【正文】 致謝 本文部分受到中國國家科學(xué)基金會(huì)編號 91318301,和 61321491 的撥款；科技部的國家關(guān)鍵技術(shù)研發(fā)項(xiàng)目下 20xx bak21b06 的撥款。通過基于云的架構(gòu)，家庭診斷服務(wù)通過歷史醫(yī)療記錄讓用戶在家就獲得診斷幫助。 而且，隱私問 題是醫(yī)療數(shù)據(jù)應(yīng)用的前提，這引起了許多研究人員的注意。同時(shí)，這個(gè)結(jié)果被存儲(chǔ)在糖尿病決策知識庫以作為未來診斷的依據(jù)。盡管解決的問題千差萬別，但是提供一種普遍的醫(yī)療服務(wù)，改善醫(yī)療服務(wù)使我們的共同目標(biāo)。比如健康庫 (HealthVault, 20xx。處理大數(shù)據(jù)的挑戰(zhàn)主要體現(xiàn)于大規(guī)模數(shù)據(jù)存儲(chǔ)和高效知識挖掘技術(shù)。為了判斷他可能感染了哪種疾病 , ,李可以查看與一組癥狀和疾病結(jié)果相關(guān)的每個(gè)診斷路徑。對于這 7 種疾病 ,都包含“呼吸困難”和“咳嗽”癥狀。根據(jù)我們的檢索結(jié)果 ,有 49 個(gè)醫(yī)療記錄與李的查詢相匹配。他想獲得一些關(guān)于他的疾病的預(yù)備知識，這樣他就可以知道他應(yīng)該在醫(yī)院的哪一部門提前預(yù)約。例如 ,在這個(gè)測試用例中 ,M = 3 是最優(yōu)選擇。原因是索引文件的大小是固定的 2G(RAM)和 CPU 不必因?yàn)?I / O 交換操作浪費(fèi)大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 23 時(shí)間。因此 ,添加更多的搜索節(jié)點(diǎn)將會(huì)導(dǎo)致資源浪費(fèi)。 當(dāng) N≤3,每個(gè)搜索節(jié)點(diǎn)的 RAM(2GB)小于索引碎片的大小 ( 2GB)。每一行的第 i個(gè) (1≤ i≤ N)搜索節(jié)點(diǎn)包含第 i個(gè) (1≤ i≤ N)索引碎片。把醫(yī)療記錄轉(zhuǎn)換為 Lucene 文檔后， Lucene文檔的大小也是 14GB。其他 3 個(gè)人電腦是用來實(shí)現(xiàn)一個(gè)調(diào)度集群、數(shù)據(jù)分析集群以及集群訪問控制的功能。圖 9 描述了原型框架。具體來說，基于 Lucene 的分布式搜索集群是通過一系列實(shí)驗(yàn)嘗試來評價(jià)的。 (1)具有最小的服務(wù)錯(cuò)誤率值得訪問控制節(jié)點(diǎn)被選中并通過利用節(jié)點(diǎn)選擇算法來進(jìn)行隱私信息的過濾。然后他 /她就可以檢查每一個(gè)標(biāo)識了“發(fā)燒”和“咳嗽”的診斷路徑以查看是否有其他有用的癥狀來區(qū)分這些可能的疾病。它可以被哈斯圖所代替。 疾病癥狀點(diǎn)陣計(jì)算 為了使得 節(jié)中計(jì)算得到的形式概念的層次關(guān)系可視化，一個(gè)偏序的關(guān)系揭示了具有相同癥狀的疾病之間的關(guān) 系和其底層結(jié)構(gòu)。E 疾病集所共有的癥狀集合是 39。 FE 概念中， 39。39。F 的共同疾病 CE 可以被定義為： }),(,|e{)( 39。交叉表的行代表疾病，列代表癥狀，符號√代表的是一個(gè)癥狀是否適用于一種疾病的一種二進(jìn)制關(guān)系。然后 ,三個(gè)步驟會(huì)進(jìn)行以分析具有相同癥狀的疾病之間的關(guān)系 ,即形式內(nèi)容構(gòu)建、形式概念 計(jì)算以及疾病癥狀點(diǎn)陣計(jì)算。從形式上看，算法 3 說明了醫(yī)療記錄檢索的執(zhí)行過程。同時(shí)基本信息過濾也會(huì)運(yùn)行以過濾一些男性的或非成年病人的記錄。 定義 3（用戶查詢）一次用戶查詢可以定義為一個(gè)三元組（基本信息，疾病癥狀）。在從目標(biāo)用戶收到相關(guān)聯(lián)的一組癥狀查詢 ,負(fù)載平衡器將轉(zhuǎn)發(fā)查詢給某個(gè)調(diào)度程序。在每次節(jié)點(diǎn)選擇循環(huán)中，調(diào)度程序會(huì)把查詢轉(zhuǎn)發(fā)給每列中 SFR ij 最小的搜索節(jié)點(diǎn) ij，并且 SFR ij 會(huì)增加 1。不失一般性，搜索節(jié)點(diǎn)集群的節(jié)點(diǎn)選擇將被討論以說明動(dòng)態(tài)節(jié)點(diǎn)選擇算法的合理性。索引文件會(huì)記錄用戶 ID 和相關(guān)的用戶域之間的關(guān)系。 （ 5）訪問控制集群 正如上述節(jié)中所討論的 ,類似的醫(yī)療記錄返回給目標(biāo)用戶作為一個(gè)更詳細(xì)的家庭診斷依據(jù)。對于每次用戶查詢，一個(gè)搜索節(jié)點(diǎn)會(huì)被調(diào)度程序從每一列中選取以進(jìn)行醫(yī)療記錄檢索。當(dāng)醫(yī)療記錄被返回，它會(huì)合并檢索結(jié)果并把合并的結(jié)果轉(zhuǎn)發(fā)給數(shù)據(jù)分析集群的數(shù)據(jù)分析節(jié)點(diǎn)以建立疾病癥狀大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 11 點(diǎn)陣。 圖 5 三種索引文件的數(shù)據(jù)結(jié)構(gòu) 在線分布式搜索集群 分布式搜索集群的關(guān)鍵組件 如圖 2 所示，基于 Lucene 的在線分布式搜索集群由五個(gè)主要組件組成，分布式搜索集群 = {負(fù)載平衡器 ,調(diào)度集群，搜索節(jié)點(diǎn)集群 ,集群數(shù)據(jù)分析 ,訪問控制集群 }。 細(xì)節(jié)檢索文件。每個(gè)值都包括一組 CR ids（臨床數(shù)據(jù)的 cIDs ）和將被檢索的原始的癥狀集合的 ID；然而關(guān)鍵是這些原始癥狀集合的 BF 簽名。此外 ,h2(熱 )= 6,h2(咳嗽 )= 2,h2(呼吸困難 )= 9。如圖 1 所示 ,癥狀的描述是一個(gè)字符串 ,由特定的分離器分離出來。根據(jù)分布式搜索集群中搜索節(jié)點(diǎn)的列的數(shù)量 (., N),每個(gè)映射節(jié)點(diǎn)會(huì)將索引文件分為 N 個(gè)部分。對 XML 的醫(yī)療記錄 ,我們解析他們以建立相應(yīng)的 Lucene 文檔。換句話說，存儲(chǔ)在一排搜索節(jié)點(diǎn)集群中的每個(gè)節(jié)點(diǎn)中的索引文件組成了一個(gè)完整的索引文件。此外，四個(gè)簇以及一個(gè)負(fù)載平衡器包括在在線分布式搜索群集。從大規(guī)模和不斷增長的醫(yī)療記錄中搜索類似病歷需要按需數(shù)據(jù)存儲(chǔ)模型和彈性可擴(kuò)展性以管理高峰期進(jìn)入家庭診斷服務(wù)的權(quán)限。 3 云計(jì)算框架下的家庭診斷服務(wù) 應(yīng)用場景 在本文中，我們提出了一個(gè)基于云計(jì)算的框架來實(shí)現(xiàn)家庭診斷服務(wù)，從歷史醫(yī)療記錄中提取一些診斷的幫助提供給用戶。索引是負(fù)責(zé)建立索引文件從最初的文件轉(zhuǎn)化 Lucene 的文件，以方便快速上網(wǎng)查詢。當(dāng)所有的映射任務(wù)完成 ,減少階段開始的中間數(shù)據(jù)具有相同關(guān)鍵是聚合。 Bahga and Madisetti, 20xx)是一個(gè)云計(jì)算框架，用來運(yùn)行內(nèi)置商用硬件大型集群應(yīng)用程序。 （ 2）患者簡況：患者簡況通常包括病人的病史，包括疾病史，手術(shù)史，輸血史，以及過敏史等等?；谠朴?jì)算框架的家庭診斷服務(wù)的評價(jià)將在第 5 部分被討論。然后醫(yī)療記錄匹配用戶的疾病癥狀 ,性別和年齡在步驟 2 中檢索。另一個(gè)是如何提取有用的診斷知識來幫助李從大量檢索出來的醫(yī)療記錄中弄清楚可能感染了什么疾病。他去醫(yī)院進(jìn)行診斷之前，希望通過互聯(lián)網(wǎng)初步診斷，這樣就能知道他可能患有哪種疾病。連云港是中國江蘇省的一個(gè)城市，靠近上海。(Rashidi and Cook, 20xx。此外，為 了加快醫(yī)療記錄檢索， Hadoop 集群被采用以存儲(chǔ)離線數(shù)據(jù)以及構(gòu)建索引。發(fā)展這樣一種自我護(hù)理的服務(wù)就會(huì)面臨很多挑戰(zhàn)包括高并發(fā)和可擴(kuò)展的的醫(yī)療記錄的檢索，數(shù)據(jù)分析，以及隱私的保護(hù)。有相當(dāng)一部分人會(huì)密切關(guān)注他們的健康希望能獲得預(yù)防性健康檢查或以有類似病歷的病人來指導(dǎo)自己。 Xu et al., 20xx), 云計(jì)算技術(shù)已被廣泛研究，并在大數(shù)據(jù)領(lǐng)域使用 (Canny and Zhao, 20xx。 一個(gè)生動(dòng)的例子 我們討論這個(gè)生動(dòng)的例子是為了突出我們將要提出的問題。 然而問題出現(xiàn)了，就是如何去提供這樣一種自我 保健服務(wù)。為了加快病歷檢索， Hadoop集群被采用已進(jìn)行線下數(shù)據(jù)存儲(chǔ)和檢索庫。第 2 節(jié)討論的病歷初步知識，以及一些關(guān)鍵技術(shù)，如基于云計(jì)算框架中被采用的 Hadoop 的計(jì)算框架和 Lucene 庫。 醫(yī)療記錄 定義 1（醫(yī)療記錄）從形式上看，電子病歷是去網(wǎng)絡(luò)由三元組定義： EMR=（病人數(shù)據(jù)，病人簡況，臨床資料） (Zhang et al., 20xx。另外，癥狀相同，同樣的性別和年齡相仿的患者傾向于感染類似疾病。在映射階段 ,從分布式系統(tǒng) (如 HDFS)讀取 數(shù)據(jù) ,在一組集群中的計(jì)算節(jié)點(diǎn)之間分區(qū) ,并將節(jié)點(diǎn)作為一組鍵值對。同時(shí) ,MapReduce 計(jì)算框架用于 離線批處理索引構(gòu)建工作。然后 Lucene 文檔被存儲(chǔ)為塊文件在 Hadoop 的 HDFS 集群。同時(shí) ,醫(yī)療記錄返回給目標(biāo)用戶以獲得更詳細(xì)的參考。簡而言之 ,HDFS 是用于存儲(chǔ)索引文件和大量醫(yī)療記錄中轉(zhuǎn)換過來的 Lucene 文檔 。在我們的提案中，基于云計(jì)算框架的可擴(kuò)展性可以通過動(dòng)態(tài)添加或刪除在每個(gè)集群中的節(jié)點(diǎn) 來獲得。具體地說 ,我們使用 Hadoop 集群進(jìn)行 Lucene 文檔存儲(chǔ)、并行索引構(gòu)建 ,以及相關(guān)索引文件存儲(chǔ)。我們采用 MapReduce 計(jì)算框架進(jìn)行批量索引構(gòu)建。這里，我們還是用 節(jié)的例子來解釋每個(gè)索引文件的內(nèi)容。對于圖 1 中所示的醫(yī)療記錄示例，假設(shè) m的值設(shè)置為 10，并且分別有兩個(gè)離散函數(shù) h1 和 h2。否則 dS 將被安全的刪除。概要文件檢索記錄了醫(yī)療記錄的一些關(guān)鍵部分，用于過濾掉不相關(guān)的醫(yī)療記錄。圖 5 中羅列了 Lucene文檔的一些字段，它是從圖 1 的醫(yī)療記錄轉(zhuǎn)換過來的。 （ 2）分配調(diào)度集群 為了支持高并發(fā)的用戶查詢，一個(gè)分配調(diào)度集群是由 K 個(gè)調(diào)度程序組成的。 （ 3）搜索節(jié)點(diǎn)集群 搜索節(jié) 點(diǎn)集群是一個(gè)彈性和可擴(kuò)展的搜索矩陣 ,由 N M 搜索節(jié)點(diǎn)組成 (每個(gè)搜索節(jié)點(diǎn)包含索引碎片 ,并通過采用 Lucene 搜索庫功能開展實(shí)時(shí)醫(yī)療記錄檢索 )。并且用戶沒有提供的癥狀可以用來區(qū)分疾病分類。動(dòng)態(tài)域中的信息可以通過相應(yīng)域的角色獲得。對于節(jié)點(diǎn)選擇，一種樸素的方法是采用循環(huán)調(diào)度算法，這樣每個(gè)節(jié)點(diǎn)都會(huì)輪流被選中。 這里 ,在第 i(1 i N)個(gè)最小堆棧的第 j(1 j M)個(gè)元素就是搜索節(jié)點(diǎn) nS 服務(wù)失敗率的值。家庭診斷服務(wù)的實(shí)現(xiàn)由 4 個(gè)步驟組成（如圖 7 所示）。 在下面的討論中，我們將討論家庭診斷服務(wù)的 4 個(gè)步驟的細(xì)節(jié)。 在收到用戶查詢時(shí) ,負(fù)載平衡器根據(jù)其選擇規(guī)則將查詢轉(zhuǎn)發(fā)到一個(gè)調(diào)度程序。（ 4）通過 iS ，在反向檢索文件中的每個(gè)布隆簽名 BFcR 會(huì)被掃描，并與 iS 比較 。 Wu et al., 20xx。下面給了形式內(nèi)容的一個(gè)例子。39。 定義 7（形式概念）內(nèi)容（ E,F,R）的形式概念可用一對 ),)(,( 39。)( EFCE ? 。 FE 概念中， 39。此外 ,{胸膜炎、結(jié)核、流感、肺炎 }是程度的集合 。 此外，部分排序可以被認(rèn)為是 subsuper 關(guān)系。同時(shí)，與每個(gè)路徑相聯(lián)系的是相關(guān)的癥狀和診斷結(jié)果，已用紅色標(biāo)出。然而 ,醫(yī)療記錄是隱私數(shù)據(jù) ,這是受法律保護(hù)的。（ 3）最后，調(diào)度程序會(huì)把細(xì)節(jié)索引文件中的動(dòng)態(tài)域的信息返回給目標(biāo)用戶。一個(gè)基于 Lucene 的分布式搜索集群是由21 臺(tái) PC 部署在一起實(shí)現(xiàn)在線用戶查詢處理的功能。集群是在紅帽企業(yè)的 linux 服務(wù)器 ， java 和 (Apache Hadoop, 20xx)的環(huán)境 下運(yùn)行的。不失一般性，相對于搜索節(jié)點(diǎn)集群的大小，我們研究了基于云計(jì)算框架的可擴(kuò)展性。而概要索引文件和詳細(xì)的索引文件被谷歌的 snappy 壓縮機(jī)壓縮 (Arroyuelo et al .,20xx)。平均延時(shí)， CPU 的利用率和 I/O 口的等待時(shí)間會(huì)被記錄。從表 5 中 ,我們可以看到當(dāng) N 3,隨著每行的搜索節(jié)點(diǎn)的增加 ,CPU 利用率和延遲不會(huì)改變很多。（相應(yīng)地， M 為 1,2,3， 4,5,6）同樣，有 50000 次查詢會(huì)通過在客戶端初始化的 6 個(gè)并發(fā)進(jìn)程被連續(xù)地發(fā)送到調(diào)度節(jié)點(diǎn)。如表 6 中所示，當(dāng) M 4,它導(dǎo)致 CPU 資源浪費(fèi) ,因?yàn)橄啾扔谠黾拥?M 延遲并不會(huì)減少太多。 家庭診斷服務(wù)的 一個(gè)運(yùn)行示例 為了更好地描述家庭診斷服務(wù)為用戶提供的自我護(hù)理服務(wù)，我們在本節(jié)中會(huì)討論一個(gè)運(yùn)行示例。因此 ,李的查詢可以這樣表達(dá)，查詢 =({男 ,成人 },{呼吸困難、咳嗽 })。 形式內(nèi)容構(gòu)建 表 7 形式內(nèi)容的運(yùn)行示例 首先 ,疾病類別和相關(guān)疾病癥狀從 檢索到的醫(yī)療記錄中提取。而且圖 11 展示的疾病癥狀點(diǎn)陣會(huì)被一個(gè) Hasse 表所替代。與急性膿胸相關(guān)的醫(yī)療記錄為李做出正確的診斷提供一個(gè)更詳細(xì)的參考。棱鏡模型可以為數(shù)據(jù)科學(xué)家提供可重復(fù)的語義和源數(shù)據(jù)。而且在系統(tǒng)中提到了一種醫(yī)療問卷平臺(tái)來幫助老年人通過問卷形式運(yùn)行自我診斷。 (Jackson, 1998。我們的設(shè)計(jì)中所獲得的知識（即疾病癥狀點(diǎn)陣）是在線和動(dòng)態(tài)計(jì)算的，它提供了實(shí)時(shí)的、更客觀的診斷幫助。不同于研究工作，我們認(rèn)為家庭 診斷服務(wù)的提供者不會(huì)曝光病人的隱私。在我們的未來工作中，我們會(huì)把家庭診斷服務(wù)植入到正在發(fā)展中的醫(yī)療健康信息云平臺(tái)項(xiàng)目中，把自我護(hù)理服務(wù)提供給更多的連云港市民，并支持一些潛在的客戶包括外科醫(yī)生獲取一些診斷的參考。n, M., Suel, T., 20xx. To index or not to index: timespace tradeoffs in search engines with positional ranking functions. In: Proceedings of the 35th International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 255–264. [5] Bahga, A., Madisetti, ., 20xx. Analyzing massive machine maintenance data in a puting cloud. IEEE Trans. Parallel Distributed Syst. 23 (10), 1831–1843. [6] Belohlavek, R., Vychodil, V., 20xx. Formal concept analysis with background knowl edge: attribute priorities. IEEE Trans. Syst. Man Cybern. Part C: Appl. Rev. 39 (4), 399–409. [