WO2018120669A1 - 基于大数据关联存储的医疗数据查询系统及方法 - Google Patents

基于大数据关联存储的医疗数据查询系统及方法 Download PDF

Info

Publication number
WO2018120669A1
WO2018120669A1 PCT/CN2017/088352 CN2017088352W WO2018120669A1 WO 2018120669 A1 WO2018120669 A1 WO 2018120669A1 CN 2017088352 W CN2017088352 W CN 2017088352W WO 2018120669 A1 WO2018120669 A1 WO 2018120669A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
patient
medical data
medical
identification number
Prior art date
Application number
PCT/CN2017/088352
Other languages
English (en)
French (fr)
Inventor
张贯京
葛新科
王海荣
高伟明
张红治
Original Assignee
深圳市易特科信息技术有限公司
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 深圳市易特科信息技术有限公司 filed Critical 深圳市易特科信息技术有限公司
Publication of WO2018120669A1 publication Critical patent/WO2018120669A1/zh

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
    • 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
    • G06F19/32—
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/245—Query processing
    • G06F16/2453—Query optimisation
    • 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
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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

Definitions

  • the present invention relates to the technical field of medical informationization, and in particular, to a medical data query system and method based on big data association storage.
  • the main objective of the present invention is to provide a medical data query system and method based on big data association storage, which aims to solve the problem that the medical data queryed by the existing medical information system is not comprehensive enough, the accuracy is not high enough, and the investigation is Ask for less efficient questions.
  • the present invention provides a medical data query system based on big data association storage, which runs in a cloud server, and the cloud server establishes a communication connection with a clinical data source and a communication terminal through a communication network. And connecting to the big data storage warehouse through a database connection, where the medical data query system based on the big data association storage comprises:
  • a data acquisition module for collecting raw medical data of each patient from a plurality of different clinical data sources
  • a data cleaning module configured to perform a cleaning conversion process on each patient's original medical data to obtain standardized medical data for each patient
  • a data extraction module configured to extract identity information and vital sign data of each patient from the standardized medical data of each patient
  • a data association storage module configured to generate an identity identification number for each patient according to the identity information of each patient, and associate each patient's identification number with the corresponding vital vitality data of the patient and store the same in the In the big data storage warehouse;
  • a data query module configured to receive, from the communication terminal, an identity identification number of the patient to be queried, and read, according to the identity identification number, the vital sign data of the patient to be queried from the big data storage warehouse, and The vital sign data of the patient to be queried is presented on the communication terminal.
  • the data collection module collects the original medical data of each patient from a plurality of different clinical data sources in the following manner: setting a execution time and execution period of a calibration script, and according to the definition The execution time and execution cycle of the script collects the raw medical data of each patient from different clinical data sources.
  • the data cleaning module performs a cleaning conversion process on each patient's original medical data: using the ETL data filtering conversion component to remove meaningless words in the original medical data, and one of the original medical data The different forms of the word are converted to the same form, and the duplicated data in the original medical data is deleted.
  • the data association storage module is further configured to associate an identity identification number of each patient with vital sign data corresponding to the patient, establish a patient vital sign information table, and The table is stored in a big data storage repository.
  • the data query module displays the vital sign data of the patient to be queried in the form of a text, a graphic or a list on the communication terminal.
  • the present invention also provides a medical data query method based on big data association storage, which is applied to a cloud server, and the cloud server establishes a communication connection with a clinical data source and a communication terminal through a communication network, and connects through a database.
  • the big data storage warehouse connection, the medical data query method based on the big data association storage includes the steps of:
  • the step of collecting raw medical data of each patient from a plurality of different clinical data sources comprises the steps of: setting an execution time and an execution period of a programmer script, according to a calibration script The raw medical data for each patient was collected from different clinical data sources during the day and execution cycles.
  • the step of performing the cleaning conversion process on the raw medical data of each patient comprises the following steps: using the ETL data filtering conversion component to remove meaningless words in the original medical data, one of the original medical data The different forms of the word are converted to the same form, and the duplicated data in the original medical data is deleted.
  • the step of associating the identification number of each patient with the respective vital sign data and storing in the big data storage warehouse comprises the following steps: The patient's corresponding vital sign data is correlated and a patient sign information table is created, and the patient sign information table is stored in the big data storage warehouse.
  • the vital sign data of the patient to be queried is presented on the communication terminal in the form of a text, a graphic or a list.
  • the medical data query system and method based on big data association storage of the present invention adopts the above technical solutions, and the technical effects are as follows:
  • the medical data of the patient can be collected from different clinical data sources. It ensures the comprehensiveness and accuracy of the patient's medical data collection, saves storage space for medical data storage in the big data storage warehouse, improves the speed of querying the patient's medical data, reduces the system load, and improves the medical data. Query efficiency.
  • FIG. 1 is an architectural diagram of a preferred embodiment of a medical data query system based on big data association storage according to the present invention
  • FIG. 2 is a flow chart of a preferred embodiment of a medical data query method based on big data association storage according to the present invention
  • FIG. 1 is a schematic diagram of an application environment architecture of a preferred embodiment of a medical data query system based on big data association storage according to the present invention.
  • the medical data query system 10 based on the big data association storage is applied and runs in the cloud server 1, and the cloud server 1 communicates with a plurality of different clinics through the communication network 4.
  • the data source 2 (illustrated by taking two as an example in Fig. 1) is connected in communication with one or more communication terminals 3 via the communication network 4, and to the big data storage warehouse 5 via the database connection 6.
  • the communication network 4 can be a wired communication network or a wireless communication network.
  • the communication network 4 is preferably a wireless communication network, including but not limited to, a GSM network, a GP. RS network, CDMA network, TD-SCDMA network, WiMAX network, TD-LTE network, FDD-L
  • the database connection 6 can be an open database connection (ODBC) and a Java database connection (Java Data Base)
  • the cloud server 1 is a cloud platform or a server in the cloud platform, and the data transmission capability, the data storage capability, and the data processing capability of the cloud server 1 can be quickly collected from different clinical data sources 2 Different raw medical data is obtained, and the medical data query request of the communication terminal 3 can be quickly processed.
  • the clinical data source 2 stores the original medical data of the patient, and may be a hospital information system that generates clinical data, such as a HIS system, an EMR, a LIS, a PACS system, or any suitable medical center, private clinic, and emergency center. Clinical business system.
  • the communication terminal 3 may be any suitable portable electronic device such as a smart phone, a tablet computer, a personal digital assistant (PDA), a personal computer, a mobile communication terminal, or the like, or may be a self-service medical query for setting up a hospital. Terminal Equipment.
  • the big data storage repository 5 may be a large data storage database of the SequoiaDB cluster for storing medical data of patients collected from different medical clinical data sources 2 for processing by the cloud server 1 and for query use.
  • the cloud server 1 includes, but is not limited to, a medical data query system 10, a communication unit 11, a storage unit 12, and a processing unit 13 based on big data association storage.
  • the communication unit 1 1 is a wired communication interface or a wireless communication interface, for example, a communication interface supporting communication technologies such as GSM, GPRS, WCDMA, C DMA, TD-SCDMA, WiMAX, TD-LTE, and FDD-LTE.
  • the cloud server 1 interacts with the clinical data source 2, the communication terminal 3 via the communication unit 11.
  • the storage unit 12 can be a read only storage unit ROM, an electrically erasable storage unit EEPR OM, a flash storage unit FLASH or a solid hard disk.
  • the processing unit 13 may be a central processing unit (CPU), a microcontroller (MCU), a data processing chip, or an information processing unit having data processing functions.
  • the medical data query system 10 based on the big data association storage includes, but is not limited to, the data collection module 101, the data cleaning module 102, the data extraction module 103, the data association storage module 104, and the data query module 105.
  • module refers to a series of computer program instruction segments that can be executed by the processing unit 13 of the cloud platform server 1 and that can perform fixed functions, which are stored in the In the storage unit 12 of the cloud platform server 1.
  • the data collection module 101 is configured to collect raw medical data for each patient from a plurality of different clinical data sources 2.
  • the generation and collection of the patient's original medical data usually comes from the clinical data generated by the hospital information system, such as HIS system, EMR, LIS, PACS system, but with the development of the Internet of Things, the patient's original medical data can also come from Any suitable clinical business system, such as a medical center, private clinic, and emergency center.
  • the data collection module 101 is specifically configured to set an execution time and an execution period of a programmer script, and collect original medical data from different clinical data sources according to execution time and execution cycle of the programmer script. .
  • the data cleaning module 102 is configured to perform a cleaning conversion process on the raw medical data of each patient to obtain standardized medical data for each patient.
  • the data cleaning module 102 needs to utilize ETL (extract, Transform, load (lo ad) data filter conversion component cleans and converts the collected raw medical data to obtain standardized medical data, thereby ensuring the accuracy of medical data and saving storage space for medical data storage.
  • the manner in which the data cleaning module 102 performs the cleaning conversion process on the raw medical data of each patient is: removing the meaningless words in the original medical data by using the ETL data filtering conversion component, and using a word in the original medical data.
  • the different forms are converted to the same form, as well as the processing of deleting duplicate data in the original medical data.
  • the data extraction module 103 is configured to extract identity information and vital sign data of each patient from the standardized medical data of each patient.
  • the standard medical data includes patient identity information and vital sign data, wherein the vital sign data includes a patient's height data, body weight data, blood pressure data, pulse data, heart rate data, blood oxygen data, and blood glucose. Data information such as data.
  • the data association storage module 104 is configured to generate an identity identification number for each patient according to the identity information of each patient, and associate and store the identity identification number of each patient with the corresponding vital sign data of the patient.
  • the data association storage module 104 associates each patient's identification number with the patient's respective vital sign data and establishes a patient vital information table, and the patient vital information table Stored in the big data storage repository 5.
  • each of the header fields of the patient vital sign information table stores the identification number of the patient
  • Each content field of the vital sign information table stores vital sign data corresponding to the patient.
  • each patient's identification number is unique, the patient's identification number is associated with the patient's vital sign data and stored in the big data storage repository 5, thereby enhancing data structured storage and avoiding access to medical data.
  • the data conflict speeds up the reading and processing of medical data by the cloud server 1, thereby improving the level of medical services and patient satisfaction.
  • the data query module 105 is configured to receive, from the communication terminal 3, an identity identification number of the patient to be queried, and read the vital sign data of the patient to be queried from the big data storage warehouse 5 according to the identity identification number, and The vital sign data of the patient to be queried is presented on the communication terminal 3.
  • the data query module 105 displays the vital sign data of the patient to be queried in the form of a text, a graphic or a list on the communication terminal 3, so that the patient can intuitively understand the health status of the patient, or For the doctor to diagnose the condition of the patient as a supplementary reference.
  • the present invention also provides a medical data query method based on big data association storage.
  • FIG. 2 is a flow chart of a preferred embodiment of a medical data query method based on big data association storage of the present invention.
  • the medical data query method based on the big data association storage includes the following steps:
  • Step S21 Collecting raw medical data of each patient from different clinical data sources; specifically, the data collecting module 101 collects raw medical data of each patient from different clinical data sources 2.
  • the generation and collection of the patient's original medical data usually comes from the clinical data generated by the hospital information system, such as HIS system, EMR, LIS, PACS system, but with the development of the Internet of Things, the patient's original medical data can also come from Any suitable clinical business system, such as a medical center, private clinic, and emergency center.
  • the step of the data acquisition module 101 performing the cleaning conversion process on the raw medical data of each patient includes the steps of: setting an execution time and an execution period of a programmer script according to the execution of the script. Inter- and execution cycles collect raw medical data from different clinical data sources.
  • Step S22 performing clean conversion processing on the raw medical data of each patient to obtain standardized medical data for each patient; specifically, the data cleaning module 102 performs cleaning conversion processing on each patient's original medical data to obtain each patient. Standard medical data.
  • the data cleaning module 102 needs to utilize ETL (extract, Transformation The data filtering conversion component performs the cleaning conversion processing on the collected raw medical data to obtain the standardized medical data, thereby ensuring the accuracy of the medical data and saving the storage space for the storage of the medical data.
  • the step of performing the cleaning conversion process on the raw medical data of each patient by the data cleaning module 102 includes the steps of: removing the meaningless word in the original medical data by using the ETL data filtering conversion component, and using a word in the original medical data
  • the different forms are converted to the same form, and the processing of duplicate data in the original medical data is deleted.
  • Step S23 extracting identity information and vital sign data of each patient from the standardized medical data of each patient; specifically, the data extraction module 103 extracts identity information of each patient from the standardized medical data of each patient. And vital signs data.
  • the standard medical data includes patient identity information and vital sign data, wherein the vital sign data includes a patient's height data, body weight data, blood pressure data, pulse data, heart rate data, blood oxygen data, and blood glucose. Data such as data f ⁇ interest.
  • step S24 generating an identity identification number for each patient according to the identity information of each patient; specifically, the data association storage module 104 generates an identity identification number for each patient according to the identity information of each patient, as each The unique identity of a patient.
  • Step S25 associate each patient's identification number with the patient's corresponding vital sign data and store it in the big data storage warehouse; specifically, the data association storage module 104 identifies each patient's identification number and The patient's respective vital sign data are associated and a patient sign information table is created, and the patient sign information table is stored in the big data storage warehouse 5.
  • each of the header fields of the patient vital sign information table stores the identification number of the patient
  • each content field of the patient vital sign information table stores vital sign data corresponding to the patient. Since each patient's identification number is unique, the patient's identification number is associated with the patient's vital sign data and stored in the big data storage repository 5, thereby enhancing data structured storage and avoiding access to medical data.
  • the data conflict speeds up the reading and processing of medical data by the cloud server 1, thereby improving the level of medical services and patient satisfaction.
  • Step S26 receiving the identity identification number of the patient to be queried from the communication terminal, and reading the vital sign data of the patient to be queried from the big data storage warehouse according to the identity identification number; specifically, the data query module 105 Receiving, from the communication terminal 3, the identity identification number of the patient to be checked, and according to the identity identification number from the big data storage warehouse The vital sign data of the patient to be queried is read in the library 5.
  • Step S27 displaying the vital sign data of the patient to be queried on the communication terminal; specifically, the data query module 105 displays the vital sign data of the patient to be queried in the form of text, graphic or list in the communication terminal 3.
  • the patient can intuitively understand his or her health status, and can also be used as a supplementary reference for the doctor to diagnose the patient's condition.
  • the medical data query system and method based on big data association storage collects medical data in different clinical data sources, and performs cleaning and conversion processing on medical data to obtain standardized medical data, thereby ensuring The comprehensiveness and accuracy of medical data collection and storage space for medical data storage in big data storage warehouses.
  • the vital sign data of each patient's identification number is stored in association, and the vital sign data of the patient is queried according to the identity identification number input by the communication terminal, thereby improving the speed at which the server queries the patient medical data, and the system is lightened. Load, improve the efficiency of medical data query.
  • the medical data of the patient can be collected from different clinical data sources. It ensures the comprehensiveness and accuracy of the patient's medical data collection, saves storage space for medical data storage in the big data storage warehouse, improves the speed of querying the patient's medical data, reduces the system load, and improves the medical data. Query efficiency.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

一种基于大数据关联存储的医疗数据查询系统及方法，该方法包括步骤：从不同临床数据源收集每一个患者的原始医疗数据（S21）；对原始医疗数据进行清洗转换得到每一个患者的规范医疗数据（S22）；从规范医疗数据中抽取每一个患者的身份信息和生命体征数据（S23）；根据每一个患者的身份信息产生身份标识号（S24）；将每一个患者的身份标识号与各自的生命体征数据进行关联并存储在大数据存储仓库（S25）；从通信终端接收待查询患者的身份标识号，根据该身份标识号从大数据存储仓库读取待查询患者的生命体征数据（S26）；将待查询患者的生命体征数据展现在通信终端上（S27）。从多个医疗数据源采集医疗数据并进行关联存储，提高了医疗数据的全面性、准确性以及查询效率。

Description

技术领域
[0001] 本发明涉及医疗信息化的技术领域， 尤其涉及一种基于大数据关联存储的医疗 数据査询系统及方法。
背景技术
[0002] 目前， 随着我国经济持续稳定的发展和现代科技的日新月异， 人们越来越多的 关注自身健康， 在满足日常工作和生活的需求之外， 人们也迫切希望通过网络 或者手机上网就能随吋査看流行病的季节信息、 了解每种疾病下的用药情况以 及针对自身疾病获得一些个性化的推荐服务等。 对于公共卫生机构， 它们希望 各个社区居民的医疗数据能够自动汇总， 并自动对这些数据进行统计分析， 统 计的结果用来进行流行病的趋势分析和爆发预警， 从而为制定防治干预计划提 供有力的参考依据。
[0003] 随着国家新医改政策的颁布和实施， 与健康直接相关的医疗行业幵始迅猛发展 ， 医疗数据越来越趋于高度集中化。 在海量医疗数据的访问上， 存在大规模数 据统计计算的服务， 而且需要尽可能快的査询响应吋间。 由于医疗数据规模很 大， 医疗数据之间具有强关联性， 不同类型的用户对同一数据具有不同的观察 视角， 从而对医疗数据的存储模型有很高的要求以应付灵活多变的数据请求， 大规模数据上还存在大量已知的或者未知的数据分析需求， 査询的总类多， 需 要支持各种定制性査询。 由此可见， 由于用户对査询医疗数据的要求高， 因此 现有医疗数据存储系统简单地采用传统数据库、 商业并行数据库或者 SQL数据库 对海量医疗数据进行在线査询分析然后返回结果的方式已不能满足实际情况和 需求。
技术问题
[0004] 本发明的主要目的在于提供一种基于大数据关联存储的医疗数据査询系统及方 法， 旨在解决现有医疗信息化系统査询到的医疗数据不够全面、 准确度不够高 且査询效率较低的问题。 问题的解决方案
技术解决方案
[0005] 为实现上述目的， 本发明提供了一种基于大数据关联存储的医疗数据査询系统 ， 运行于云服务器中， 所述云服务器通过通信网络与临床数据源以及通信终端 建立通信连接， 并通过数据库连接与大数据存储仓库连接， 所述基于大数据关 联存储的医疗数据査询系统包括：
[0006] 数据采集模块， 用于从多个不同的临床数据源收集每一个患者的原始医疗数据
[0007] 数据清洗模块， 用于对每一个患者的原始医疗数据进行清洗转换处理得到每一 个患者的规范医疗数据；
[0008] 数据抽取模块， 用于从每一个患者的规范医疗数据中抽取每一个患者的身份信 息和生命体征数据；
[0009] 数据关联存储模块， 用于根据每一个患者的身份信息为每一个患者产生一个身 份标识号， 以及将每一个患者的身份标识号与患者各自对应的生命体征数据进 行关联并存储在所述大数据存储仓库中；
[0010] 数据査询模块， 用于从所述通信终端接收待査询患者的身份标识号， 根据该身 份标识号从所述大数据存储仓库中读取待査询患者的生命体征数据， 以及将待 査询患者的生命体征数据展现在通信终端上。
[0011] 优先的， 所述数据采集模块从多个不同的临床数据源收集每一个患者的原始医 疗数据的方式为： 设定一个定吋器脚本的执行吋间和执行周期， 以及按照定吋 器脚本的执行吋间和执行周期从不同的临床数据源采集每一个患者的原始医疗 数据。
[0012] 优先的， 所述数据清洗模块对每一个患者的原始医疗数据进行清洗转换处理的 方式为： 利用 ETL数据过滤转换组件移除原始医疗数据中无意义的词， 将原始医 疗数据中一个词的不同形式转换为相同形式， 以及刪除原始医疗数据中重复的 数据。
[0013] 优先的， 所述数据关联存储模块还用于将每一个患者的身份标识号与该患者对 应的生命体征数据进行关联并建立一个患者体征信息表， 并将所述患者体征信 息表存储在大数据存储仓库中。
[0014] 优先的， 所述数据査询模块将待査询患者的生命体征数据以文字、 图形或列表 形式展现在所述通信终端上。
[0015] 本发明还提供一种基于大数据关联存储的医疗数据査询方法， 应用于云服务器 中， 所述云服务器通过通信网络与临床数据源以及通信终端建立通信连接， 并 通过数据库连接与大数据存储仓库连接， 所述基于大数据关联存储的医疗数据 査询方法包括步骤：
[0016] 从多个不同的临床数据源收集每一个患者的原始医疗数据；
[0017] 对每一个患者的原始医疗数据进行清洗转换处理得到每一个患者的规范医疗数 据；
[0018] 从每一个患者的规范医疗数据中抽取每一个患者的身份信息和生命体征数据；
[0019] 根据每一个患者的身份信息为每一个患者产生一个身份标识号；
[0020] 将每一个患者的身份标识号与患者各自对应的生命体征数据进行关联并存储在 所述大数据存储仓库中；
[0021] 从所述通信终端接收待査询患者的身份标识号， 根据该身份标识号从所述大数 据存储仓库中读取待査询患者的生命体征数据； 以及
[0022] 将待査询患者的生命体征数据展现在所述通信终端上。
[0023] 优选的， 所述从多个不同的临床数据源收集每一个患者的原始医疗数据的步骤 包括步骤： 设定一个定吋器脚本的执行吋间和执行周期， 按照定吋器脚本的执 行吋间和执行周期从不同的临床数据源采集每一个患者的原始医疗数据。
[0024] 优选的， 所述对每一个患者的原始医疗数据进行清洗转换处理的步骤包括如下 步骤： 利用 ETL数据过滤转换组件移除原始医疗数据中无意义的词， 将原始医疗 数据中的一个词的不同形式转换为相同形式， 以及刪除原始医疗数据中重复的 数据。
[0025] 优选的， 所述将每一个患者的身份标识号与各自的生命体征数据进行关联并存 储在所述大数据存储仓库中的步骤包括如下步骤： 将每一个患者的身份标识号 与该患者对应的生命体征数据进行关联并建立一个患者体征信息表， 并将所述 患者体征信息表存储在大数据存储仓库中。 [0026] 优选的， 所述待査询患者的生命体征数据以文字、 图形或列表形式展现在所述 通信终端上。
发明的有益效果
有益效果
[0027] 相较于现有技术， 本发明所述基于大数据关联存储的医疗数据査询系统及方法 采用上述技术方案， 带来的技术效果为： 能够从不同临床数据源采集患者的医 疗数据， 保证了患者的医疗数据采集的全面性以及准确性， 为医疗数据存储在 大数据存储仓库中节省了存储空间， 提高了査询患者医疗数据的速度， 减轻了 系统负载， 提高了医疗数据的査询效率。
对附图的简要说明
附图说明
[0028] 图 1是本发明基于大数据关联存储的医疗数据査询系统优选实施例的架构图； [0029] 图 2是本发明基于大数据关联存储的医疗数据査询方法优选实施例的流程图。
[0030] 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。
实施该发明的最佳实施例
本发明的最佳实施方式
[0031] 为更进一步阐述本发明为达成上述目的所采取的技术手段及功效， 以下结合附 图及优选实施例， 对本发明的具体实施方式、 结构、 特征及其功效进行详细说 明。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并不用于限定 本发明。
[0032] 参考图 1所示， 图 1是本发明基于大数据关联存储的医疗数据査询系统优选实施 例的应用环境架构示意图。 在本实施例中， 在本实施例中， 所述基于大数据关 联存储的医疗数据査询系统 10应用并运行于云服务器 1中， 所述云服务器 1通过 通信网络 4与多个不同的临床数据源 2 (图 1中以两个为例进行说明） 通信连接， 通过通信网络 4与一个或多个通信终端 3通信连接， 以及通过数据库连接 6与大数 据存储仓库 5连接。 所述通信网络 4可以是有线通信网络或无线通信网络。 在本 实施例中， 所述通信网络 4优选为无线通信网络， 包括但不限于， GSM网络、 GP RS网络、 CDMA网络、 TD-SCDMA网络、 WiMAX网络、 TD-LTE网络、 FDD-L
TE网络等无线传输网络。 所述数据库连接 6可以为一种幵放数据库连接 （Open Database Connectivity, ODBC) 以及 Java数据库连接 (Java Data Base
Connectivity, JDBC) 。
[0033] 所述云服务器 1是一种云平台或云平台中的一台服务器， 通过云服务器 1的数据 传输能力、 数据存储能力及数据处理能力， 可以快速地从不同的临床数据源 2采 集到不同的原始医疗数据， 并能够快速处理通信终端 3的医疗数据査询请求。 所 述临床数据源 2存储有患者的原始医疗数据， 可以为产生临床数据的医院信息系 统， 例如 HIS系统、 EMR、 LIS、 PACS系统， 也可以为体检中心、 私人诊所和急 救中心等任何适合的临床业务系统。 所述通信终端 3可以是智能手机、 平板电脑 、 个人数字助理 （Personal Digital Assistant, PDA) 、 个人电脑、 移动通信终端 等其它任意合适的便携式电子设备， 也可以是设置医院的自助式医疗査询终端 设备。 所述大数据存储仓库 5可以为 SequoiaDB集群的大数据存储数库， 用于存 储从不同医疗临床数据源 2采集的患者的医疗数据， 以供所述云服务器 1处理以 及査询使用。
[0034] 在本实施例中， 所述云服务器 1包括， 但不仅限于， 基于大数据关联存储的医 疗数据査询系统 10、 通信单元 11、 存储单元 12以及处理单元 13。 所述通信单元 1 1为一种有线通信接口或无线通讯接口， 例如， 支持 GSM、 GPRS、 WCDMA、 C DMA、 TD-SCDMA、 WiMAX、 TD-LTE、 FDD-LTE等通讯技术的通讯接口。 在 本实例中， 所述云服务器 1通过通信单元 11与临床数据源 2、 通信终端 3进行信息 交互。 所述存储单元 12可以为一种只读存储单元 ROM, 电可擦写存储单元 EEPR OM、 快闪存储单元 FLASH或固体硬盘等。 所述的处理单元 13可以为一种中央处 理器 （Central Processing Unit, CPU) 、 微控制器 （MCU) 、 数据处理芯片、 或 者具有数据处理功能的信息处理单元。
[0035] 所述基于大数据关联存储的医疗数据査询系统 10， 包括但不仅限于， 数据采集 模块 101、 数据清洗模块 102、 数据抽取模块 103、 数据关联存储模块 104以及数 据査询模块 105。 本发明所称的模块是指一种能够被所述云平台服务器 1的处理 单元 13执行并且能够完成固定功能的一系列计算机程序指令段， 其存储在所述 云平台服务器 1的存储单元 12中。
[0036] 所述数据采集模块 101用于从多个不同的临床数据源 2收集每一个患者的原始医 疗数据。 一般地， 患者的原始医疗数据的生成和采集通常来自于医院信息系统 所产生的临床数据， 例如 HIS系统、 EMR、 LIS、 PACS系统， 但是随着物联网的 发展， 患者的原始医疗数据还可以来自于体检中心、 私人诊所和急救中心等任 何适合的临床业务系统。 具体地， 所述数据采集模块 101具体用于设定一个定吋 器脚本的执行吋间和执行周期， 以及按照定吋器脚本的执行吋间和执行周期从 不同的临床数据源采集原始医疗数据。
[0037] 所述数据清洗模块 102用于对每一个患者的原始医疗数据进行清洗转换处理得 到每一个患者的规范医疗数据。 在本实施例中， 由于从不同的临床数据源 2收集 上来的原始医疗数据可能有坏数据、 不合理的数据或者是重复的数据等， 因此 数据清洗模块 102需要利用 ETL (抽取 （extract) 、 转换 （transform) 、 加载 （lo ad) 数据过滤转换组件对所收集的原始医疗数据进行清洗转换处理得到规范医疗 数据， 从而并保证了医疗数据的准确性， 并为医疗数据的存储节省了存储空间 。 具体地， 所述数据清洗模块 102对每一个患者的原始医疗数据进行清洗转换处 理的方式为： 利用 ETL数据过滤转换组件移除原始医疗数据中无意义的词， 将原 始医疗数据中一个词的不同形式转换为相同形式， 以及刪除原始医疗数据中重 复的数据等处理。
[0038] 所述数据抽取模块 103用于从每一个患者的规范医疗数据中抽取每一个患者的 身份信息和生命体征数据。 在本实施例中， 所述规范医疗数据包括患者的身份 信息以及生命体征数据， 其中所述生命体征数据包括患者的身高数据、 体重数 据、 血压数据、 脉搏数据、 心率数据、 血氧数据以及血糖数据等数据信息。
[0039] 所述数据关联存储模块 104用于根据每一个患者的身份信息为每一个患者产生 一个身份标识号， 以及将每一个患者的身份标识号与患者各自对应的生命体征 数据进行关联并存储在大数据存储仓库 5中； 具体地， 数据关联存储模块 104将 每一个患者的身份标识号与患者各自对应的生命体征数据进行关联并建立一个 患者体征信息表， 并将所述患者体征信息表存储在大数据存储仓库 5中。 在本实 施例中， 所述患者体征信息表的每一个表头字段存储患者的身份标识号， 患者 体征信息表的每一个内容字段存储患者对应的生命体征数据。 由于每个患者的 身份标识号是唯一， 将患者的身份标识号与患者的生命体征数据进行关联并存 储在大数据存储仓库 5中， 因此增强了数据结构化存储以及避免了访问医疗数据 是产生的数据冲突， 加快了云服务器 1对医疗数据的读取与处理速度， 从而能够 提高医疗服务水平与患者的满意度。
[0040] 所述数据査询模块 105用于从通信终端 3接收待査询患者的身份标识号， 根据该 身份标识号从大数据存储仓库 5中读取待査询患者的生命体征数据， 以及将待査 询患者的生命体征数据展现在通信终端 3上。 在本实施例中， 所述数据査询模块 105将待査询患者的生命体征数据以文字、 图形或列表形式展现在通信终端 3上 ， 以供患者可以直观地了解到自身健康状况， 也可以供医生为患者诊断病情作 为辅助参考依据。
[0041] 为实现本发明目的， 本发明还提供了一种基于大数据关联存储的医疗数据査询 方法。 如图 2所示， 图 2是本发明基于大数据关联存储的医疗数据査询方法优选 实施例的流程图。 在本实施例中， 所述的基于大数据关联存储的医疗数据査询 方法包括如下步骤：
[0042] 步骤 S21， 从不同的临床数据源收集每一个患者的原始医疗数据； 具体地， 数 据采集模块 101从不同的临床数据源 2收集每一个患者的原始医疗数据。 一般地 ， 患者的原始医疗数据的生成和采集通常来自于医院信息系统所产生的临床数 据， 例如 HIS系统、 EMR、 LIS、 PACS系统， 但是随着物联网的发展， 患者的原 始医疗数据还可以来自于体检中心、 私人诊所和急救中心等任何适合的临床业 务系统。 在本实施例中， 数据采集模块 101对每一个患者的原始医疗数据进行清 洗转换处理的步骤包括步骤： 设定一个定吋器脚本的执行吋间和执行周期， 按 照定吋器脚本的执行吋间和执行周期从不同的临床数据源采集原始医疗数据。
[0043] 步骤 S22， 对每一个患者的原始医疗数据进行清洗转换处理得到每一个患者的 规范医疗数据； 具体地， 数据清洗模块 102对每一个患者的原始医疗数据进行清 洗转换处理得到每一个患者的规范医疗数据。 在本实施例中， 由于从不同的临 床数据源 2收集上来的原始医疗数据可能有坏数据、 不合理的数据或者是重复的 数据等， 因此数据清洗模块 102需要利用 ETL (抽取 （extract) 、 转换 （transform ) 、 加载 （load) 数据过滤转换组件对所收集的原始医疗数据进行清洗转换处理 得到规范医疗数据， 从而并保证了医疗数据的准确性， 并为医疗数据的存储节 省了存储空间。 具体地， 数据清洗模块 102对每一个患者的原始医疗数据进行清 洗转换处理的步骤包括步骤： 利用利用 ETL数据过滤转换组件移除原始医疗数据 中无意义的词， 将原始医疗数据中一个词的不同形式转换为相同形式， 以及刪 除原始医疗数据中重复的数据等处理。
[0044] 步骤 S23， 从每一个患者的规范医疗数据中抽取每一个患者的身份信息和生命 体征数据； 具体地， 数据抽取模块 103从每一个患者的规范医疗数据中抽取每一 个患者的身份信息和生命体征数据。 在本实施例中， 所述规范医疗数据包括患 者的身份信息以及生命体征数据， 其中所述生命体征数据包括患者的身高数据 、 体重数据、 血压数据、 脉搏数据、 心率数据、 血氧数据以及血糖数据等数据 f π息。
[0045] 步骤 S24， 根据每一个患者的身份信息为每一个患者产生一个身份标识号； 具 体地， 数据关联存储模块 104根据每一个患者的身份信息为每一个患者产生一个 身份标识号， 作为每一个患者唯一的身份标识。
[0046] 步骤 S25， 将每一个患者的身份标识号与患者各自对应的生命体征数据进行关 联并存储在大数据存储仓库中； 具体地， 数据关联存储模块 104将每一个患者的 身份标识号与患者各自对应的生命体征数据进行关联并建立一个患者体征信息 表， 并将所述患者体征信息表存储在大数据存储仓库 5中。 在本实施例中， 所述 患者体征信息表的每一个表头字段存储患者的身份标识号， 患者体征信息表的 每一个内容字段存储患者对应的生命体征数据。 由于每个患者的身份标识号是 唯一， 将患者的身份标识号与患者的生命体征数据进行关联并存储在大数据存 储仓库 5中， 因此增强了数据结构化存储以及避免了访问医疗数据是产生的数据 冲突， 加快了云服务器 1对医疗数据的读取与处理速度， 从而能够提高医疗服务 水平与患者的满意度。
[0047] 步骤 S26， 从通信终端接收待査询患者的身份标识号， 并根据该身份标识号从 大数据存储仓库中读取待査询患者的生命体征数据； 具体地， 数据査询模块 105 从通信终端 3接收待査患者的身份标识号， 并根据该身份标识号从大数据存储仓 库 5中读取待査询患者的生命体征数据。
[0048] 步骤 S27， 将待査询患者的生命体征数据展现在通信终端上； 具体地， 数据査 询模块 105将待査询患者的生命体征数据以文字、 图形或列表形式展现在通信终 端 3上， 以供患者可以直观地了解到自身健康状况， 也可以供医生为患者诊断病 情作为辅助参考依据。
[0049] 本发明所述基于大数据关联存储的医疗数据査询系统及方法通过采集不同的临 床数据源中的医疗数据， 并将对医疗数据进行清洗转换处理得到规范医疗数据 ， 从而并保证了医疗数据采集的全面性以及准确性， 并为医疗数据存储在大数 据存储仓库中节省了存储空间。 此外， 将每一个患者的身份标识号生命体征数 据进行关联存储， 并根据通信终端输入的身份标识号来査询患者的生命体征数 据， 从而提高了服务器査询患者医疗数据的速度， 减轻了系统负载， 提高了医 疗数据的査询效率。
[0050] 以上仅为本发明的优选实施例， 并非因此限制本发明的专利范围， 凡是利用本 发明说明书及附图内容所作的等效结构或等效功能变换， 或直接或间接运用在 其他相关的技术领域， 均同理包括在本发明的专利保护范围内。
工业实用性
[0051] 相较于现有技术， 本发明所述基于大数据关联存储的医疗数据査询系统及方法 采用上述技术方案， 带来的技术效果为： 能够从不同临床数据源采集患者的医 疗数据， 保证了患者的医疗数据采集的全面性以及准确性， 为医疗数据存储在 大数据存储仓库中节省了存储空间， 提高了査询患者医疗数据的速度， 减轻了 系统负载， 提高了医疗数据的査询效率。

Claims

权利要求书
[权利要求 1] 一种基于大数据关联存储的医疗数据査询系统， 运行于云服务器中， 所述云服务器通过通信网络与临床数据源以及通信终端建立通信连接 ， 并通过数据库连接与大数据存储仓库连接， 其特征在于， 所述基于 大数据关联存储的医疗数据査询系统包括： 数据采集模块， 用于从多 个不同的临床数据源收集每一个患者的原始医疗数据； 数据清洗模块 ， 用于对每一个患者的原始医疗数据进行清洗转换处理得到每一个患 者的规范医疗数据； 数据抽取模块， 用于从每一个患者的规范医疗数 据中抽取每一个患者的身份信息和生命体征数据； 数据关联存储模块 ， 用于根据每一个患者的身份信息为每一个患者产生一个身份标识号 ， 以及将每一个患者的身份标识号与患者各自对应的生命体征数据进 行关联并存储在所述大数据存储仓库中； 数据査询模块， 用于从所述 通信终端接收待査询患者的身份标识号， 根据该身份标识号从所述大 数据存储仓库中读取待査询患者的生命体征数据， 以及将待査询患者 的生命体征数据展现在通信终端上。
[权利要求 2] 如权利要求 1所述的基于大数据关联存储的医疗数据査询系统， 其特 征在于， 所述数据采集模块从多个不同的临床数据源收集每一个患者 的原始医疗数据的方式为： 设定一个定吋器脚本的执行吋间和执行周 期， 以及按照定吋器脚本的执行吋间和执行周期从所述临床数据源采 集每一个患者的原始医疗数据。
[权利要求 3] 如权利要求 1所述的基于大数据关联存储的医疗数据査询系统， 其特 征在于， 所述数据清洗模块对每一个患者的原始医疗数据进行清洗转 换处理的方式为： 利用 ETL数据过滤转换组件移除原始医疗数据中无 意义的词， 将原始医疗数据中一个词的不同形式转换为相同形式， 以 及刪除原始医疗数据中重复的数据。
[权利要求 4] 如权利要求 1所述的基于大数据关联存储的医疗数据査询系统， 其特 征在于， 所述数据关联存储模块还用于将每一个患者的身份标识号与 该患者对应的生命体征数据进行关联并建立一个患者体征信息表， 并 将所述患者体征信息表存储在大数据存储仓库中。
[权利要求 5] 如权利要求 1所述的基于大数据关联存储的医疗数据査询系统， 其特 征在于， 所述数据査询模块还用于将待査询患者的生命体征数据以文 字、 图形或列表形式展现在所述通信终端上。
[权利要求 6] —种基于大数据关联存储的医疗数据査询方法， 应用于云服务器中， 所述云服务器通过通信网络与临床数据源以及通信终端建立通信连接 ， 并通过数据库连接与大数据存储仓库连接， 其特征在于， 所述基于 大数据关联存储的医疗数据査询方法包括步骤： 从多个不同的临床数 据源收集每一个患者的原始医疗数据； 对每一个患者的原始医疗数据 进行清洗转换处理得到每一个患者的规范医疗数据； 从每一个患者的 规范医疗数据中抽取每一个患者的身份信息和生命体征数据； 根据每 一个患者的身份信息为每一个患者产生一个身份标识号； 将每一个患 者的身份标识号与患者各自对应的生命体征数据进行关联并存储在所 述大数据存储仓库中； 从所述通信终端接收待査询患者的身份标识号 ， 根据该身份标识号从所述大数据存储仓库中读取待査询患者的生命 体征数据； 以及将待査询患者的生命体征数据展现在所述通信终端上 如权利要求 6所述的基于大数据关联存储的医疗数据査询方法， 其特 征在于， 所述从多个不同的临床数据源收集每一个患者的原始医疗数 据的步骤包括步骤： 设定一个定吋器脚本的执行吋间和执行周期， 按 照定吋器脚本的执行吋间和执行周期从所述临床数据源采集每一个患 者的原始医疗数据。
如权利要求 6所述的基于大数据关联存储的医疗数据査询方法， 其特 征在于， 所述对每一个患者的原始医疗数据进行清洗转换处理的步骤 包括如下步骤： 利用 ETL数据过滤转换组件移除原始医疗数据中无意 义的词， 将原始医疗数据中的一个词的不同形式转换为相同形式， 以 及刪除原始医疗数据中重复的数据。
如权利要求 6所述的基于大数据关联存储的医疗数据査询方法， 其特 征在于， 所述将每一个患者的身份标识号与患者各自对应的生命体征 数据进行关联并存储在所述大数据存储仓库中的步骤包括如下步骤： 将每一个患者的身份标识号与该患者对应的生命体征数据进行关联并 建立一个患者体征信息表， 并将所述患者体征信息表存储在大数据存 储仓库中。
[权利要求 10] 如权利要求 6所述的基于大数据关联存储的医疗数据査询方法， 其特 征在于， 所述待査询患者的生命体征数据以文字、 图形或列表形式展 现在所述通信终端上。
PCT/CN2017/088352 2016-12-31 2017-06-15 基于大数据关联存储的医疗数据查询系统及方法 WO2018120669A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201611267776.5 2016-12-31
CN201611267776.5A CN106815336A (zh) 2016-12-31 2016-12-31 基于大数据关联存储的医疗数据查询系统及方法

Publications (1)

Publication Number Publication Date
WO2018120669A1 true WO2018120669A1 (zh) 2018-07-05

Family

ID=59110091

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/088352 WO2018120669A1 (zh) 2016-12-31 2017-06-15 基于大数据关联存储的医疗数据查询系统及方法

Country Status (2)

Country Link
CN (1) CN106815336A (zh)
WO (1) WO2018120669A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947751A (zh) * 2018-12-29 2019-06-28 医渡云（北京）技术有限公司 一种医疗数据处理方法、装置、可读介质及电子设备
CN111986767A (zh) * 2020-10-14 2020-11-24 创业慧康科技股份有限公司 基于nfc的医疗设备数据采集系统及患者快速绑定方法
CN113871030A (zh) * 2021-09-29 2021-12-31 中国人民解放军空军军医大学 一种用于伤员空运后送的信息系统及工作方法
CN114579548A (zh) * 2022-03-02 2022-06-03 深圳市猫头鹰智慧科技有限公司 一种基于物联网的数据采集用数据清洗系统
CN117216040A (zh) * 2023-11-08 2023-12-12 中电数据服务有限公司 基于医疗数据运营模式下的数据分层治理设计方法及系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815336A (zh) * 2016-12-31 2017-06-09 深圳市易特科信息技术有限公司 基于大数据关联存储的医疗数据查询系统及方法
CN107766574A (zh) * 2017-11-13 2018-03-06 天津开心生活科技有限公司 数据查询方法及装置、数据存储方法及装置
CN109036533A (zh) * 2018-07-26 2018-12-18 深圳还是威健康科技有限公司 一种医疗信息管理方法及相关设备
CN109241324A (zh) * 2018-09-18 2019-01-18 南方科技大学 一种体征信息查询方法、装置、移动终端及介质
CN110189806A (zh) * 2019-05-31 2019-08-30 贵州精准医疗电子有限公司 医疗诊疗健康数据存储系统
CN110442638A (zh) * 2019-07-23 2019-11-12 万达信息股份有限公司 一种医疗数据的可视化信息生成方法及系统
CN110909068B (zh) * 2019-11-08 2023-07-07 广东核电合营有限公司 应急柴油发电机组大数据采集处理方法、系统及存储介质
CN113138980A (zh) * 2021-05-13 2021-07-20 南方医科大学皮肤病医院 一种数据处理的方法、装置、终端及存储介质
CN113254433A (zh) * 2021-05-27 2021-08-13 深圳市第二人民医院(深圳市转化医学研究院) 医疗数据治理方法、装置、计算机设备和存储介质
CN113821503A (zh) * 2021-09-23 2021-12-21 北京金山云网络技术有限公司 医疗数据的处理方法、装置及边缘服务器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050158767A1 (en) * 2003-12-19 2005-07-21 Haskell Robert E. System for managing healthcare data including genomic and other patient specific information
CN101782935A (zh) * 2009-01-19 2010-07-21 中国人民解放军第二军医大学 一种中医电子病历系统和病历数据解析处理方法
CN102054032A (zh) * 2010-12-22 2011-05-11 广州市慧通计算机有限公司 一种医疗数据信息处理方法及其系统
CN105825044A (zh) * 2016-03-10 2016-08-03 深圳市前海安测信息技术有限公司 基于网页浏览的医疗大数据分析及处理系统及方法
CN106815337A (zh) * 2016-12-31 2017-06-09 深圳市易特科信息技术有限公司 医疗大数据关联存储系统及方法
CN106815336A (zh) * 2016-12-31 2017-06-09 深圳市易特科信息技术有限公司 基于大数据关联存储的医疗数据查询系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050158767A1 (en) * 2003-12-19 2005-07-21 Haskell Robert E. System for managing healthcare data including genomic and other patient specific information
CN101782935A (zh) * 2009-01-19 2010-07-21 中国人民解放军第二军医大学 一种中医电子病历系统和病历数据解析处理方法
CN102054032A (zh) * 2010-12-22 2011-05-11 广州市慧通计算机有限公司 一种医疗数据信息处理方法及其系统
CN105825044A (zh) * 2016-03-10 2016-08-03 深圳市前海安测信息技术有限公司 基于网页浏览的医疗大数据分析及处理系统及方法
CN106815337A (zh) * 2016-12-31 2017-06-09 深圳市易特科信息技术有限公司 医疗大数据关联存储系统及方法
CN106815336A (zh) * 2016-12-31 2017-06-09 深圳市易特科信息技术有限公司 基于大数据关联存储的医疗数据查询系统及方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947751A (zh) * 2018-12-29 2019-06-28 医渡云（北京）技术有限公司 一种医疗数据处理方法、装置、可读介质及电子设备
CN111986767A (zh) * 2020-10-14 2020-11-24 创业慧康科技股份有限公司 基于nfc的医疗设备数据采集系统及患者快速绑定方法
CN111986767B (zh) * 2020-10-14 2023-06-20 创业慧康科技股份有限公司 基于nfc的医疗设备数据采集系统及患者快速绑定方法
CN113871030A (zh) * 2021-09-29 2021-12-31 中国人民解放军空军军医大学 一种用于伤员空运后送的信息系统及工作方法
CN114579548A (zh) * 2022-03-02 2022-06-03 深圳市猫头鹰智慧科技有限公司 一种基于物联网的数据采集用数据清洗系统
CN117216040A (zh) * 2023-11-08 2023-12-12 中电数据服务有限公司 基于医疗数据运营模式下的数据分层治理设计方法及系统
CN117216040B (zh) * 2023-11-08 2024-04-09 中电数据服务有限公司 基于医疗数据运营模式下的数据分层治理设计方法及系统

Also Published As

Publication number Publication date
CN106815336A (zh) 2017-06-09

Similar Documents

Publication Publication Date Title
WO2018120669A1 (zh) 基于大数据关联存储的医疗数据查询系统及方法
WO2018121044A1 (zh) 医疗就诊信息管理系统及方法
WO2018120668A1 (zh) 医疗大数据关联存储系统及方法
US10319466B2 (en) Intelligent filtering of health-related information
CN103690240A (zh) 一种医疗系统
Mustapha et al. Impact of industry 4.0 on healthcare: a systematic literature review (SLR) from the last decade
RU2013110446A (ru) Автоматизированная интегрированная система, способ и платформа для услуг по уходу за здоровьем
CN105718732A (zh) 一种医疗数据采集分析方法及系统
KR20160125543A (ko) 사용자 중심의 헬스케어 빅데이터 서비스 방법, 그 방법을 수행하는 컴퓨터프로그램 및 시스템
KR20160125544A (ko) 클라우드 환경을 이용한 사용자 중심의 헬스케어 빅데이터 서비스 방법, 그 방법을 수행하는 컴퓨터프로그램 및 시스템
WO2019071834A1 (zh) 一种基于元数据的智能化区域移动医疗集成数据中心系统原型
CN103914800A (zh) 心理健康指数智能监控系统
CN111292815A (zh) 基于云的社区大数据健康服务系统
CN110070929A (zh) 一种针对房颤单病种数据的采集和清洗方法
CN111951981A (zh) 一种基于互联网的远程在线诊疗系统
CN114491072A (zh) 一种中医数据处理系统、方法、存储介质及终端
CN113658662A (zh) 基于用药大数据的配药方法、装置、设备及存储介质
CN113362938A (zh) 一种医疗信息推送方法、装置、电子设备及存储介质
CN205924042U (zh) 智能情感识别健康监护仪
CN102793538A (zh) 心率变异性装置及云端健康管理系统
Li et al. Big data is essential for further development of integrative medicine
Gomes et al. A Proposal to Incorporate Digital Auscultation and Its Processing into an Existing Electronic Health Record.
CN103870894A (zh) 一种家庭医疗服务系统
CN109390047A (zh) 一种医院后台数据的处理方法及系统
Al-Shanableh et al. Predicting the number of multiple chronic conditions in arizona state using data mining algorithms

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17889020

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17889020

Country of ref document: EP

Kind code of ref document: A1