土豆丝不辣

医疗系统研究相关参考论文

1.基于用户画像的医疗信息精准推荐的研究

传统的问诊模式都是在现实中去医院进行询问，这给多数的患者用户带来了很多不便，从而直接影响到患者的病情。随着互联网问诊行业的迅速发展,减少了患者在医院里的等待挂号、看病、取检验报告、结账、取药所带来的等待之苦。由于大数据时代的数据堆积，如何有效的通过数据挖掘对海量数据信息进行处理，成为了一个普遍关注的问题，传统的基于关键字搜索的信息查询已经不能够很好的满足患者用户的需求。

本文主要通过对数据画像原理与推荐系统相关技术进行分析，力求找到高效率、稳定的、实时性强以及个性化的推荐算法，实现针对互联网用户进行病情与医生的精准推荐，为患者提供自动或者半自动的分诊系统，从而达到医疗信息的准确传递。主要工作分为以下三个部分：

(1)本文对医学领域的人物进行画像，在医院堆积了大量的患者信息，通过设计医学画像模型，画像生成算法，画像更新算法，实现对患者信息的分析与应用，建立起一个医学画像库。

(2)通过深入研究推荐算法，对协同过滤算法的原理与流程进行详细的阐述，并在此基础上结合了SVD（奇异值分解技术）减少数据稀疏性问题，同时，将医学画像的研究应用于推荐算法中，最终形成了一套基于SVD的协同过滤与融合画像Tag标签特征的推荐算法。实现该算法的核心步骤是协同过滤中相似度度量的设计。本文主要设计两种相似度的算法：传统的相似度计算与基于画像标签属性偏好的相似度计算，最后通过一个权值w进行动态的调整我们的算法相似度，直到选取合适的w使该系统能够更有效的提高系统的性能和系统的推荐精度。

(3)初步实现一个基于B/S模式的医学推荐系统，优点在于系统可以通过浏览器界面上的问诊窗口、画像展示与推荐结果展示能更好的与患者用户进行交互，避免了大量的传统问诊所需的等待时间。个体画像展示的是登录用户自己的画像，推荐系统也是参考画像进行的推荐，本文中因此实现了一个真正的个性化的推荐系统。

作者:王智囊 学科专业:计算机技术 授予学位:硕士 

学位授予单位:电子科技大学 导师姓名:张凤荔 学位年度:2016

语 种:chi 分类号:TP311.5 R197.324

2.一种基于医疗大数据的患者画像方法及装置

摘要: 本发明公开了一种基于医疗大数据的患者画像方法及装置。本发明通过建立专业的医疗临床知识库，在此基础上采用新的计算模型和方法构建患者标签，解决了通用用户画像精确度不够，不适合于医疗领域应用以及患者个人隐私保护困难等问题。本发明首先标签体系提取和计算是建立在医学知识库的基础上，有很强的专业性，因此使得患者画像系统的精确性得到很大程度上的提高；其次，考虑了标签特征的风险因子、增衰因子和关联因子，更符合疾病发展规律；再者，让患者参与到画像的确认和管理中来，解决了标签的计算偏差；最后在患者画像数据的个人隐私方面引入了区块链技术，从技术上降低了敏感医疗数据泄露的风险。

专利类型：发明专利 申请（专利）号：CN201610996025.0 申请日期：2016-11-12

公开(公告)号：CN106529177A 公开(公告)日：2017-03-22

主分类号：G06F19/00(2011.01)I G G06 G06F G06F19 分类号：G06F19/00

申请(专利权)人：杭州电子科技大学 发明(设计)人：何必仕 徐哲 吴锋 陈晖

主申请人地址：310018 浙江省杭州市下沙高教园区2号大街

专利代理机构：杭州奥创知识产权代理有限公司 33272

代理人：王佳健 国别省市代码：浙江;33

主权项：一种基于医疗大数据的患者画像方法，其特征在于该方法包括以下步骤：获取患者个人人口信息、电子健康档案、电子病历、体检报告、健康监测，并对其进行预处理；建立临床知识库，包括共性知识、疾病分类、医学术语、病因、伴生病、发病机制、临床表现、并发症、药物不良反应以及上述信息之间的多维关联信息；构建患者基本信息标签：通过人口信息、体检报告、电子健康档案，提取包括患者性别、年龄、血型、职业、过敏史、计划免疫、妇幼保健；构建患者疾病标签：通过电子病历、电子健康档案、检查检验抽取的信息结合临床知识库建立疾病分析模型，获得患者既往疾病史、慢性病、疾病状况、伴生病的标签；构建患者不良药物反应及用药禁忌标签：针对患者过敏史、药物不良反应史、所患疾病、怀孕哺乳情况、特殊职业、两周内用药信息构建用药不良反应及禁忌标签；构建患者疾病预测标签：将疾病标签、个体属性、疾病历史组合作为一个输入向量，然后根据输入向量确定患者的转移矩阵，采用随机森林方式预测患者转移到下一个疾病的概率，构建疾病预测标签；计算患者标签数据：对患者画像标签的权重、疾病风险因子、标签增衰因子、疾病关联因子进行计算处理；患者线上标签确认：在患者画像初步完成后，患者通过互联网对自己的画像标签进行纠错和调整，从而提高患者画像的精确度；完成画像，为医疗服务提供调用接口。

法律状态：在线

3.基于医疗大数据的数据挖掘方法研究

摘要: 最近几年,国内各个医院主要业务基本上都实现了信息化,并且随着业务的发展,积累了大量的数据.因此眼下如何利用好这些数据,为临床提供有效准确的决策支持,是个非常有意义的课题.本文结合医疗数据分析方面的一些目标和数据挖掘的基本概念及技术,介绍了基于医疗数据的数据挖掘过程及具体的方法,为具体的开发和应用提供了一些参考,也具有一定的指导意义.

关键词：医疗 大数据 临床 数据挖掘 数据仓库 作者：周政尹

作者单位：无锡市第五人民医院,江苏 无锡,214005

刊名：经贸实践 Journal：Economic & Trade年，卷(期)：2017, 23

所属期刊栏目：热点透视 基金项目：无锡市医管中心2015年智慧医疗项目编号YGZXH1411

在线出版日期：2017年12月26日

4.个性化医疗信息推荐系统的研究与实现

随着互联网时代的到来，网络上的信息呈现出指数增长的趋势。医疗信息资源作为海量网络信息中的一部分也呈现出了“爆炸式”的增长趋势。用户在海量网络信息中很难快速地找到自己所需要的有用信息，这就是在所谓的“信息爆炸”和“信息过载”的互联网时代所体现出来的弊端。微软亚洲研究院负责搜索的一名技术专家说：75％的内容通用搜索引擎搜索不出来，仅仅能够获取互联网中的一小部分信息。与此同时，通用搜索引擎往往返回给用户几十页甚至上百页的信息，但用户通常不会一页页的去查看是否是自己所需的信息，于是就导致了用户真正所需的信息可能出现在几十页甚至上百页之后而并没有被挖掘推荐出来。这就说明，通用搜索引擎虽然能够很轻松地帮助我们找到海量的信息，但是我们却很难从中找到自己真正想得到的信息。为了改善通用搜索引擎的弊端，本文研究并设计了一套面向医疗领域个性化的医疗信息推荐系统，该系统能够将用户所需信息及其相关的信息推荐给用户,能够很好的满足用户的需求。

本文以数据挖掘和信息推荐算法为基础，研究设计并实现了一套专门用于医疗信息领域的个性化信息推荐系统。首先，本文详细讨论了个性化医疗信息推荐相关的关键技术，主要包括用户兴趣模型的构建和信息推荐基本算法，重点分析了几种信息推荐算法的优缺点，并最终设计了一种符合本系统设计所需的推荐算法。其次，详细阐述了医疗信息领域中个性化信息推荐系统的设计，从系统需求出发，构建系统的整体框架，设计了用户兴趣模型、中文分词模块、信息预处理模块、信息推荐模块以及个性化页面定制模块等。最后，实现了医疗领域中的个性化信息推荐系统，并对实验结果进行了分析。实验结果表明，在实验室环境条件下，本系统能够很好的将用户所需的医疗信息推荐出来，并且还能够推荐给用户一些相关的医疗信息。

作者:于宝福 学科专业:生物医学工程

授予学位:硕士 学位授予单位:浙江大学 导师姓名:叶志前

学位年度:2012 语 种:chi 分类号:R319

关键词:医疗信息知识脉络 推荐系统知识脉络 个性化技术知识脉络 用户兴趣模型知识脉络 信息推荐算法知识脉络

在线出版日期:2012年5月31日

 

本文共计 3687 字，感谢您的耐心浏览与评论。