CN106506702A - 新型智能医疗信息管理*** - Google Patents
新型智能医疗信息管理*** Download PDFInfo
- Publication number
- CN106506702A CN106506702A CN201611236355.6A CN201611236355A CN106506702A CN 106506702 A CN106506702 A CN 106506702A CN 201611236355 A CN201611236355 A CN 201611236355A CN 106506702 A CN106506702 A CN 106506702A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- value
- reference value
- information management
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 27
- 230000007246 mechanism Effects 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 239000008103 glucose Substances 0.000 claims description 4
- 230000010247 heart contraction Effects 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 229910002056 binary alloy Inorganic materials 0.000 claims 1
- 238000013500 data storage Methods 0.000 claims 1
- 238000009499 grossing Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G06Q50/24—
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Child & Adolescent Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及医疗监控平台技术领域，具体地说是一种工作可靠、监控准确，能够有效提高医疗监控效率，进而达到优化医疗资源的目的的新型智能医疗信息管理***，其特征在于设有管控平台以及两个以上的本地监控终端，管控平台与本地监控终端经网络通信电路相连接，其中所述管控平台包括服务器、数据接收机构、数据分析机构，数据分析机构和数据接收机构分别与服务器相连接，数据分析机构与数据接收机构相连接，所述本地监控终端设有控制器、数据采集模块、数据存储模块、数据发送模块，本发明与现有技术相比，能够克服现有监控***中数据无法实时高效传播的问题，具有结构合理、工作可靠等显著的优点。
Description
技术领域：
本发明涉及医疗监控平台技术领域，具体地说是一种工作可靠、监控准确，能够有效提高医疗监控效率，进而达到优化医疗资源的目的的新型智能医疗信息管理***。
背景技术：
目前在医疗领域中，尤其在家庭突发病中，一般家庭人员的医疗水平有限，完全依靠电话或传真等的简单通讯方式来将患者的病情等详细数据传到医院供医生进行会诊，这难以详实描述患者的情况，为医生的会诊带来一定的难度，很难为医生对患者病情的正确判断提供有效的依据，并且医院无法提前为转移过来的患者做充分的准备。上述情形也经常发生在日常的救护车急救中。由于救护车上的急救人员不能准确及时将患者的病情详实描述给医院，无法让医院做好充分的准备，从而会导致对患者病情的延误，严重时，可能危及患者的生命。
为了解决上述问题，研究人员提出了采用医学监控仪器采集患者身体各项数据，并及时发送至处理平台，从而达到及时诊治的目的。现有的远程医疗监控***主要包括远程管控平台以及本地监控端，本地监控端设有用于采集患者身体数据的血糖、血压、体温、心跳等参数采集机构，本地监控端将采集到的数据经无线通信电路上传至远程管控平台，一般通过GPRS或以太网或蓝牙或3G/4G移动通信电路等方式上传数据，理想状态下，本地监控端能够与远程管控平台配合完成实时监控/诊断，然而在数据的无线传输过程中，容易由于网络拥塞等问题发生延时或丢包，导致数据的完整性受到破坏，为了解决该问题，应该在网络出现拥塞情况前及时作出正确的处理，而抖动和延时则是网络发生拥塞的前期征兆，抖动的突变往往预示着网络瓶颈的到来。抖动表示的是数据包延时变化的剧烈程度，如果把数据包的延时当做随机变量，那么抖动就是这个随机过程中各个时刻的方差，在实际应用过程中，对于方差的计算在计算精度与计算复杂度上做了一个取舍平衡，以达到及时准确表征网络抖动的需求。然而现有的计算方法灵敏度较低。
发明内容：
本发明针对现有技术存在的缺点和不足，提出了一种能够快速准确的将患者病情数据传输至远程诊疗平台的新型智能医疗信息管理***。
本发明可以通过以下措施达到：
一种新型智能医疗信息管理***，其特征在于设有管控平台以及两个以上的本地监控终端，管控平台与本地监控终端经网络通信电路相连接，其中所述管控平台包括服务器、数据接收机构、数据分析机构，数据分析机构和数据接收机构分别与服务器相连接，数据分析机构与数据接收机构相连接，数据分析机构设有数据挖掘单元，所述数据挖掘单元通过以下步骤完成数据分析处理：步骤1：从逻辑数据库中抽取样本数据进行预处理，先对每个样本数据赋唯一的id编号，并设定对该样本数据的检索类型Ti，然后根据样本数据归属的数据检索类型对样本数据进行初步分类；
步骤2：设定检索顺序，即获取所述样本数据的id编号以及检索类型；
步骤3：建立检索子模型，按照不同的检索顺序依次将样本数据送入多个检索子模型中；
步骤4：检索子模型对输入的样本数据进行运算，同时判断本次输入的样本数据是否有外部参数，外部参数指用于向该样本数据的变量传递数据的参数，如果具有外部参数，则调用该外部参数后执行当前检索子模型；
步骤5：输出检索结果。
本发明所述检索子模型可以采用哈希函数检索模型，检索子模型的建立包括以下步骤：
步骤3‐1：从逻辑数据库中抽取数据组成训练集X，用于训练哈希函数，训练集的大小n由决定，其中ta/2表示置信度的值，可以通过t分布临界值获得，ε表示最大的允许误差；
步骤3-2：用X训练哈希函数，首先涉及目标函数转高位实数数据到低维数据，目标函数定义为：
，
其中X为训练集，B为基空间，B的每一个向量均为训练集X中训练出来的基向量，S是X被投影在基空间B上的低维实数值，λ1和λ2是通过十折交叉验证方法取得的可调参数，wi,j是X中两个实例Xi和Xj之间的欧式距离在高斯核上的投影，Si和Sj是矩阵S中的两个向量，Bi,j是矩阵B中第i行和第j列的元素，i＝1,2,3，……，n为表示实例的记号，j＝1,2,3，……k表示基向量的标号，n是实例的个数，k是基向量的个数，s＞0表示S中每个元素非负；
步骤3-3：对大数据库中还没得到二进制代码的实例进行二进制编码，过称谓对每一个实例x，通过s＝(B’B+2I)-1B’x得到x的低维实数值，然后通过哈希函数得到它的低维二进制代码，其中B是步骤3-2中定义的基空间，I是跟B同维度的单位矩阵，这样对整个大数据数据库进行编码；
步骤3-4：对新进入的测试实例xt通过s＝(B’B+2I)-1B’x运算得到xt的低维实数值，然后通过哈希函数得到它的低维二进制代码，把测试实例的二进制代码跟大数据的二进制代码进行相似性检索，以得到与其相似的实例。
本发明中所述本地监控终端设有控制器、数据采集模块、数据存储模块、数据发送模块，其中控制器分别与数据采集模块、数据存储模块、数据发送模块相连接，数据采集模块和数据发送模块分别与数据存储模块相连接；所述本地监控终端还设有与控制器相连接的网络拥塞检测模块和数据通信快速切换模块，其中网络拥塞检测模块包括传输延时变化率获取模块、基准值调整模块、判断是否重置基准值模块、基准值重置模块、抖动值计算模块，其中传输延时变化率获取模块、基准值调整模块、判断是否重置基准值模块依次连接，判断是否重置基准值模块的输出端分别与基准值重置模块和抖动值计算模块相连接，基准值重置模块的输出端与基准值调整模块相连接。
本发明中网络拥塞检测模块的输出端与数据通信快速切换模块相连接，数据通信快速切换模块的输入端与网络拥塞检测模块中抖动值计算模块的输出端相连接，数据通信快速切换模块包括门限值比对模块、地址分配模块、当前服务网络信号强度接收模块、当前节点与基站距离判断模块、边缘触发模块、通信通道更新/建立模块，其中抖动值计算模块的输出端与门限值比对模块相连接，门限值比对模块的输出端与地址分配模块相连接，地址分配模块与当前节点与基站距离判断模块、边缘触发模块、通信通道更新/建立模块依次相连接，当前服务网络信号强度接收模块的额输出端与门限值比对模块相连接。
本发明所述本地监控终端中的数据采集模块用于采集患者身体数据，包括血压值、血糖值、体温、心跳等。
本发明所述传输延时变化率获取模块把连续的时间离散化，以帧作为离散化的时间单位，Ti至Ti+1时间间隔内共20帧，用Di表示数据包的传输延时，传输时延Di的计算公式为：Di＝(Ri‐Si)，其中Ri为接收端收到数据包的时间，Si为数据包自带的发送时间，计算Ti‐1到Ti时间内传输延时的平均值和Ti到Ti+1时间内传输延时的平均值根据和得到传输延时的变化率DRi。
本发明所述基准值调整模块进行每单位时间调整基准值：E＝E+DRi×Δt，其中，E为期望值，Δt为两帧间的时间差。
本发明所述判断是否重置基准值模块判断是否需要重置基准值：若是，则通过基准值重置模块将基准值重置为：E＝Di+DRi×(Ti+1‐Ti)/2，然后送入抖动值计算模块，否则直接送入抖动值计算模块。
本发明中抖动值计算模块求平均值与基准值的差值，并对这个差值的绝对值做指数平滑，计算抖动值Ji为：Ji＝(15×Ji‐1+|Di‐E|)/16，用抖动值表征网络拥塞情况，抖动值越大则即将发生的网络拥塞越严重。
本发明与现有技术相比，能够克服现有监控***中数据无法实时高效传播的问题，并能够使得医护人员及时获取相关监护手段，具有结构合理、工作可靠等显著的优点。
附图说明：
附图1是本发明的结构框图。
附图2是本发明中网络拥塞检测模块的结构框图。
附图3是本发明中数据通信快速切换模块的结构框图。
附图标记；管控平台1、本地监控终端2、服务器3、数据接收机构4、数据分析机构5、控制器6、数据采集模块7、数据存储模块8、数据发送模块9、网络拥塞检测模块10、数据通信快速切换模块11、传输延时变化率获取模块12、基准值调整模块13、判断是否重置基准值模块14、基准值重置模块15、抖动值计算模块16、门限值比对模块17、地址分配模块18、当前服务网络信号强度接收模块19、当前节点与基站距离判断模块20、边缘触发模块21、通信通道更新/建立模块22。
具体实施方式：
下面结合附图对本发明作进一步的说明。
如附图所示，本发明提出了一种新型智能医疗信息管理***，其特征在于设有管控平台1以及两个以上的本地监控终端2，管控平台1与本地监控终端2经网络通信电路相连接，其中所述管控平台1包括服务器3、数据接收机构4、数据分析机构5，数据分析机构5和数据接收机构4分别与服务器3相连接，数据分析机构5与数据接收机构4相连接，所述数据挖掘单元通过以下步骤完成数据分析处理：
步骤1：从逻辑数据库中抽取样本数据进行预处理，先对每个样本数据赋唯一的id编号，并设定对该样本数据的检索类型Ti，然后根据样本数据归属的数据检索类型对样本数据进行初步分类；
步骤2：设定检索顺序，即获取所述样本数据的id编号以及检索类型；
步骤3：建立检索子模型，按照不同的检索顺序依次将样本数据送入多个检索子模型中；
步骤4：检索子模型对输入的样本数据进行运算，同时判断本次输入的样本数据是否有外部参数，外部参数指用于向该样本数据的变量传递数据的参数，如果具有外部参数，则调用该外部参数后执行当前检索子模型；
步骤5：输出检索结果。
本发明所述检索子模型可以采用哈希函数检索模型，检索子模型的建立包括以下步骤：
步骤3‐1：从逻辑数据库中抽取数据组成训练集X，用于训练哈希函数，训练集的大小n由决定，其中tα/2表示置信度的值，可以通过t分布临界值获得，ε表示最大的允许误差；
步骤3-2：用X训练哈希函数，首先涉及目标函数转高位实数数据到低维数据，目标函数定义为：
，
其中X为训练集，B为基空间，B的每一个向量均为训练集X中训练出来的基向量，S是X被投影在基空间B上的低维实数值，λ1和λ2是通过十折交叉验证方法取得的可调参数，wi,j是X中两个实例Xi和Xj之间的欧式距离在高斯核上的投影，Si和Sj是矩阵S中的两个向量，Bi,j是矩阵B中第i行和第j列的元素，i＝1,2,3，……，n为表示实例的记号，j＝1,2,3，……k表示基向量的标号，n是实例的个数，k是基向量的个数，s＞0表示S中每个元素非负；
步骤3-3：对大数据库中还没得到二进制代码的实例进行二进制编码，过称谓对每一个实例x，通过s＝(B’B+2I)-1B’x得到x的低维实数值，然后通过哈希函数得到它的低维二进制代码，其中B是步骤3-2中定义的基空间，I是跟B同维度的单位矩阵，这样对整个大数据数据库进行编码；
步骤3-4：对新进入的测试实例xt通过s＝(B’B+2I)-1B’x运算得到xt的低维实数值，然后通过哈希函数得到它的低维二进制代码，把测试实例的二进制代码跟大数据的二进制代码进行相似性检索，以得到与其相似的实例。
本发明所述本地监控终端2设有控制器6、数据采集模块7、数据存储模块8、数据发送模块9，其中控制器6分别与参数采集模7块、数据存储模块8、数据发送模块9相连接，数据采集模块7和数据发送模块9分别与数据存储模块8相连接；所述本地监控终端2还设有与控制器6相连接的网络拥塞检测模块10和数据通信快速切换模块11，其中网络拥塞检测模块10包括传输延时变化率获取模块12、基准值调整模块13、判断是否重置基准值模块14、基准值重置模块15、抖动值计算模块16，其中传输延时变化率获取模块12、基准值调整模块13、判断是否重置基准值模块14依次连接，判断是否重置基准值模块14的输出端分别与基准值重置模块15和抖动值计算模块16相连接，基准值重置模块15的输出端与基准值调整模块13相连接。
本发明中网络拥塞检测模块10的输出端与数据通信快速切换模11块相连接，数据通信快速切换模块11的输入端与网络拥塞检测模块10中抖动值计算模块16的输出端相连接，数据通信快速切换模块11包括门限值比对模块17、地址分配模块18、当前服务网络信号强度接收模块19、当前节点与基站距离判断模块20、边缘触发模块21、通信通道更新/建立模块22，其中抖动值计算模块16的输出端与门限值比对模块17相连接，门限值比对模块17的输出端与地址分配模块18相连接，地址分配模块18与当前节点与基站距离判断模块20、边缘触发模块21、通信通道更新/建立模块22依次相连接，当前服务网络信号强度接收模块19的额输出端与门限值比对模块17相连接。
本发明所述本地监控终端中的数据采集模块用于采集患者身体数据，包括血压值、血糖值、体温、心跳等。
本发明所述传输延时变化率获取模块把连续的时间离散化，以帧作为离散化的时间单位，Ti至Ti+1时间间隔内共20帧，用Di表示数据包的传输延时，传输时延Di的计算公式为：Di＝(Ri‐Si)，其中Ri为接收端收到数据包的时间，Si为数据包自带的发送时间，计算Ti‐1到Ti时间内传输延时的平均值和Ti到Ti+1时间内传输延时的平均值根据和得到传输延时的变化率DRi。
本发明所述基准值调整模块进行每单位时间调整基准值：E＝E+DRi×Δt，其中，E为期望值，Δt为两帧间的时间差。
本发明所述判断是否重置基准值模块判断是否需要重置基准值：若是，则通过基准值重置模块将基准值重置为：E＝Di+DRi×(Ti+1‐Ti)/2，然后送入抖动值计算模块，否则直接送入抖动值计算模块。
本发明中抖动值计算模块求平均值与基准值的差值，并对这个差值的绝对值做指数平滑，计算抖动值Ji为：Ji＝(15×Ji‐1+|Di‐E|)/16，用抖动值表征网络拥塞情况，抖动值越大则即将发生的网络拥塞越严重。
本发明与现有技术相比，能够克服现有监控***中数据无法实时高效传播的问题，具有结构合理、工作可靠等显著的优点。
Claims (9)
1.一种新型智能医疗信息管理***，其特征在于设有管控平台以及两个以上的本地监控终端，管控平台与本地监控终端经网络通信电路相连接，其中所述管控平台包括服务器、数据接收机构、数据分析机构，数据分析机构和数据接收机构分别与服务器相连接，数据分析机构与数据接收机构相连接，所述本地监控终端设有控制器、数据采集模块、数据存储模块、数据发送模块，其中控制器分别与数据采集模块、数据存储模块、数据发送模块相连接，数据采集模块和数据发送模块分别与数据存储模块相连接；所述数据挖掘单元通过以下步骤完成数据分析处理：步骤1：从逻辑数据库中抽取样本数据进行预处理，先对每个样本数据赋唯一的id编号，并设定对该样本数据的检索类型Ti，然后根据样本数据归属的数据检索类型对样本数据进行初步分类；
步骤2：设定检索顺序，即获取所述样本数据的id编号以及检索类型；
步骤3：建立检索子模型，按照不同的检索顺序依次将样本数据送入多个检索子模型中；
步骤4：检索子模型对输入的样本数据进行运算，同时判断本次输入的样本数据是否有外部参数，外部参数指用于向该样本数据的变量传递数据的参数，如果具有外部参数，则调用该外部参数后执行当前检索子模型；
步骤5：输出检索结果。
2.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于所述检索子模型可以采用哈希函数检索模型，检索子模型的建立包括以下步骤：
步骤3‐1：从逻辑数据库中抽取数据组成训练集X，用于训练哈希函数，训练集的大小n由决定，其中ta/2表示置信度的值，可以通过t分布临界值获得，ε表示最大的允许误差；
步骤3-2：用X训练哈希函数，首先涉及目标函数转高位实数数据到低维数据，目标函数定义为：
，
其中X为训练集，B为基空间，B的每一个向量均为训练集X中训练出来的基向量，S是X被投影在基空间B上的低维实数值，λ1和λ2是通过十折交叉验证方法取得的可调参数，wi,j是X中两个实例Xi和Xj之间的欧式距离在高斯核上的投影，Si和Sj是矩阵S中的两个向量，Bi,j是矩阵B中第i行和第j列的元素，i＝1,2,3，……，n为表示实例的记号，j＝1,2,3，……k表示基向量的标号，n是实例的个数，k是基向量的个数，s＞0表示S中每个元素非负；
步骤3-3：对大数据库中还没得到二进制代码的实例进行二进制编码，过称谓对每一个实例x，通过s＝(B’B+2I)-1B’x得到x的低维实数值，然后通过哈希函数得到它的低维二进制代码，其中B是步骤3-2中定义的基空间，I是跟B同维度的单位矩阵，这样对整个大数据数据库进行编码；
步骤3-4：对新进入的测试实例xt通过s＝(B’B+2I)-1B’x运算得到xt的低维实数值，然后通过哈希函数得到它的低维二进制代码，把测试实例的二进制代码跟大数据的二进制代码进行相似性检索，以得到与其相似的实例。
3.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于所述本地监控终端还设有与控制器相连接的网络拥塞检测模块和数据通信快速切换模块，其中网络拥塞检测模块包括传输延时变化率获取模块、基准值调整模块、判断是否重置基准值模块、基准值重置模块、抖动值计算模块，其中传输延时变化率获取模块、基准值调整模块、判断是否重置基准值模块依次连接，判断是否重置基准值模块的输出端分别与基准值重置模块和抖动值计算模块相连接，基准值重置模块的输出端与基准值调整模块相连接。
4.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于网络拥塞检测模块的输出端与数据通信快速切换模块相连接，数据通信快速切换模块的输入端与网络拥塞检测模块中抖动值计算模块的输出端相连接，数据通信快速切换模块包括门限值比对模块、地址分配模块、当前服务网络信号强度接收模块、当前节点与基站距离判断模块、边缘触发模块、通信通道更新/建立模块，其中抖动值计算模块的输出端与门限值比对模块相连接，门限值比对模块的输出端与地址分配模块相连接，地址分配模块与当前节点与基站距离判断模块、边缘触发模块、通信通道更新/建立模块依次相连接，当前服务网络信号强度接收模块的额输出端与门限值比对模块相连接。
5.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于所述本地监控终端中的数据采集模块用于采集患者身体数据，包括血压值、血糖值、体温、心跳等。
6.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于所述传输延时变化率获取模块把连续的时间离散化，以帧作为离散化的时间单位，Ti至Ti+1时间间隔内共20帧，用Di表示数据包的传输延时，传输时延Di的计算公式为：Di＝(Ri‐Si)，其中Ri为接收端收到数据包的时间，Si为数据包自带的发送时间，计算Ti‐1到Ti时间内传输延时的平均值和Ti到Ti+1时间内传输延时的平均值根据和得到传输延时的变化率DRi。
7.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于所述基准值调整模块进行每单位时间调整基准值：E＝E+DRi×Δt，其中，E为期望值，Δt为两帧间的时间差。
8.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于所述判断是否重置基准值模块判断是否需要重置基准值：若是，则通过基准值重置模块将基准值重置为：E＝Di+DRi×(Ti+1‐Ti)/2，然后送入抖动值计算模块，否则直接送入抖动值计算模块。
9.根据权利要求1所述的一种新型智能医疗信息管理***，其特征在于抖动值计算模块求平均值与基准值的差值，并对这个差值的绝对值做指数平滑，计算抖动值Ji为：Ji＝(15×Ji‐1+|Di‐E|)/16，用抖动值表征网络拥塞情况，抖动值越大则即将发生的网络拥塞越严重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611236355.6A CN106506702A (zh) | 2016-12-28 | 2016-12-28 | 新型智能医疗信息管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611236355.6A CN106506702A (zh) | 2016-12-28 | 2016-12-28 | 新型智能医疗信息管理*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106506702A true CN106506702A (zh) | 2017-03-15 |
Family
ID=58334542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611236355.6A Pending CN106506702A (zh) | 2016-12-28 | 2016-12-28 | 新型智能医疗信息管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106506702A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674230A (zh) * | 2019-09-25 | 2020-01-10 | 重庆邮电大学 | 一种边缘智能数据分类存储方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104243242A (zh) * | 2014-09-26 | 2014-12-24 | 厦门亿联网络技术股份有限公司 | 一种基于网络抖动算法反应网络拥塞的方法 |
| CN104462458A (zh) * | 2014-12-16 | 2015-03-25 | 芜湖乐锐思信息咨询有限公司 | 大数据***的数据挖掘方法 |
| CN104699985A (zh) * | 2015-03-26 | 2015-06-10 | 西安电子科技大学 | 一种医疗大数据采集分析***及方法 |
| CN105095653A (zh) * | 2015-07-13 | 2015-11-25 | 湖南互动传媒有限公司 | 医疗大数据应用基础服务*** |
-
2016
- 2016-12-28 CN CN201611236355.6A patent/CN106506702A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104243242A (zh) * | 2014-09-26 | 2014-12-24 | 厦门亿联网络技术股份有限公司 | 一种基于网络抖动算法反应网络拥塞的方法 |
| CN104462458A (zh) * | 2014-12-16 | 2015-03-25 | 芜湖乐锐思信息咨询有限公司 | 大数据***的数据挖掘方法 |
| CN104699985A (zh) * | 2015-03-26 | 2015-06-10 | 西安电子科技大学 | 一种医疗大数据采集分析***及方法 |
| CN105095653A (zh) * | 2015-07-13 | 2015-11-25 | 湖南互动传媒有限公司 | 医疗大数据应用基础服务*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674230A (zh) * | 2019-09-25 | 2020-01-10 | 重庆邮电大学 | 一种边缘智能数据分类存储方法 |
| CN110674230B (zh) * | 2019-09-25 | 2022-10-14 | 重庆邮电大学 | 一种边缘智能数据分类存储方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106709254B (zh) | 一种医疗诊断机器人*** | |
| WO2021000423A1 (zh) | 一种生猪体重测量方法及装置 | |
| US20100176952A1 (en) | System for detection of body motion | |
| TWI393376B (zh) | 資料傳輸方法 | |
| CN105069423A (zh) | 一种人体姿态检测方法及装置 | |
| CN104883278A (zh) | 一种利用机器学习对网络设备进行分类的方法 | |
| CN108898813A (zh) | 一种基于物联网架构的云识别抄表*** | |
| CN107331101A (zh) | 基于云计算的楼宇火灾报警***及方法 | |
| WO2021190470A1 (zh) | 电子设备定位的方法、装置、服务器、***以及存储介质 | |
| CN112331349B (zh) | 一种脑卒中复发监测*** | |
| CN115168669A (zh) | 传染病筛查方法、装置、终端设备及介质 | |
| CN112788110A (zh) | 一种基于云边协同模型优化的产品外观检测方法及其实现*** | |
| CN113488163B (zh) | 一种基于机器视觉的肌少症识别方法、装置、设备及介质 | |
| CN106506702A (zh) | 新型智能医疗信息管理*** | |
| CN116761194B (zh) | 一种无线通信网络中警务协同通信优化***及方法 | |
| CN115951123B (zh) | 一种基于无线通信的电能计量方法及*** | |
| CN111062633A (zh) | 一种基于多源异构数据的输变电线路和设备状态评估*** | |
| CN112583901A (zh) | 一种物联网感知层数据信号传输的方法 | |
| CN112257915A (zh) | 基于胶囊网络的医院门诊人流量预测方法 | |
| CN115361256B (zh) | 一种面向智能安监领域的边缘计算智能网关及实现方法 | |
| CN106650269A (zh) | 基于大数据挖掘及数据冗余处理的医疗信息*** | |
| CN109765821A (zh) | 检测室外运动器材的方法及终端设备 | |
| CN110544182A (zh) | 一种基于机器学习技术的配电通信网融合控制方法及*** | |
| CN113743292B (zh) | 基于视频序列的活动能力评估方法、装置、介质及设备 | |
| CN117749836B (zh) | 一种基于人工智能的物联网终端监控方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170315 |