CN113094497A - 一种电子健康记录推荐方法及共享边缘计算平台 - Google Patents
一种电子健康记录推荐方法及共享边缘计算平台 Download PDFInfo
- Publication number
- CN113094497A CN113094497A CN202110628271.1A CN202110628271A CN113094497A CN 113094497 A CN113094497 A CN 113094497A CN 202110628271 A CN202110628271 A CN 202110628271A CN 113094497 A CN113094497 A CN 113094497A
- Authority
- CN
- China
- Prior art keywords
- electronic health
- patient
- node
- diagnosed
- health records
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/322—Trees
-
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种电子健康记录推荐方法及共享边缘计算平台,方法包括:获取待诊断患者的上下文信息;根据待诊断患者的上下文信息,从多个子空间中查找存储与其具有相似性上下文信息的目标子空间;根据目标子空间,在树结构中查找到与目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;基于目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。本发明根据待诊断患者的上下文信息,从子空间中找到相似的上下文信息,然后找到对应的树节点,从该树节点中存储的电子健康记录中挑选出最合适的多条电子健康记录推荐给待诊断患者,能够用于个性化诊断和为临床决策提供支持。
Description
技术领域
本发明涉及信息推荐领域,更具体地,涉及一种电子健康记录推荐方法及共享边缘计算平台。
背景技术
随着医疗技术的飞速发展,人类所认识的疾病种类已经变得多样化,这使得临床医生难以诊断。
目前大部分医院对待诊断患者进行诊断时,主要是根据医务人员的经验,比如,以往相同症状的患者的诊断经验,来对现在的待诊断患者进行诊断。
这种基本上依靠医务人员的经验来诊断的方式,具有一定的主观和盲目性,容易造成误诊,统计数据表明,误诊会导致10%的患者死亡,误诊成为最常见的医疗事故类型。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于共享边缘计算平台的电子健康记录推荐方法及共享边缘计算平台。
根据本发明的第一方面,提供了一种基于共享边缘计算平台的电子健康记录推荐方法,包括:获取待诊断患者的上下文信息;根据所述待诊断患者的上下文信息,从多个子空间中查找匹配的目标子空间,其中,所述目标子空间中存储有与所述待诊断患者的上下文信息相似的上下文信息;根据所述目标子空间,在树结构中查找到与所述目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。
在上述技术方案的基础上,本发明还可以作出如下改进。
可选的,在每一个社区区域范围内部署一台边缘服务器,所有的边缘服务器和全局服务器共同构成共享边缘计算平台;在每一台边缘服务器上存储对应社区区域范围内的每一位患者的上下文信息和电子健康记录,其中,以子空间的形式存储所有患者的上下文信息,以树结构的形式存储所有患者的电子健康记录。
可选的,所述以子空间的形式存储所有患者的上下文信息,以树结构的形式存储所有患者的电子健康记录,包括:将所有患者的上下文信息进行相似性聚类,将具有相似性的上下文信息存储到同一个子空间中;对所有患者的电子健康记录进行相似性聚类,将具有相似性的电子健康记录存储于二叉树结构的同一个节点中;其中,每一个子空间与每一个节点具有一一对应关系。
可选的,所述基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者,包括:对于所述目标节点中的任一个电子健康记录,获取所述任一个电子健康记录的多个推荐反馈结果;基于所述任一个电子健康记录的多个推荐反馈结果,确定所述任一个电子健康记录的权重;根据每一个电子健康记录的权重对所有电子健康记录进行排序,将排序靠前的预设数量的电子健康记录推荐给待诊断患者。
可选的,所述预设数量能够根据待诊断患者当前所处的时间段调整。
可选的,所述基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者之前包括:基于所述目标节点,确定在树结构中从根节点到所述目标节点的唯一路径;对所述唯一路径上的每一个节点中存储的电子健康记录的奖励值进行安全保护。
可选的,所述对所述唯一路径上的每一个节点中存储的电子健康记录的奖励值进行安全保护,包括:根据每一个节点中存储的任一个电子健康记录的推荐反馈结果确定所述任一个电子健康记录的奖励值;将任一个节点中存储的所有电子健康记录的奖励值相加,得到所述任一个节点的总奖励值;向所述总奖励值中加入拉普拉斯噪声,计算对应的预期奖励值。
可选的,所述方法还包括:将每一个边缘服务器中存储的所有患者的上下文信息和所有患者的电子健康记录作为边缘服务器的局部存储模型;当待诊断患者完成诊断后,更新相应的边缘服务器的局部存储模型,得到对应的中间存储模块,并将所述中间存储模块发送给全局服务器;全局服务器根根据每一个边缘服务器发送的中间存储模型,更新本地的全局存储模型,并将更新后的全局存储模型下发给每一个边缘服务器;边缘服务器基于更新后的全局存储模型,对本地的中间存储模型进行更新,得到最终更新后的局部存储模型,以供在所述更新后的局部存储模型中查找对应的子空间和节点。
根据本发明的第二方面,提供一种共享边缘计算平台,包括多个边缘服务器和一个全局服务器,每一个边缘服务器均通过通信网络与所述全局服务器连接;其中,每一个社区区域范围内部署一台边缘服务器,所有的边缘服务器和全局服务器共同构成共享边缘计算平台,其中一个边缘服务器为管理节点,所述管理节点用于:获取待诊断患者的上下文信息;根据所述待诊断患者的上下文信息,从多个子空间中查找匹配的目标子空间,其中,所述目标子空间中存储有与所述待诊断患者的上下文信息相似的上下文信息;根据所述目标子空间,在树结构中查找到与所述目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;基于目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。
可选的,所述基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者,包括:对于所述目标节点中的任一个电子健康记录,获取所述任一个电子健康记录的多个推荐反馈结果;基于所述任一个电子健康记录的多个推荐反馈结果,确定所述任一个电子健康记录的权重;根据每一个电子健康记录的权重对所有电子健康记录进行排序,将排序靠前的预设数量的电子健康记录推荐给待诊断患者。
本发明提供的一种基于共享边缘计算平台的电子健康记录推荐方法及共享边缘计算平台,根据待诊断患者的上下文信息,从子空间中找到相似的上下文信息,然后找到对应的树节点,从该树节点中存储的电子健康记录中挑选出最合适的多条电子健康记录推荐给待诊断患者,能够用于个性化诊断和为临床决策提供支持。
附图说明
图1为本发明提供的一种基于共享边缘计算平台的电子健康记录推荐方法流程图;
图2为共享边缘计算平台的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明提供的一种基于共享边缘计算平台的电子健康记录推荐方法流程图,如图1所示,方法包括:101、获取待诊断患者的上下文信息;102、根据所述待诊断患者的上下文信息,从多个子空间中查找匹配的目标子空间,其中,所述目标子空间中存储有与所述待诊断患者的上下文信息相似的上下文信息;103、根据所述目标子空间,在树结构中查找到与所述目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;104、基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。
可以理解的是,目前对于待诊断患者的诊断,通常是根据医务人员的经验来判断,这种判断方式比较主观,准确性不高。基于此,为了适应临床诊断需求的快速增长,利用电子健康记录(EHR)作为辅助方法,帮助医生做出准确和个性化的临床决策。
不同的患者具有不同的情境(例如身体状况),这需要个性化诊断,利用患者的环境可以大大降低诊断错误率。在医疗诊断***中,将收集患者的上下文信息并将其上载到服务器,该服务器用于为患者推荐EHR,以帮助诊断。
本发明实施例提出了共享边缘计算平台,协作式移动边缘计算平台MEC是一种新的计算范例,要求在网络的边缘服务器(ES)上处理数据,与传统的云计算相比,可以通过在较短的传播距离内与ES进行通信,从而实现相对较低的延迟。此外,信息将在ES之间共享,以改善***的推荐实用程序。此外,这种范例会将数据处理工作分布在不同的数据中心和设备上,这使黑客很难攻击整个网络,从而增强了隐私保护的安全性。
其中,对于历史的各个患者的上下文信息,存储于各个子空间中,将具有相似性的上下文信息存储于同一个子空间中,以树形结构存储历史各个患者的电子健康记录(EHR),将具有相似性的电子健康记录存储于树结构的同一个节点中。其中,每一个子空间与树结构中的每一个节点具有对应关系。
需要对待诊断患者进行诊断时,首先获取待诊断患者的上下文信息,基于相似性原则,从所有的子空间找到与待诊断患者的上下文信息匹配的目标子空间,也就是说,目标子空间中存储的上下文信息与待诊断患者的上下文信息具有相似性。
找到了目标子空间,根据子空间与树结构节点之间的对应关系,找到与目标子空间对应的目标节点,该目标节点中存储有多个电子健康记录,从该目标节点的所有电子健康记录中选取合适的预设数量的电子健康记录推荐给待诊断患者。
本发明根据待诊断患者的上下文信息,从子空间中找到相似的上下文信息,然后找到对应的树节点,从该树节点中存储的电子健康记录中挑选出最合适的多条电子健康记录推荐给待诊断患者,能够用于个性化诊断和为临床决策提供支持。
在一种可能的实施例方式中,在每一个社区区域范围内部署一台边缘服务器,所有的边缘服务器和全局服务器共同构成共享边缘计算平台;在每一台边缘服务器上存储对应社区区域范围内的每一位患者的上下文信息和电子健康记录,其中,以子空间的形式存储所有患者的上下文信息,以树结构的形式存储所有患者的电子健康记录。
可以理解的是,本发明实施例提出了共享边缘计算平台,共享边缘计算平台包括多个边缘服务器(ES)和一个全局服务器。考虑到边缘服务器ES的存储空间有限,将云中存储的所有EHR放入一个ES进行推荐是不现实的。因此,有必要决定在每个ES中放置哪些EHR,即为每个ES确定最佳服务放置方案。本发明实施例考虑一种边缘计算网络结构,即共享边缘计算凭条,其中边缘服务器ES被部署在医院附近的边缘计算中。每个ES都覆盖不同的社区,从该社区收集患者的上下文信息,并处理这些上下文信息以向患者推荐相关的电子健康记录EHR作为参考。
需要注意的是,在边缘计算网络结构框架中,这些边缘服务器ES本身是值得信赖的,不会将患者的情况暴露给他人。假设该网络由医院周围的M ES(协作式移动边缘计算)组成,可用于诊断社区中的患者。将边缘计算网络结构视为离散时间***,并将总时间线划分为T个时间段,以T = {1,2,...,TN}为索引。在每个时间段的开始,假设有一个需要诊断的患者,其对应的上下文信息是pt,为了使ES中的EHR诊断该患者,用N = {1,2,...,N}表示EHR。
下面对患者的上下文空间模型进行介绍,每个患者都患有某种需要诊断的疾病,将患者的情境作为诊断的基础输入,用p表示。上下文信息p被公式化为κp维向量,其每个条目都是患者健康状况相关信息(例如生活方式、疾病史记录等)的特征。 在不失一般性的前提下,假设每个条目都被归一化为[0,1]。例如,当κp=3,且情境p=[0.9,0.8,1]的患者到达空间P时,其中0.9表示该患者的生活方式相当好,0.8表示该患者严重咳嗽,而1表示该患者患有某种特殊疾病。这样,就可以量化患者的情境信息,并可以通过服务器对其进行分析以进行诊断。
在不失一般性的前提下,可以使用kd维向量来表示ES中的任何EHR,其每个条目都是EHR中的一个功能。由于ES中有大量EHR,创建了一个二元EHR树结构group将树中节点中的那些类似EHR进行分组。这样,大数据分析的问题就可以解决了,如果尺寸kd确实很高,对于具有特定背景的特定患者,倾向于选择一个适合推荐EHR的节点,以帮助患者进行诊断。例如,某些EHR与患者的状况相吻合,因此,由于患者极有可能在这些EHR中记录疾病类型,因此应向患者推荐这些EHR以帮助诊断。将高度为l的第k个节点定义为(l,k),因此直观地来说,其左子节点和右子节点分别为(l + 1,2k)和(l + 1,2k +1)。我们用lY表示树的深度。当满足某些条件时,树结构将通过将节点分成大小近似相同的两组来扩展。基于这些EHR的向量,当需要对节点进行分区时,可以将它们分为两组。值得注意的是,EHR树结构可以无限扩展,这是应对大数据场景的理想方式。
总结来说,在每一个边缘服务器ES中存放每一位患者的上下文信息和电子健康记录时,以子空间的形式存放每一位患者的上下文信息,具体的,对所有患者的上下文信息进行相似性聚类,将具有相似性的上下文信息存放于同一个子空间中。以树结构的形式存放每一位患者的电子健康记录,具体的,对所有患者的电子健康记录进行相似性聚类,将具有相似性的电子健康记录存储于树形结构的同一个节点中。树形结构中包括根节点和叶子节点,其中,存储患者上下文信息的子空间与存储电子健康记录的节点之间具有一一对应关系,也就是针对一类上下文信息,具有与之对应的一类电子健康记录。
在一种可能的实施例方式中,基于目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者,包括:对于目标节点中的任一个电子健康记录,获取所述任一个电子健康记录的多个推荐反馈结果;基于所述任一个电子健康记录的多个推荐反馈结果,确定所述任一个电子健康记录的权重;根据每一个电子健康记录的权重对所有电子健康记录进行排序,将排序靠前的预设数量的电子健康记录推荐给待诊断患者。
可以理解的是,根据待诊断患者的上下文信息,找到具有相似性上下文的目标子空间,根据子空间找到对应的目标节点,对于目标节点中存储的所有电子健康记录,从中选取合适的多个电子健康记录推荐给待诊断患者。
具体的,对于任一条电子健康记录,当该条电子健康记录推荐给患者后,会收到患者的反馈结果,反馈结果表明推荐的准确性,以及诊断的效果。需要说明的是,一条电子健康记录会推荐给多个患者,那么就会收到多个患者的推荐反馈结果。对于树结构中存储的任一条电子健康记录,获取该任一条电子健康记录对应的多条推荐反馈结果,根据这多条推荐反馈结果,为该任一条电子健康记录赋予权重,其中,推荐越准确,推荐后诊断的效用越大,赋予的权重就越大;反之,为电子健康记录赋予的权重就越小。
对于目标节点中存储的所有的电子健康记录,根据权重从大到小进行排序,将排序靠前的预设数量个电子健康记录推荐给待诊断患者。
其中,预设数量能够根据待诊断患者当前所处的时间段调整,也就是说,针对不同的时间段,可设置为待诊断患者推荐电子健康记录的最大数量。在获取待诊断患者的上下文信息时,也获取当前时间,基于当前时间所在的时间段,确定为待诊断患者推荐电子健康记录的最大数量,即为待诊断患者推荐的电子健康记录的数量不能超过设定的最大数量。
在一种可能的实施例方式中,基于目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者之前包括:基于目标节点,确定在树结构中从根节点到所述目标节点的唯一路径;对所述唯一路径上的每一个节点中存储的电子健康记录的奖励值进行安全保护。
可以理解的是,保护患者医疗数据的隐私具有重要意义,目前有多种方法可以实现隐私保护,应用匿名是相当普遍和有用的。但是,这是以牺牲患者数据在高维度上的潜在效用为代价的。密码学也是保证安全性的一种非常普遍的方法,但是它将导致高昂的通信成本以及计算复杂性,从而可能会极大地影响大数据分析。因此,作为一种优选的方法,本发明实施例在医疗诊断***中部署了差异隐私,对推荐给待诊断患者的电子健康记录进行隐私保护。
具体的,上述实施例中找到了树形结构中的目标节点,基于目标节点,确定从树形结构的根节点到目标节点的唯一路径,该唯一路径上包括多个节点,每一个节点中存储有多个电子健康记录。
对于该唯一路径上的每一个节点中存储的所有电子健康记录的奖励值进行安全保护,主要是进行隐私保护。
在一种可能的实施例方式中,对唯一路径上的每一个节点中存储的电子健康记录的奖励值进行安全保护,包括:根据每一个节点中存储的任一个电子健康记录的推荐反馈结果确定任一个电子健康记录的奖励值;将任一个节点中存储的所有电子健康记录的奖励值相加,得到所述任一个节点的总奖励值;向总奖励值中加入拉普拉斯噪声,计算对应的预期奖励值。
可以理解的是,对于每一个节点中存储的任一个电子健康记录,根据任一个电子健康记录的推荐反馈结果,确定该任一个电子健康记录的奖励值。对于任一个节点中的所有的电子健康记录,将每一个电子健康记录的奖励值相加得到该任一个节点的总奖励值。对于每一个节点的总奖励值进行隐私保护,具体的,向总奖励值中加入拉普拉斯噪声,计算对应的预期奖励值,对推荐给待诊断患者的电子健康记录进行隐私保护。
在一种可能的实施例方式中,方法还包括:将每一个边缘服务器中存储的所有患者的上下文信息和所有患者的电子健康记录作为边缘服务器的局部存储模型;当待诊断患者完成诊断后,更新相应的边缘服务器的局部存储模型,得到对应的中间存储模块,并将中间存储模块发送给全局服务器;全局服务器根根据每一个边缘服务器发送的中间存储模型,更新本地的全局存储模型,并将更新后的全局存储模型下发给每一个边缘服务器;边缘服务器基于更新后的全局存储模型,对本地的中间存储模型进行更新,得到最终更新后的局部存储模型,以供在所述更新后的局部存储模型中查找对应的子空间和节点。
可以理解的是,对于本发明实施例提供的共享边缘计算平台,如前所述,每一个边缘服务器中存储有本社区区域所有患者的上下文信息和电子健康记录,每一个边缘服务器中存储的信息称为局部存储模型。当待诊断患者诊断完毕后,对本地的局部存储模型进行更新,也就是本地的局部存储模型中存储的数据会有更新,更新后的局部存储模型称为中间存储模型。每一个边缘服务器将更新后的中间存储模型发送给全局服务器,其中,全局服务器中存储有所有社区区域的所有患者的数据,包括上下文信息和电子健康记录,也就是,全局服务器中的全局存储模型中的数据汇总了所有边缘服务器存储的数据。
当全局服务器接收到每一个边缘服务器发送的中间存储模型,基于所有的中间存储模型,更新本地的全局存储模型,并将更新后的全局存储模型下发给每一个边缘服务器。每一个边缘服务器根据更新后的全局存储模型,对本地的中间存储模型再次进行更新,得到最终更新后的局部存储模型。具体来说,需要对边缘服务器本地存储上下文信息的各个子空间和存储电子健康记录的树结构的各个节点也都是需要更新的。等待下一个患者需要诊断时,在查找对应的子空间和节点时,依据更新后的子空间的节点进行查找。
图2为本发明实施例提供的一种共享边缘计算平台的结构示意图,如图2所示,一种共享边缘计算平台,包括多个边缘服务器20和一个全局服务器21,每一个边缘服务器20均通过通信网络与全局服务器21连接;其中,每一个社区区域范围内部署一台边缘服务器20,所有的边缘服务器20和全局服务器21共同构成共享边缘计算平台。其中一个边缘服务器20为管理节点,管理节点用于:获取待诊断患者的上下文信息;根据待诊断患者的上下文信息,从多个子空间中查找匹配的目标子空间,其中,目标子空间中存储有与待诊断患者的上下文信息相似的上下文信息;根据目标子空间,在树结构中查找到与目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;基于目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。
其中,基于目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者,包括:对于目标节点中的任一个电子健康记录,获取任一个电子健康记录的多个推荐反馈结果;基于任一个电子健康记录的多个推荐反馈结果,确定任一个电子健康记录的权重;根据每一个电子健康记录的权重对所有电子健康记录进行排序,将排序靠前的预设数量的电子健康记录推荐给待诊断患者。
可以理解的是,如何在本发明实施例提供的共享边缘计算平台上进行电子健康记录推荐的相关技术特征可参考前述各实施例提供的基于共享边缘计算平台的电子健康记录推荐方法的相关技术特征,在此不再赘述。
本发明提供的一种基于共享边缘计算平台的电子健康记录推荐方法及共享边缘计算平台,根据待诊断患者的上下文信息,从子空间中找到相似的上下文信息,然后找到对应的树节点,从该树节点中存储的电子健康记录中挑选出最合适的多条电子健康记录推荐给待诊断患者,能够用于个性化诊断和为临床决策提供支持。
另外,在从目标节点的所有的电子健康记录中选择合适的多条电子健康记录推荐给待诊断患者时,考虑每一条电子健康记录的推荐反馈结果,根据推荐反馈结果确定电子健康记录的权重,根据每一条电子健康记录的权重为待诊断患者推荐合适的电子健康记录,提供了电子健康记录推荐的准确性。
再者,对推荐给待诊断患者的电子健康记录进行隐私保护,加强了整个共享边缘计算平台的安全性。
最后,对于共享边缘计算平台中的所有边缘服务器,边缘服务器之间是不直接通信的,是不直接进行数据交换的,边缘服务器之间的数据交换为通过全局服务器来实现,避免边缘服务器之间的数据交换带来安全性问题,提高了共享边缘计算平台的安全性。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种基于共享边缘计算平台的电子健康记录推荐方法,其特征在于,包括:
获取待诊断患者的上下文信息;
根据所述待诊断患者的上下文信息,从多个子空间中查找匹配的目标子空间,其中,所述目标子空间中存储有与所述待诊断患者的上下文信息相似的上下文信息;
根据所述目标子空间,在树结构中查找到与所述目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;
基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。
2.根据权利要求1所述的电子健康记录推荐方法,其特征在于,
在每一个社区区域范围内部署一台边缘服务器,所有的边缘服务器和全局服务器共同构成共享边缘计算平台;
在每一台边缘服务器上存储对应社区区域范围内的每一位患者的上下文信息和电子健康记录,其中,以子空间的形式存储所有患者的上下文信息,以树结构的形式存储所有患者的电子健康记录。
3.根据权利要求2所述的电子健康记录推荐方法,其特征在于,所述以子空间的形式存储所有患者的上下文信息,以树结构的形式存储所有患者的电子健康记录,包括:
将所有患者的上下文信息进行相似性聚类,将具有相似性的上下文信息存储到同一个子空间中;
对所有患者的电子健康记录进行相似性聚类,将具有相似性的电子健康记录存储于二叉树结构的同一个节点中;
其中,每一个子空间与每一个节点具有一一对应关系。
4.根据权利要求1-3任一项所述的电子健康记录推荐方法,其特征在于,所述基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者,包括:
对于所述目标节点中的任一个电子健康记录,获取所述任一个电子健康记录的多个推荐反馈结果;
基于所述任一个电子健康记录的多个推荐反馈结果,确定所述任一个电子健康记录的权重;
根据每一个电子健康记录的权重对所有电子健康记录进行排序,将排序靠前的预设数量的电子健康记录推荐给待诊断患者。
5.根据权利要求4所述的电子健康记录推荐方法,其特征在于,所述预设数量能够根据待诊断患者当前所处的时间段调整。
6.根据权利要求1所述的电子健康记录推荐方法,其特征在于,所述基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者之前包括:
基于所述目标节点,确定在树结构中从根节点到所述目标节点的唯一路径;
对所述唯一路径上的每一个节点中存储的电子健康记录的奖励值进行安全保护。
7.根据权利要求6所述的电子健康记录推荐方法,其特征在于,所述对所述唯一路径上的每一个节点中存储的电子健康记录的奖励值进行安全保护,包括:
根据每一个节点中存储的任一个电子健康记录的推荐反馈结果确定所述任一个电子健康记录的奖励值;
将任一个节点中存储的所有电子健康记录的奖励值相加,得到所述任一个节点的总奖励值;
向所述总奖励值中加入拉普拉斯噪声,计算对应的预期奖励值。
8.根据权利要求1所述的电子健康记录推荐方法,其特征在于,所述方法还包括:
将每一个边缘服务器中存储的所有患者的上下文信息和所有患者的电子健康记录作为边缘服务器的局部存储模型;
当待诊断患者完成诊断后,更新相应的边缘服务器的局部存储模型,得到对应的中间存储模块,并将所述中间存储模块发送给全局服务器;
全局服务器根根据每一个边缘服务器发送的中间存储模型,更新本地的全局存储模型,并将更新后的全局存储模型下发给每一个边缘服务器;
边缘服务器基于更新后的全局存储模型,对本地的中间存储模型进行更新,得到最终更新后的局部存储模型,以供在所述更新后的局部存储模型中查找对应的子空间和节点。
9.一种共享边缘计算平台,其特征在于,包括多个边缘服务器和一个全局服务器,每一个边缘服务器均通过通信网络与所述全局服务器连接;其中,每一个社区区域范围内部署一台边缘服务器,所有的边缘服务器和全局服务器共同构成共享边缘计算平台,其中一个边缘服务器为管理节点,所述管理节点用于:
获取待诊断患者的上下文信息;
根据所述待诊断患者的上下文信息,从多个子空间中查找匹配的目标子空间,其中,所述目标子空间中存储有与所述待诊断患者的上下文信息相似的上下文信息;
根据所述目标子空间,在树结构中查找到与所述目标子空间对应的目标节点,其中,树结构的每一个节点中存储有具有相似性的多个电子健康记录;
基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者。
10.根据权利要求9所述的共享边缘计算平台,其特征在于,所述基于所述目标节点中的多个电子健康记录,确定出预设数量的电子健康记录推荐给待诊断患者,包括:
对于所述目标节点中的任一个电子健康记录,获取所述任一个电子健康记录的多个推荐反馈结果;
基于所述任一个电子健康记录的多个推荐反馈结果,确定所述任一个电子健康记录的权重;
根据每一个电子健康记录的权重对所有电子健康记录进行排序,将排序靠前的预设数量的电子健康记录推荐给待诊断患者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110628271.1A CN113094497B (zh) | 2021-06-07 | 2021-06-07 | 一种电子健康记录推荐方法及共享边缘计算平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110628271.1A CN113094497B (zh) | 2021-06-07 | 2021-06-07 | 一种电子健康记录推荐方法及共享边缘计算平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113094497A true CN113094497A (zh) | 2021-07-09 |
CN113094497B CN113094497B (zh) | 2021-09-14 |
Family
ID=76664558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110628271.1A Active CN113094497B (zh) | 2021-06-07 | 2021-06-07 | 一种电子健康记录推荐方法及共享边缘计算平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094497B (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232930A1 (en) * | 2011-03-12 | 2012-09-13 | Definiens Ag | Clinical Decision Support System |
CN102985924A (zh) * | 2011-02-14 | 2013-03-20 | 松下电器产业株式会社 | 相似病例检索装置以及相似病例检索方法 |
US20160120481A1 (en) * | 2014-10-30 | 2016-05-05 | International Business Machines Corporation | Active patient risk prediction |
CN105608389A (zh) * | 2015-10-22 | 2016-05-25 | 广西师范大学 | 医疗数据发布的差分隐私保护方法 |
CN107526975A (zh) * | 2017-08-10 | 2017-12-29 | 中国人民大学 | 一种基于差分隐私保护决策树的方法 |
US9905112B1 (en) * | 2015-05-18 | 2018-02-27 | HCA Holdings, Inc. | Contextual assessment of current conditions |
CN108877880A (zh) * | 2018-06-29 | 2018-11-23 | 清华大学 | 基于病历文本的病人相似性度量装置及方法 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
CN109241774A (zh) * | 2018-09-19 | 2019-01-18 | 华中科技大学 | 一种差分隐私空间分解方法和*** |
CN109599182A (zh) * | 2019-02-18 | 2019-04-09 | 湖南金特尔信息技术有限公司 | 一种基因靶向治疗方案推荐***及相关*** |
CN110134879A (zh) * | 2019-03-06 | 2019-08-16 | 辽宁工业大学 | 一种基于差分隐私保护的兴趣点推荐算法 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗***及方法 |
CN111105880A (zh) * | 2019-11-27 | 2020-05-05 | 陕西医链区块链集团有限公司 | 一种用于病例调取的分层搜索***及方法 |
CN111125764A (zh) * | 2019-12-23 | 2020-05-08 | 华中科技大学 | 一种面向隐私保护的用户轨迹生成方法及*** |
CN111326224A (zh) * | 2013-12-04 | 2020-06-23 | M·奥利尼克 | 具有海量医疗分析的医疗处理计算机规划方法和*** |
CN111464650A (zh) * | 2020-04-03 | 2020-07-28 | 北京绪水互联科技有限公司 | 一种数据分析方法、设备、***及存储介质 |
US20200243180A1 (en) * | 2019-01-25 | 2020-07-30 | International Business Machines Corporation | Optimized medication recommendation using a neural network |
CN112289437A (zh) * | 2020-10-28 | 2021-01-29 | 南通市第一人民医院 | 一种基于边缘计算架构的糖尿病辅助治疗云平台*** |
CN112652375A (zh) * | 2021-01-08 | 2021-04-13 | 北京工业大学 | 药物推荐方法、装置、电子设备及存储介质 |
CN112800248A (zh) * | 2021-01-19 | 2021-05-14 | 天河超级计算淮海分中心 | 相似病例检索方法、装置、计算机设备及存储介质 |
CN112837770A (zh) * | 2021-01-21 | 2021-05-25 | 北京理工大学 | 一种大规模电子医疗***中的隐私保护相似病历查询方法 |
CN112908493A (zh) * | 2021-01-28 | 2021-06-04 | 壹健康健康产业(深圳)有限公司 | 一种在线问诊处理方法、装置、介质及终端设备 |
-
2021
- 2021-06-07 CN CN202110628271.1A patent/CN113094497B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102985924A (zh) * | 2011-02-14 | 2013-03-20 | 松下电器产业株式会社 | 相似病例检索装置以及相似病例检索方法 |
US20120232930A1 (en) * | 2011-03-12 | 2012-09-13 | Definiens Ag | Clinical Decision Support System |
CN111326224A (zh) * | 2013-12-04 | 2020-06-23 | M·奥利尼克 | 具有海量医疗分析的医疗处理计算机规划方法和*** |
US20160120481A1 (en) * | 2014-10-30 | 2016-05-05 | International Business Machines Corporation | Active patient risk prediction |
US9905112B1 (en) * | 2015-05-18 | 2018-02-27 | HCA Holdings, Inc. | Contextual assessment of current conditions |
CN105608389A (zh) * | 2015-10-22 | 2016-05-25 | 广西师范大学 | 医疗数据发布的差分隐私保护方法 |
CN107526975A (zh) * | 2017-08-10 | 2017-12-29 | 中国人民大学 | 一种基于差分隐私保护决策树的方法 |
CN108877880A (zh) * | 2018-06-29 | 2018-11-23 | 清华大学 | 基于病历文本的病人相似性度量装置及方法 |
CN110249392A (zh) * | 2018-08-20 | 2019-09-17 | 深圳市全息医疗科技有限公司 | 智能辅助诊疗***及方法 |
CN109215754A (zh) * | 2018-09-10 | 2019-01-15 | 平安科技(深圳)有限公司 | 病历数据处理方法、装置、计算机设备和存储介质 |
CN109241774A (zh) * | 2018-09-19 | 2019-01-18 | 华中科技大学 | 一种差分隐私空间分解方法和*** |
US20200243180A1 (en) * | 2019-01-25 | 2020-07-30 | International Business Machines Corporation | Optimized medication recommendation using a neural network |
CN109599182A (zh) * | 2019-02-18 | 2019-04-09 | 湖南金特尔信息技术有限公司 | 一种基因靶向治疗方案推荐***及相关*** |
CN110134879A (zh) * | 2019-03-06 | 2019-08-16 | 辽宁工业大学 | 一种基于差分隐私保护的兴趣点推荐算法 |
CN111105880A (zh) * | 2019-11-27 | 2020-05-05 | 陕西医链区块链集团有限公司 | 一种用于病例调取的分层搜索***及方法 |
CN111125764A (zh) * | 2019-12-23 | 2020-05-08 | 华中科技大学 | 一种面向隐私保护的用户轨迹生成方法及*** |
CN111464650A (zh) * | 2020-04-03 | 2020-07-28 | 北京绪水互联科技有限公司 | 一种数据分析方法、设备、***及存储介质 |
CN112289437A (zh) * | 2020-10-28 | 2021-01-29 | 南通市第一人民医院 | 一种基于边缘计算架构的糖尿病辅助治疗云平台*** |
CN112652375A (zh) * | 2021-01-08 | 2021-04-13 | 北京工业大学 | 药物推荐方法、装置、电子设备及存储介质 |
CN112800248A (zh) * | 2021-01-19 | 2021-05-14 | 天河超级计算淮海分中心 | 相似病例检索方法、装置、计算机设备及存储介质 |
CN112837770A (zh) * | 2021-01-21 | 2021-05-25 | 北京理工大学 | 一种大规模电子医疗***中的隐私保护相似病历查询方法 |
CN112908493A (zh) * | 2021-01-28 | 2021-06-04 | 壹健康健康产业(深圳)有限公司 | 一种在线问诊处理方法、装置、介质及终端设备 |
Non-Patent Citations (1)
Title |
---|
SHARONA HOFFMAN: ""Improving Health Care Outcomes through Personalized Comparisons of Treatment Effectiveness Based on Electronic Health Records"", 《THE JOURNAL OF LAW, MEDICINE & ETHICS》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113094497B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112365987B (zh) | 诊断数据异常检测方法、装置、计算机设备及存储介质 | |
CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理***和方法 | |
US7627542B2 (en) | Group identification in large-scaled networks via hierarchical clustering through refraction over edges of networks | |
US20210109953A1 (en) | Methods and systems for linking data records from disparate databases | |
US20140006166A1 (en) | System and method for determining offers based on predictions of user interest | |
WO2016073776A1 (en) | System for management of health resources | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
CN110322356A (zh) | 基于hin挖掘动态多模式的医保异常检测方法及*** | |
CN113192586B (zh) | 基于区块链的智慧医疗档案共享方法及医疗大数据*** | |
CN113315752B (zh) | 基于区块链的智慧医疗攻击追溯方法及医疗大数据*** | |
CN112132624A (zh) | 医疗理赔数据预测*** | |
CN111696661A (zh) | 患者分群模型构建方法、患者分群方法及相关设备 | |
CN114639483A (zh) | 一种基于图神经网络的电子病历检索方法及装置 | |
CN113539460A (zh) | 用于远程医疗平台的智能导诊方法和装置 | |
CN115550849B (zh) | 终端设备选择方法、装置、网络设备及存储介质 | |
CN113853599A (zh) | 有效的新鲜度爬行调度 | |
CN114065856A (zh) | 基于医生画像的医生推荐方法、装置、设备及存储介质 | |
CN116598012A (zh) | 一种基于联邦学习价值评估的慢性病医疗保健方法和*** | |
CN114942947A (zh) | 一种基于智慧医疗的复诊随访数据处理方法及*** | |
US20180285758A1 (en) | Methods for creating and analyzing dynamic trail networks | |
CN113094497B (zh) | 一种电子健康记录推荐方法及共享边缘计算平台 | |
CN117290509A (zh) | 电子病历文本分类模型训练方法、装置、电子设备及介质 | |
He et al. | Multi-objective spatially constrained clustering for regionalization with particle swarm optimization | |
CN113256024B (zh) | 一种融合群体行为的用户行为预测方法 | |
AU2021102593A4 (en) | A Method for Detection of a Disease |
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 |