初始模型的加密处理。
本发明实施例中加密分析模型的构建过程中，采用同态加密处理对练过程中样本数据进行加密处理，结合结合差分隐私法对关联规则模型进行预处理，从而实现了样本数据以及模型修改过程的隐私保护。
本发明实施例提供了基于预设的加密分析模型对第二医疗数据进行加密集成分析的方法，图8示出了基于预设的加密分析模型对第二医疗数据进行加密集成分析的实现流程示意图，所述基于预设的加密分析模型对第二医疗数据进行加密集成分析的方法，具体包括：
步骤S501，获取第二医疗数据；
步骤S502，对第二医疗数据中信息进行提取，其中信息提取函数为：
（4）；
其中，为信息提取函数提取的异常数据集，/>为提取降噪函数，/>表示第二医疗数据降维后输出函数；
（5）
其中，为提取降噪函数的耦合系数，在本实施例中，耦合系数为0.2，/>为提取降噪函数的变换曲率，提取降噪函数的变换曲率取值为0.5-1，而/>为第一异常值，/>为第二异常值；
其中，第一异常值以及第二异常值的表达式分别为：
（6）
（7）
其中，为加密分析模型的第一关联系数，/>为加密分析模型的第二关联系数，/>为第二医疗数据属性权系数和，/>为库标准字符组数据维度。
步骤S503，加载异常数据集，对异常数据集中异常信息的异常影响值进行计算，其中，异常影响值计算式为：
（8）
其中，为异常数据集关联的查询工具端400总量，而/>为第一异常值，/>为第二异常值。
本发明实施例中预设的加密分析模型不但能够对第二医疗数据中信息进行提取，从而快速抓取第二医疗数据中异常数据集，还能对异常数据集中异常数据的影响值进行计算，相对于现有数据分析方法分析结果误差大，且存在误判的现象，有助于辅助医疗机构理解数据、提取有用的信息，并做出准确的预测或决策。
本发明实施例提供了查询工具端400，图9示出了所述查询工具端400的示意图，所述查询工具端400，具体包括：
加密通道接口410，所述加密通道接口410用于分析结果、数据索引指令以及医疗机构数据的加密传输；
数据输入单元420，数据输入单元420用于输入数据索引指令以及医疗机构数据；
结果获取单元430，所述结果获取单元430用于获取数据分析模块300生成的分析结果。
在本实施例中，所述加密通道接口410至少包括RS485通信通道接口、载波通信信道接口、TCP/IP通信信道接口、RS422通信信道接口、以太网通信信道接口，而数据输入单元420以及结果获取单元430均可以采用SaaS部署方式，支持四种以上不同身份登陆，支持多种身份认证，有终端管理员身份，可进行用户注册和账号认证。而结果获取单元430可以为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、手机等可以进行通信的设备。
本发明实施例提供了一种面向医疗机构的数据集成方法，图10示出了所述面向医疗机构的数据集成方法的实现流程示意图，所述面向医疗机构的数据集成方法，具体包括：
步骤S10，获取医疗机构数据，并对医疗机构数据进行预处理，得到第一医疗数据，并将预处理后的第一医疗数据加密传输至集成数据库200；
步骤S20，基于第一医疗数据对集成数据库200内数据进行覆盖、插入、删除、增加，生成包含数据索引链接的第二医疗数据，并供查询工具端400实时查询和检索；
步骤S30，响应于第二医疗数据的分析指令，基于预设的加密分析模型对第二医疗数据进行加密集成分析，生成分析结果。
另一方面，本发明实施例还提供了一种计算机设备，该计算机设备包括显示屏、存储器、处理器以及计算机程序，其中所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器24执行所述面向医疗机构的数据集成工具方法的步骤。
可以理解的是，在本发明提供的优选实施例中，该计算机设备还可以为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、手机等可以进行通信的设备。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。例如，上述计算机程序可以被分割成上述各个系统实施例提供的面向医疗机构的数据集成工具的单元或模块。
本领域技术人员可以理解，上述终端设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
综上所述，本发明提供了一种面向医疗机构的数据集成工具，本发明实施例通过构建集成数据库200，实现对不同类型医疗机构中多源异构数据库被整合处理，从而方便医疗机构从查询工作端实时查询，并通过数据分析模块300对医疗机构数据进行监控和分析，方便了医疗机构工作人员以及就诊人员查询获取分析结果。
需要说明的是，对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可能采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，涉及的动作和模块并不一定是本发明所必须的。
本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或通信连接可以是通过一些接口，装置或单元之间的间接耦合或通信连接，可以是电信或者其它的形式。
以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。

Claims (5)

1.一种面向医疗机构的数据集成工具，其特征在于，所述面向医疗机构的数据集成工具包括：
数据采集模块，数据采集模块用于获取医疗机构数据，并对医疗机构数据进行预处理，得到第一医疗数据，并将预处理后的第一医疗数据加密传输至集成数据库；
集成数据库，所述集成数据库用于存储获取到的第一医疗数据，基于第一医疗数据对集成数据库内数据进行覆盖、插入、删除、增加，生成包含数据索引链接的第二医疗数据，并供查询工具端实时查询和检索；
数据分析模块，数据分析模块响应于第二医疗数据的分析指令，基于预设的加密分析模型对第二医疗数据进行加密集成分析，生成分析结果；
查询工具端，所述查询工具端用于向数据采集模块发送医疗机构数据，还用于向集成数据库发送数据索引指令，并获取数据分析模块生成的分析结果；
所述加密分析模型的构建方法，具体包括：
获取集成数据库中的历史第二医疗数据，并将第二医疗数据分为训练集和验证集，对训练集和验证集中数据进行同态加密处理；
结合差分隐私法对关联规则模型进行预处理，实现初始模型的加密处理；
输入训练集，对关联规则模型进行迭代训练，其中，迭代训练时通过Loss函数训练；
使用验证集判断训练后的关联规则模型是否符合预设分析精度阈值，若符合分析精度阈值，则输出加密分析模型；
通过模型集成法对加密分析模型进行加密处理；
所述基于预设的加密分析模型对第二医疗数据进行加密集成分析的方法，具体包括：
获取第二医疗数据；
对第二医疗数据中信息进行提取，其中信息提取函数为：
（4）；
其中，为信息提取函数提取的异常数据集，/>为提取降噪函数，/>表示第二医疗数据降维后输出函数；
（5）
其中，为提取降噪函数的耦合系数，/>为提取降噪函数的变换曲率，而/>为第一异常值，/>为第二异常值；
其中，第一异常值以及第二异常值的表达式分别为：
（6）
（7）
其中，为加密分析模型的第一关联系数，/>为加密分析模型的第二关联系数，/>为第二医疗数据属性权系数和，/>为库标准字符组数据维度；
加载异常数据集，对异常数据集中异常信息的异常影响值进行计算，其中，异常影响值计算式为：
（8）
其中，为异常数据集关联的查询工具端总量，而/>为第一异常值，/>为第二异常值。
2.如权利要求1所述的面向医疗机构的数据集成工具，其特征在于：所述数据采集模块包括：
加密传输单元，所述加密传输单元用于获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输。
3.如权利要求2所述的面向医疗机构的数据集成工具，其特征在于：获取预处理后的第一医疗数据，并对第一医疗数据进行加密传输的方法，具体包括：
获取第一医疗数据的哈希签名，加密传输单元随机生成第一医疗数据的加密项；
对第一医疗数据中采集端身份信息与加密项进行哈希计算，得到加密后的A位加密信息，其中，A≤30；
发送A位加密信息至集成数据库，集成数据库生成B位数据索引，拼接所述A位加密信息以及B位数据索引，得到含有A+B位的加密信息，其中A+B位的加密信息包含有数据索引链路以及第一医疗数据的采集地址。
4.如权利要求1所述的面向医疗机构的数据集成工具，其特征在于：所述集成数据库包括：
数据管理模块，所述数据管理模块用于存储获取到的第一医疗数据，基于第一医疗数据对集成数据库内数据进行覆盖、插入、删除、增加；
机构管理模块，所述机构管理模块用于机构进驻管理、标签管理、设备管理、项目管理以及健康管理；
库建立模块，所述库建立模块分别与数据管理模块以及机构管理模块通信连接，库建立模块基于机构管理模块以及数据管理模块获取库建立数据，并通过卷积分神经网络算法实现库建立数据的转换；
数据检索模块，所述数据检索模块用于生成包含数据索引链接的第二医疗数据，并供查询工具端实时查询和检索。
5.如权利要求4所述的面向医疗机构的数据集成工具，其特征在于：所述查询工具端包括：
加密通道接口，所述加密通道接口用于分析结果、数据索引指令以及医疗机构数据的加密传输；
数据输入单元，数据输入单元用于输入数据索引指令以及医疗机构数据；
结果获取单元，所述结果获取单元用于获取数据分析模块生成的分析结果。
CN202311428755.7A 2023-10-31 2023-10-31 一种面向医疗机构的数据集成工具 Active CN117153419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311428755.7A CN117153419B (zh) 2023-10-31 2023-10-31 一种面向医疗机构的数据集成工具

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311428755.7A CN117153419B (zh) 2023-10-31 2023-10-31 一种面向医疗机构的数据集成工具

Publications (2)

Publication Number Publication Date
CN117153419A CN117153419A (zh) 2023-12-01
CN117153419B true CN117153419B (zh) 2024-01-26

Family

ID=88912541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311428755.7A Active CN117153419B (zh) 2023-10-31 2023-10-31 一种面向医疗机构的数据集成工具

Country Status (1)

Country Link
CN (1) CN117153419B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117936114A (zh) * 2024-03-13 2024-04-26 湖北福鑫科创信息技术有限公司 基于大语言模型的电子病历智能化分析与优化系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108154914A (zh) * 2018-01-25 2018-06-12 北京雅森科技发展有限公司 一种准确匿名化存储和检索医疗图像的方法
CN109036501A (zh) * 2018-09-03 2018-12-18 南京旭颢信息科技有限公司 基于区块链技术的个人健康电子病历共享及查询系统
CN109411073A (zh) * 2018-10-11 2019-03-01 北京医鸣技术有限公司 医疗数据集成系统
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法
CN111370133A (zh) * 2020-03-03 2020-07-03 安徽高山科技有限公司 一种基于区块链的医疗数据管理平台
CN111899821A (zh) * 2020-06-28 2020-11-06 广州万孚生物技术股份有限公司 处理医疗机构数据的方法、构建数据库的方法和装置
CN112035562A (zh) * 2020-08-19 2020-12-04 杭州古珀医疗科技有限公司 多源异构数据融合的医疗数据融合工具系统及其融合方法
CN113488182A (zh) * 2021-05-25 2021-10-08 北京大学 多源异构医疗化验检查数据处理方法、装置、设备和介质
CN115274122A (zh) * 2022-07-04 2022-11-01 中国信息通信研究院 健康医疗数据的管理方法、系统、电子设备及存储介质
CN115410712A (zh) * 2022-08-16 2022-11-29 江苏医信康科技有限公司 一种基于数据处理的可视化探视系统及方法
CN115438360A (zh) * 2022-09-26 2022-12-06 浙江力石科技股份有限公司 一种具有数据加密结构的数据安全平台系统
CN115458140A (zh) * 2022-09-16 2022-12-09 纳里健康科技有限公司 基于医疗大数据的互联网医院智慧运营系统
CN115455973A (zh) * 2022-11-10 2022-12-09 北京肿瘤医院(北京大学肿瘤医院) 一种基于真实世界研究的淋巴瘤研究数据库建设及应用方法
CN115497631A (zh) * 2022-09-14 2022-12-20 上海市第六人民医院 一种临床科研大数据分析系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11469001B2 (en) * 2018-03-15 2022-10-11 Topcon Corporation Medical information processing system and medical information processing method
US20220068454A1 (en) * 2020-09-01 2022-03-03 RCR BioPharma System and method for medical research data processing, acquisition and analysis

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108154914A (zh) * 2018-01-25 2018-06-12 北京雅森科技发展有限公司 一种准确匿名化存储和检索医疗图像的方法
CN109036501A (zh) * 2018-09-03 2018-12-18 南京旭颢信息科技有限公司 基于区块链技术的个人健康电子病历共享及查询系统
CN109411073A (zh) * 2018-10-11 2019-03-01 北京医鸣技术有限公司 医疗数据集成系统
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法
CN111370133A (zh) * 2020-03-03 2020-07-03 安徽高山科技有限公司 一种基于区块链的医疗数据管理平台
CN111899821A (zh) * 2020-06-28 2020-11-06 广州万孚生物技术股份有限公司 处理医疗机构数据的方法、构建数据库的方法和装置
CN112035562A (zh) * 2020-08-19 2020-12-04 杭州古珀医疗科技有限公司 多源异构数据融合的医疗数据融合工具系统及其融合方法
CN113488182A (zh) * 2021-05-25 2021-10-08 北京大学 多源异构医疗化验检查数据处理方法、装置、设备和介质
CN115274122A (zh) * 2022-07-04 2022-11-01 中国信息通信研究院 健康医疗数据的管理方法、系统、电子设备及存储介质
CN115410712A (zh) * 2022-08-16 2022-11-29 江苏医信康科技有限公司 一种基于数据处理的可视化探视系统及方法
CN115497631A (zh) * 2022-09-14 2022-12-20 上海市第六人民医院 一种临床科研大数据分析系统
CN115458140A (zh) * 2022-09-16 2022-12-09 纳里健康科技有限公司 基于医疗大数据的互联网医院智慧运营系统
CN115438360A (zh) * 2022-09-26 2022-12-06 浙江力石科技股份有限公司 一种具有数据加密结构的数据安全平台系统
CN115455973A (zh) * 2022-11-10 2022-12-09 北京肿瘤医院(北京大学肿瘤医院) 一种基于真实世界研究的淋巴瘤研究数据库建设及应用方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
区域异构医疗数据集成与交换技术的研究和实现;程颖;焦攀科;戴飞;甘会哲;;信息系统工程(第11期);第98-100页 *
基于大数据的医院信息集成平台建设与应用;黄跃;魏岚;张蕾;费晓璐;;中国医学装备(第04期);第109-111页 *
基于智慧医院的集成平台建设技术研究与实践;张美娟;江苏卫生事业管理;第31卷(第10期);第1351-1357页 *

Also Published As

Publication number Publication date
CN117153419A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN117153419B (zh) 一种面向医疗机构的数据集成工具
US20140046697A1 (en) Medical information navigation engine (mine) system
WO2016064775A1 (en) Identification of codable sections in medical documents
US20230187037A1 (en) Medical diagnostic platform
US20060106789A1 (en) System and method for collecting data from data sources using data collection tools
Sarkar et al. A conceptual distributed framework for improved and secured healthcare system
CN117238458B (zh) 基于云计算的重症护理跨机构协同平台系统
CN112365941A (zh) 受试者招募的方法及系统
CN116631564A (zh) 一种急诊电子病历管理系统及管理方法
US20160080528A1 (en) System, method and computer-accessible medium for secure and compressed transmission of genomic data
WO2019148248A1 (en) Personal record repository arrangement and method for incentivised data analytics
CN113628751A (zh) 胃癌预后预测方法、装置及电子设备
Alkawaz et al. Augmented reality for patient information using face recognition and cloud computing
Kalejahi et al. Big data security issues and challenges in healthcare
CN111508574A (zh) 检验检查数据对接方法及系统
CN113611383B (zh) 医疗信息获取方法、装置、电子设备及存储介质
Zhan et al. Medical record encryption storage system based on Internet of Things
CN114141358A (zh) 基于知识图谱的疾病诊断装置、计算机设备及存储介质
CN112768020A (zh) 一种基于云平台的电子病历系统
CN115831298B (zh) 基于医院管理信息系统的临床试验患者招募方法及装置
Pivithuru et al. E-patient Card: An Integrated Electronic Health Recording System for Patient
US11393566B1 (en) Interoperable platform for reducing redundancy in medical database management
RU2806870C1 (ru) Мобильный комплекс мультибиометрической регистрации (варианты)
CN114582519B (zh) 一种基于多源数据的医院随访方法、装置及终端设备
US20210043323A1 (en) Medical records and treatment system and process

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