一种移动医疗数据挖掘系统的制作方法

本发明涉及一种移动医疗数据挖掘系统。

背景技术：

随着信息技术的快速发展，医疗信息化呈现出前所未有的发展趋势，其在医疗服务、健康等过程中会产生海量的数据，从而形成医疗大数据。近年来，以物联网、大数据和云计算等为基础的信息技术逐渐出现并深入到各个领域的生活和工作中。“互联网+健康医疗”服务模式的推动也将全面深化医疗大数据的应用。而大数据的意义不仅是掌握海量数据，而是通过数据挖掘等专业方法进行分析来实现数据的价值和意义。因此，将数据挖掘与分析技术应用于医疗领域并与传统医学数据相结合，可实现精准化、个性化的健康医疗服务。

目前医疗数据来源日趋多样化，但仍有很多数据被手工记录在纸上。护理人员尚处于以纸质行驶记录数据再转录到电脑的阶段，这种方式效率低下，受人为因素的影响且错误率高。而且，现阶段医院的就诊模式较为繁琐。当海量医疗数据不断产生时，现有的医护模式已无法满足大数据应用的需要。因此，在医疗大数据环境下，如何建立一个完善的医疗信息系统，并对大量医疗数据进行高效处理分析，以更好的为患者服务，成为一个亟待解决的问题。

技术实现要素：

本发明针对现有技术的不足，提供一种移动医疗数据挖掘系统；以更高效精准的对医疗数据进行挖掘处理。

为了达到上述目的，本发明一种移动医疗数据挖掘系统，主要包括由移动端和pc端构成的客户层端，由web服务器和数据库服务器构成的移动医疗服务层，以及医院基础信息层；所述客户层端与移动医疗服务层通过无线局域网连接，而移动医疗服务层和医院基础信息层则通过webservice中间件连接；所述web服务器和数据库服务器通过jdbc连接，客户端层将数据请求打包发送到移动医疗服务层后，移动医疗服务层经过数据处理后储存在数据库服务器中，而医院基础信息层则是通过webservice中间件对移动医疗服务层中的数据进行提取、转换、加载并存储起来。

优选地，所述医院基础信息层由中央监护站系统、his数据库服务器和电子病历文件服务器构成。

优选地，所述移动端的用户交互界面为pda，该pda将请求打包发送到web服务器，web服务器连接数据库服务器对移动端发来的请求做出响应并传回响应的数据包；而pc端的用户交互界面为pc浏览器，该pc浏览器通过访问系统页面提交信息并发送请求，web服务器收到请求后与数据库服务器共同完成响应并将结果传回pc浏览器以完成访问流程。

作为上述方案的进一步改进，所述pc端数据通过pc浏览器把html代码转换成网页之后，web服务器启动进程响应请求生成html代码，并嵌入结果返回至web页面。web服务器与数据库服务器的连接使得应用程序的功能和交互操作与业务逻辑分离，从而保证了数据的准确性和数据库的安全。

所述客户端层将数据请求打包发送到移动医疗服务层后，移动医疗服务层经过数据处理后储存在数据库服务器中，而医院基础信息层则是通过webservice中间件对移动医疗服务层中的数据进行提取、转换、加载并存储起来。本系统可以更高效精准的对医疗数据进行挖掘处理。

附图说明

图1为本发明的系统结构示意图；

图2为ssh2系统架构图；

图3为apriori算法流程图。

其中，1为客户端层，11为pc端，12为移动端，2为移动医疗服务层，21为web服务器，22为数据库服务器，3为医院基础信息层，31为中央监护站系统，32为his数据库服务器，33为电子病历文件服务器。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

参照图1，本发明实施例一种移动医疗数据挖掘系统，主要包括由移动端12和pc端11构成的客户层端1，由web服务器21和数据库服务器22构成的移动医疗服务层2，以及由中央监护站系统31、his数据库服务器32和电子病历文件服务器33构成的医院基础信息层3；所述客户层端1与移动医疗服务层2通过无线局域网连接，而移动医疗服务层2和医院基础信息层3则通过webservice中间件连接；所述web服务器21和数据库服务器22通过jdbc连接，客户端层1将数据请求打包发送到移动医疗服务层2后，移动医疗服务层2经过数据处理后储存在数据库服务器22中，而医院基础信息层3则是通过webservice中间件对移动医疗服务层2中的数据进行提取、转换、加载并存储起来。

所述移动端12的用户交互界面为pda，该pda将请求打包发送到web服务器21，web服务器21连接数据库服务器22对移动端12发来的请求做出响应并传回响应的数据包；而pc端11的用户交互界面为pc浏览器，该pc浏览器通过访问系统页面提交信息并发送请求，web服务器21收到请求后与数据库服务器22共同完成响应并将结果传回pc浏览器以完成访问流程。

所述pc端12数据通过pc浏览器把html代码转换成网页之后，web服务器21启动进程响应请求生成html代码，并嵌入结果返回至web页面。web服务器21与数据库服务器22的连接使得应用程序的功能和交互操作与业务逻辑分离，从而保证了数据的准确性和数据库的安全。

参照图2，本发明采用ssh2框架进行医疗临床大数据的采集。本框架整合了struts2、spring和hibernate，形成一个组合框架ssh2。ssh2架构继承了struts2表示层的优势，完成页面请求和转发等，同时在业务层由spring容器管理机制负责业务逻辑，在持久层利用hibernate实现数据库交互。这样组合可以形成一个清晰的ssh2框架，将开发注意力集中于业务逻辑，以减少开发工作。

struts2框架主要针对表示层，对逻辑层的支持不强，因此，有必要研究如何改进、弥补它在逻辑层功能的不足.spring框架基于ioc和aop，通过在持久层对jdbc的封装来简化jdbc的操作。hibernate提供了java类到数据表的映射以及数据查询和恢复机制.与使用jdbc和sql手工操作数据库的方式相比，hibernate减少了数据库操作的工作量，是理想的o/r映射工具。

基于ssh2的数据采集系统架构设计如图2所示。客户端通过ajaxengine发送请求，经过ssh2框架进行处理，将结果返回给浏览器.终端设备发送http请求，struts2控制器拦截并处理用户请求，把请求转发给action代理，调用相应的业务逻辑.spring容器将业务逻辑模块注入到相应的action类，并根据请求调用对应的action.根据处理结果，从配置文件中找到相应的视图资源，发出http响应给客户浏览器.然后业务逻辑模块调用dao模块，对dao组件进行包装，将底层数据访问操作与高层业务逻辑分开，使用hibernate实现数据映射及与数据库的交互。

参照图3，本发明采用apriori算法，选取临床医疗数据进行挖掘和关联分析研究.首先寻找临床采集医疗大数据的频繁项集，根据频繁项集生成强关联规则，以发现海量医疗数据中项集间的关联关系。

支持度表示项集a、b同时发生的概率，是项集中同时包含a与b的项数与所有项数之比，即：

置信度表示规则的可信程度，是项集中包含a与b的项数与所有包含a的项数之比，即：

最小支持度是衡量支持度的阈值，表示项集在统计意义上的最低重要性。最小置信度是衡量置信度的阈值，表示关联规则的最低可靠性.强关联规则表示同时满足最小支持度阈值和最小置信度阈值的规则。

apriori算法的实现过程如图3所示，主要包括两个步骤：1)找出所有的频繁项集(支持度大于等于最小支持度阈值)。在这个过程中连接和剪枝步互相融合，得到最大频繁项集。2)由频繁项集产生强关联规则。强关联规则满足最小支持度和最小置信度。

通过对以上技术的有机结合，最终设计构建了本文的移动医疗系统，并对其临床应用采集的数据进行深入挖掘分析。

所述客户端层将数据请求打包发送到移动医疗服务层后，移动医疗服务层经过数据处理后储存在数据库服务器中，而医院基础信息层则是通过webservice中间件对移动医疗服务层中的数据进行提取、转换、加载并存储起来。本系统可以更高效精准的对医疗数据进行挖掘处理。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。