医疗

医疗大数据生命周期 在阿斯克医疗大数据方法论中，把医疗数据的生命周期分成下图的四个象限： 第一象限 ：数据采集 在数据采集阶段，医院通常会使用关系型数据库（例如Oracle，DB2，MySQL……），其核心诉求是要保障数据的完整性和一致性，确保数据不会因为软硬件故障而遭到损失。此外，随着互联网流量的引入，数据的联机处理量级和效率也成为一个重要的考量。一些医院为提升联机事务的处理效率，引入分布式数据库以满足互联网流量下高并发访问的需求。 第二象限 ：数据整理 每个医院有很多不同的业务系统，这些系统会采用相对独立的数据库来存储和处理不同的业务数据。通常系统使用的关系型数据设计容量有限，需要定期把历史数据清理到中心数据仓库，从而确保联机交易处理的快速高效。中心数据仓库是为了存储各个独立系统的历史全量数据，同时汇集各个系统的数据，因而在设计上会采用分布式可扩展的技术架构，通过例如Hadoop, Spark等技术保证可以用低廉的成本，对整个集群容量和处理能力进行无缝扩展。 第三象限 ：数据分析 用户需要利用数据资产创造价值。首先，来自各个分立系统的历史全量数据可以进行关联查询，通过批量处理构建不同维度的数据分析表，驱动BI和报表展示。然后，基于全量数据的探索式分析，可以对各个系统的数据执行相关性分析，依赖先进的机器学习算法发掘新的商业规则，并利用数据规律影响指导决策。 第四象限 ：数据决策

本文来自 网易云社区 。 大数据的分析和挖掘在医疗领域的应用包含很多的方向，比如临床操作的比较效果研究、临床决策支持系统、医疗数据透明度、远程病人监控、对病人档案的先进分析；临床试验数据分析、个性化治疗、疾病模式的分析等；还有患者临床记录和医疗保险数据集等。 大数据的分析和挖掘技术的运用可以在一定程度上帮助医疗行业提高生产力，改进护理水平，增强竞争力。比如有大数据参与的比较效果研究可以提高医务人员的效率，降低病人的看病成本和身体损害；另外，利用大数据对远程病人的监控也可以减少病人的住院时间，实现医疗资源的最优化配置，在使用远程监护系统实现疾病预防的过程中，不仅能够降低病人出现意外的风险，同时也可以节约医疗资源，创造社会和经济价值。 医疗保健也已经开始慢慢转向利用大数据。例如Dignity Health（尊严健康）是美国最大的医疗健康系统之一，致力于开发基于云的大数据平台，带有临床数据库、社交和行为分析等功能。该平台将连接系统中39家医院和超过9000家相关机构并共享数据，通过他们的大数据应用可以看到一些机会：诸如，个人和群体医疗规划，包括预防性疾病管理；定义和应用最佳病例，减少再入院率；预测败血症或肾衰竭风险，提早进行干预减少负面结果；更好的管理医药成本和阐述；创建工具来改进每个患者的就医体验。 还有Express Scripts（快捷药方）每年通过家庭出诊和药物零售

医疗术语解释： Digital Radiography (CR, DX) 数字X线摄影 Mammography (MG) 乳房X射线照相术 Computed Tomography (CT) 计算机断层扫描 Magnetic Resonance (MR) 磁共振 Positron Emission Tomography PET-CT (PT) 正电子发射计算机断层扫描PET-CT Ultrasonography (US, IVUS) 超声波扫描术 Digital Angiography (XA) 数字血管造影术 Gamma camera, Nuclear medicine (NM) 核医学照相术 Secondary Pictures and Scanned Images (SC) 二次图片和扫描的图像 Structured Reports (SR) 维度钻取 --------------------------------------- 在医院见得比较多的是X线、CT和MRI，至于DR、CR都是X线检查的一种； X线检查是通过X射线照射人体，依据人体各组织器官的密度不同来显像，一般对于胸部和骨骼的检查比较常用。 CT又称计算机断层扫描，可以将人体内部结构分层的扫描出来，全身各个组织器官都适用，对已已发现的阳性病变CT检查也可以更详细的说明病变的部位、范围，准确度较X线更高。

系统描述： 1.系统基于HTML5开发，突破了平台限制，可以在任意移动终端的浏览器上调阅原始海量医学影像图像。 2.客户端无需任何下载安装，直接通过浏览器即可使用，并处理基于DICOM标准的高保真医学影像。 3.支持IOS、android、window、linix等主流操作系统。 4.支持DICOM标准，方便医院原有pacs对接，方便医院临床看图，方便区域医疗、移动医疗。 5.浏览器客户端实现解析和渲染，图像调整窗宽窗位等一切图像操作可在客户端浏览器完成，避免和服务器频繁的交互。 系统主要功能点： 看图方式 支持以序列或者图像的方式展开查看图像，满足用户不同的看图方式 便捷的挂片协议 针对不同的图像类型使用不同的挂片协议，方便用户看图。最大能支持6X6的挂片，在不影响看图质量的基础上方便用户查看图像数比较多的CT或者MR图像 切换序列 支持在挂片上随意的切换某个序列来查看图像 窗宽窗位 支持图像的窗宽窗位的调整。 图像缩放 支持对图像放大或图像缩小的调整 局部放大 支持对图像局部的放大查看，即图像放大镜的功能 图像移动 支持对图像进行移动处理 上下翻转 支持对图像镜像上下翻转镜像处理 垂直翻转 支持对图像镜像垂直翻转镜像处理 图像旋转 支持对图像进行任意角度的旋转处理 图像反色 支持对图像进行反色处理 恢复操作 支持恢复对图像所做过的任何操作，还原未做图像处理的初始化状态 显示文本

PACS系统是通过计算机网络来实现医学图像的获取、存储、传送和管理的综合系统。它基本上替代了传统上对影像胶片的各种繁复操作。该系统在国外于80年代开始起步，在90年代初趋于成熟，目前已在临床中广泛应用。 一、 简 介 笔者所在医院在1998年初开始PACS的调研。根椐国外的有关资料，我们初步将PACS系统分为六个部分：影像实时采集，影像分析，影像查询、管理、存储，图文编辑及打印，远程会诊和系统管理。其中以影像实时采集最为关键，目前国外产品在影像采集方面基本上都是采用基于国际标准的DICOM3接口的医疗设备或者CR设备，而我院的情况是现有2台CT、1台核磁、2台高档彩色B超、1台黑白B超、导管设备以及X光放射设备，这些设备中仅有一台CT、具有DICOM3接口，其余都是模拟信号设备或者照相设备。基于我院的情况，我院的PACS系统制定如下的方案：争取短期内在我院内部建立一个，符合我院现状的综合网络系统，力争既能符合国际的趋势，同时又能使我院现有的设备尽可能多地上网。为此，我院计划采用三种采集方式：对于具有DICOM3接口的CT采用数字方式无损采集：对于非DICOM3接口的模拟设备，采用模拟视频的方式采集：对于X光照相设备以及外来胶片、历史胶片，采用扫描的方式采集，将这三种方式综合在整个系统中。这样有效地支持DICOM3的同时覆盖了医院几乎所有医疗影像设备。 根据我院的设计要求

整理了最近几年看过的研究创新的书15本，2010年看过的3本直接把书评搬到这个索引里来了，没有更详细的点评，《大爆炸式创新》没看过但是认为比较重要的。《闪电式扩张》是新增的，这本书尝试找出硅谷巨头爆炸式增长的原因，我的感觉是作者把爆炸式增长换了个说法当成了原因，不过书中总结的爆炸式增长过程中的管理经验技巧还是有参考价值。 硅谷巨头高速增长的秘诀：3星|《闪电式扩张》 作者是Paypay创业团队成员，领英创始人，混迹硅谷的投资人。本书英文版版权是2018年的，算比较新的书。 作者认为，硅谷诞生众多高增长巨头的秘诀是：闪电式扩张。这些巨头在公司规模很小的时候，看到机会，找到资本支持，违背商业常识，不计后果去扩张，目标是取得闪电式增长。 作者认为，闪电式扩张不仅适用于创业公司，大公司也可以用。关键是要找到好的商业机会，集中资源去扩张业务。 作者坦承，闪电式扩张风险极大，有可能耗尽资源没达到目标，有可能方向错误导致市场失利。 作者总结了闪电式扩张的9条反直觉规则，比如“接受混乱”，“聘用适合当前而不是将来的人才”，“忽略客户反馈”等，都限于事后诸葛亮的范畴，没给出实际使用这些原则的闪电式扩张案例。 书中的闪电式扩张案例，基本以硅谷巨头为主，领英、AirBnb也没少提。 总体评价3星，有参考价值。 2.5星|李善友《第二曲线创新》：颠覆式创新相关资料与案例汇编 基本思想是克里斯坦森

1临床信息系统 HIS是以事务管理为主要内容，它的功能明确，数据易于结构化，其采集、处理方法简单而固定。例如患者的医疗费用管理，药品的库存、发放管理，人事档案管理。 CIS以医疗过程为主要内容，而医疗过程是一个基于医学知识和医疗经验的推理、决策的智能化过程，由于面对的患者个体性强而重复性差，数据不易结构化，其采集及处理涉及到医学知识的表达和应用，医疗经验以及决策化支持，因此较之HIS更加复杂和困难。例如电子病历、专家诊疗系统。 2 CIS与HIS既相互区别，又相互依存、相互关联，例如住院登记属HIS，但它所采集的病人一般信息是CIS的信息基础。再如，在HIS和CIS中我们都涉及了实验室信息系统(Laboratory Information system，LIS)，但在HIS中，主要注重申请--检查--结果的事务性过程中对数据和信息流的管理，以及自动划价收费管理。而在CIS中，更注重信息在临床诊断、治疗中的作用，例如将检验结果与电子病历中的症状、体征信息进行综合分析，经临床支持系统，做出诊断或制定治疗计划。 所以，在完整的LIS、NIS(Nurse Information system，护理信息系统)等信息系统中都会涉及二方面内容。第一是对一般性信息的管理，例如姓名、年龄、化验数值、价格等；第二是对医学专业知识信息的采集、处理和智能分析。前者应归入HIS，后者应归入CIS

本作品禁止任何人/企业申请专利，禁止任何人使用本作品参加任何比赛或作为毕业设计，如使用本作品源码进行商业用途务必联系作者。 一.科学性 1.研究意义 信息科技经过 60 余年的发展，已经普及到社会生活的每一个角落。随着信息技术在国家治理、经济运行的方方面面的应用，大量的数据随之产生。而互联网技术的爆发式发展使得近年来产生的数据总量超过了人类以往产生的历史数据的总和，医疗行业的数据增长幅度尤为突出。 医疗大数据具有巨大的价值,尤其是在临床辅助诊疗和健康管理方面。医疗大数据已经上升到国家战略，同时也是全球学术界与产业界竞争的研究热点。如何利用这些医疗数据，挖掘数据的深层价值，是未来信息科技发展的趋势，也是医疗大数据技术产生的背景。 本项目利用知识图谱将各种琐碎、零散的医疗信息知识相互连接，以支持综合型知识检索问答、辅助决策和智能医疗诊断。精准医学知识与大数据相结合，能够利用庞大的全人类对疾病的理解和医生的经验形成知识库，让医生能够通过大数据的信息系统直接根据病人的个体实际情况来对他们进行针对性的诊断和治疗，辅助医生的诊疗过程，使得普通医生也能够像最好的资深医生一样为病人提供高质量的诊疗服务。 本项目结合知识图谱和医疗大数据技术，可以帮助患者自我评估病情，帮助医生找到最佳治疗方案，提高医生工作效率和诊疗质量，为慢病患者提供远程指导和干预。 2.医疗大数据的爬取与存储 (1)

随着中国互联网网站的的快速发展，至今医疗行业已经拥有了独立的的运营网站，其中最具特色的便属于医疗在线客服咨询系统，医疗在线客服咨询系统为每个访问网站的患者提供即时的网络在线客服服务。医疗在线客服咨询系统具有以下特点： 1.咨询系统界面功能明确 咨询界面简单明了，患者一目了然，了解点击界面就可以与客服进行沟通，最大程度地方便患者咨询。 2.无需患者安装插件或软件 医疗在线客服系统如果需要要求患者下载软件或者安装插件，会影响到客服系统的使用效果，而且大部分的患者也不情愿在自己的电脑安装来源不清楚的插件、软件。患者很抵触打开网页安装提示，因此医疗在线客服系统需要基于web界面，患者只需打开网页咨询窗口即可与客服沟通。 3.客户端占用的资源少，系统负载轻 当医疗网站访问的患者人数众多时，进行在线咨询的患者也会增多，客服系统不够稳定会导致服务器负载过重与网络反应速度慢，影响到患者体验。快商通在考虑到这点的基础上开发的客户端占用资源极小，从而避免了硬件配置低的患者使用困难的问题。 4.医疗客服人员的不受限制 如果患者咨询人数过多的话，一般的医疗网站很容易造成客服应接不暇的局面，通过医疗在线客服系统可以增加客服的坐席，保证患者咨询能得到及时有效地解决，同时提高医疗机构办公效率。 5.可以掌握患者实时信息数据 通过客服系统，医疗客服人员能即时监控患者，了解患者搜索的关键词、患者信息等数据

Python分布式爬虫打造搜索引擎 基于Scrapy、Redis、elasticsearch和django打造一个完整的搜索引擎网站 https://github.com/mtianyan/ArticleSpider 未来是什么时代？是数据时代！数据分析服务、互联网金融，数据建模、自然语言处理、医疗病例分析……越来越多的工作会基于数据来做，而爬虫正是快速获取数据最重要的方式，相比其它语言，Python爬虫更简单、高效 一、基础知识学习: 1. 爬取策略的深度优先和广度优先 目录： 网站的树结构 深度优先算法和实现 广度优先算法和实现 网站url树结构分层设计: bogbole.com blog.bogbole.com python.bogbole.com python.bogbole.com/123 环路链接问题： 从首页到下面节点。 但是下面的链接节点又会有链接指向首页 所以：我们需要对于链接进行去重 1. 深度优先 2. 广度优先 跳过已爬取的链接 对于二叉树的遍历问题 深度优先(递归实现)： 顺着一条路，走到最深处。然后回头 广度优先(队列实现): 分层遍历：遍历完儿子辈。然后遍历孙子辈 Python实现深度优先过程code： def depth_tree(tree_node): if tree_node is not None: print (tree_node._data