【正文】 我們用從連云港一家醫(yī)院的呼吸醫(yī)學(xué)部門 的 100 個(gè)醫(yī)療記錄作為我們原型實(shí)現(xiàn)的數(shù)據(jù)集。通過這些，隱私敏感信息就不會(huì)曝光給目標(biāo)用戶。因此 ,類似的醫(yī)療記錄返回到目標(biāo)用戶之前，超出了目標(biāo)用戶的訪問權(quán)限的隱私敏感信息應(yīng)該被過濾 ,避免曝光病人的隱私。通過這個(gè)，用戶可以區(qū)分可能的疾病并且判斷他 /她可能感染了哪一種疾病。根據(jù)這個(gè) subsuper 關(guān)系排序 ,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) 18 它通過在上下文的概念定義了一個(gè)完整的點(diǎn)陣。{發(fā)燒、咳嗽 }是唯一的現(xiàn)象。F 癥狀集所共有的疾病集合是 39。而且，在 ),( 39。39。 RfeEeFECF ????? 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) 17 定義 6（共同實(shí)體）類似的，給定一個(gè)癥狀集合 FF?39。 示例（形式內(nèi)容）表 3 中展示了一個(gè)簡單的例子。 Crampes et al., 20xx).FCA 會(huì)被采用以顯示具有相同癥狀的不同疾病分類之間的潛在關(guān)系。如果 BFcR ∧ iS = iS ，那么在 jcRe 中記錄的具體的癥狀會(huì)與 iQ 中記錄的癥狀相比較以確保 jcRe 包含 iQ 中所有的癥狀。然后被選擇的調(diào)度程序會(huì)利用算法 2，將用戶查詢轉(zhuǎn)發(fā)到分布式搜索集群的N 個(gè)搜索節(jié)點(diǎn)。為了簡化討論，表 2 總結(jié)了一些關(guān)鍵術(shù)語。包括查詢提交，醫(yī)療記錄檢索，數(shù)據(jù)分析和返回的結(jié)果中隱私信息的過濾。 圖 6 調(diào)度程序節(jié)點(diǎn)選擇算法的流程圖 定義 2（服務(wù)失敗率， SFR）對于每個(gè)搜索節(jié)點(diǎn)，它的服務(wù)失敗率是由給定大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 13 時(shí)間內(nèi)無法響應(yīng)的查詢的數(shù)量決定的。然而 ,循環(huán)調(diào)度算法的可擴(kuò)展性較差 ,因?yàn)樗豢紤]每個(gè)節(jié)點(diǎn)的不同的服務(wù)能力。而靜態(tài)域中的信息是不可獲取的。在我們的提案中，數(shù)據(jù)分析集群旨在從檢索到的醫(yī)療記錄中計(jì)算疾病癥狀的點(diǎn)陣。每一行的第 i個(gè) (1 i N)搜索節(jié)點(diǎn)包含完整的索引文件的第 i個(gè)碎片 ,如 節(jié)中討論。每個(gè)調(diào)度程序負(fù)責(zé)搜索節(jié)點(diǎn)集群、數(shù)據(jù)分析集群和訪問控制集群之間的協(xié)調(diào)。由于空間限制，我們不詳細(xì)列出所有字段索引。在我們的例子中，病人的性別、年齡將被記錄以過濾一些記大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 10 錄。受益于位操作，所有的在關(guān)于簽名的計(jì)算都是非常有效的。則布隆過濾器簽名計(jì)算如下 : (1)癥狀組中的癥狀 = {發(fā)熱、咳嗽、呼吸困難 },其散列值被計(jì)算出來。 反向索引文件。圖 4 描述了 MapReduce框架來構(gòu)建索引文件的流程圖。 分布式數(shù)據(jù)存儲(chǔ)模型 正如初步知識(shí)那一節(jié)討論的，醫(yī)療記錄是作為 XML 文件存儲(chǔ)在文件系統(tǒng)或是 RDMBs 的關(guān)系記錄。兩個(gè)集群之間的關(guān)系的分析如下。而MapReduce 計(jì)算模型用于平行索引構(gòu)建 。此外 ,返醫(yī)療記錄返回到目標(biāo)用戶之前，隱私信息在醫(yī)療記錄會(huì)被過濾 ,以避免暴露醫(yī)療記錄中的敏感隱私數(shù)據(jù)。 此外 ,為支持快速在線醫(yī)療記錄搜索、MapReduce 任務(wù)在每個(gè) Lucene 文檔創(chuàng)建索引時(shí)被初始化。 Lucene:信息檢索庫 Lucene 是一個(gè)高性能，可擴(kuò)展的信息檢索（ IR）庫，并通過 Apache 軟件基金會(huì)授權(quán)的開源項(xiàng)目 (Ochoa and Duval, 20xx。映射任務(wù)過程的輸入 ,你記錄相互獨(dú)立的和中間結(jié)果作為鍵 值對。基于此觀察，使用者在在類似的醫(yī)療記錄檢索需要提供疾病癥狀，性別和年齡，如圖 1 三個(gè)紅色圓圈所示。 Li et al., 20xx)?；谠朴?jì)算架構(gòu)的家庭診斷服務(wù)將在第 3 節(jié)介紹。（ 2）更具體來說，家庭診斷服務(wù)的實(shí)現(xiàn)由四個(gè)步驟組成。具體來說，這個(gè)問題主要包含以下三點(diǎn)。 假設(shè)有一個(gè)名叫李 某的患者，有一天生病了。 Cheng et al., 20xx), 許多醫(yī)療保健服務(wù)已經(jīng)遷移到云環(huán)境。而且，隨著人口老齡化的成長，有些為老年人的慢性疾病監(jiān)測也應(yīng)在日常生活中進(jìn)行。在本文中，我們提出了一個(gè)基于云計(jì)算的架構(gòu)來實(shí)現(xiàn)自我護(hù)理服務(wù)稱為家庭診斷以解決上述挑戰(zhàn)。具體而言，一個(gè)基于 Lucene 的分布式搜索集群被設(shè)計(jì)出來旨在支持高并發(fā)和可擴(kuò)展的病歷檢索，數(shù)據(jù)分析和隱私保護(hù)。因此，為了滿足“ SHS”群體和人口老齡化的需求，按需自助服務(wù)應(yīng)該被發(fā)展以幫助人們可以在家方便地獲得疾病預(yù)防知識(shí)。更具體來說，本文提出的研究報(bào)告是為連云港衛(wèi)生局建立一個(gè)基于大型研究項(xiàng)目的醫(yī)療信大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 2 息云平臺(tái)。并且他知道他的癥狀包括“高燒”和“呼吸困難”。第一點(diǎn)是如何根據(jù)李某的疾病癥狀在大規(guī)模和不斷增加的醫(yī)療記錄中提供實(shí)時(shí)在線醫(yī)療記錄檢索。首先 ,用戶提交查詢有關(guān)他 /她的疾病信息。第 4 節(jié)介紹了家庭診斷服務(wù)是如何為用戶提供了診斷援助的細(xì)節(jié)。每個(gè)元素的內(nèi)容如下： （ 1）病人數(shù)據(jù)：患者數(shù)據(jù)包括患者的基本信息，如患者的姓名，性別，出生年月日等 。 Hadoop： HDFS 和 MapReduce 框架 Hadoop (Ekanayake et al., 20xx。中間結(jié)果存儲(chǔ)在本地磁盤上運(yùn)行的節(jié)點(diǎn)映射任務(wù)。 Hatcher et al., 20xx). 它被廣泛應(yīng)用于許多搜索應(yīng)用，如 NetFlix, Digg, MySpace, LinkedIn 等等 (Apache Lucene, 20xx). Lucene 的核心部件是索引和搜索。索引階段后 ,索引文件也存儲(chǔ)在 Hadoop 的 HDFS 集群。我們的家庭診斷服務(wù)旨在通過相似的歷史醫(yī)療記錄為用戶提供自我護(hù)理服務(wù)。 （ 2）網(wǎng)上分布式搜索簇設(shè)計(jì)用于處理高并發(fā)和可擴(kuò)展方式的用戶查詢。一旦完成索引構(gòu)建，一個(gè)完整的索引文件就變分成 N 個(gè)片，此外，第 i個(gè)（ 1 i N）的索引片被分配給在分布式搜索群集的每一行的第 i個(gè)（ 1 i N）的搜索節(jié)點(diǎn)。 圖 3 家庭診斷服務(wù)的文檔存儲(chǔ)模型 根據(jù) Lucene 的性質(zhì) ,所有醫(yī)療記錄在索引階段之前都應(yīng)該轉(zhuǎn)移到由字段值對組成的 Lucene 文檔。首先 ,每個(gè)文檔塊被分為若干個(gè)分區(qū) ,映射節(jié)點(diǎn)為給定文檔分區(qū)建立索引。反向索引文件記錄癥狀集和相應(yīng)的醫(yī)療記錄 ID 之間的映射關(guān)系。 h1(熱 )= 5,h1(咳嗽 )= 6,h1(呼吸困難 )= 7。 BF 索引文件是由鍵值對組成的，并以序列文件存儲(chǔ)于 HDFS 中。這些記錄中患者的性別和年齡是與目標(biāo)用戶的查詢條件所不符的。請注意 ,根據(jù) Lucene 索引構(gòu)建的可配置特性，所有字段在Lucene 可以很容易地從細(xì)節(jié)索引文件中添加或刪除。具體地 說，從負(fù)載平衡器收到用戶查詢之后，一個(gè)調(diào)度程序會(huì)從搜索節(jié)點(diǎn)集群的每一列選擇一個(gè)搜索節(jié)點(diǎn)執(zhí)行實(shí)時(shí)的醫(yī)療記錄檢索。為了實(shí)現(xiàn)高并發(fā)的實(shí)時(shí)醫(yī)療記錄檢索， M1 個(gè)搜索節(jié)點(diǎn)被復(fù)制到每排的每個(gè)節(jié)點(diǎn)。關(guān)于如何計(jì)算疾病點(diǎn)陣的細(xì)節(jié)我們將在后續(xù)的章節(jié)討論。 在我們的設(shè)計(jì)中，每個(gè)訪問控制集群中的節(jié)點(diǎn)都會(huì)通過索引文件存儲(chǔ)用戶的權(quán)限。在這里， 我們提出了一個(gè)合理動(dòng)態(tài)節(jié)點(diǎn)選擇算法，為每次用戶查詢選擇合適的節(jié)點(diǎn)。 SFR ij 的值越小，搜索節(jié)點(diǎn) ij 的服務(wù)質(zhì)量越好。 圖 7 實(shí)現(xiàn)家庭診斷服務(wù)的流程圖 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) 14 步驟 1 查詢提交 在這一步中 ,目標(biāo)用戶提交一個(gè)與他 /她的疾病信息有關(guān)的查詢 ,。 表 2 家庭診斷服務(wù)中的關(guān)鍵術(shù)語 查詢提交 從形式上看，在我們的家庭診斷服務(wù)中，一次用戶查詢可以形式化為定義 3。 醫(yī)療記錄檢索 給定一個(gè)包含一組癥狀的用戶查詢，每個(gè)搜索節(jié)點(diǎn)都會(huì)運(yùn)行布隆簽名過濾去檢索同時(shí)出現(xiàn)“發(fā)燒”和“咳嗽”的醫(yī)療記錄。 （ 2）基本信息過濾 對于經(jīng)過 BF 簽名過濾的醫(yī)療記錄，它的性別和年齡會(huì)與用戶的性別年齡相比較，以過濾掉男性、老年人以及兒童患者。更具體地說 ,疾病名稱以及癥狀會(huì)從 節(jié)中獲得的醫(yī)療記錄中被提取。假設(shè)與 節(jié)搜索到的醫(yī)療記錄相聯(lián)系，疾病集合 E= {胸膜炎、結(jié)核、流感、肺炎 },而癥狀集合F= {發(fā)熱、咳嗽、呼吸困難、胸痛、胸悶 ,盜汗 ,身體疼痛 }。 ,則集合 39。39。39。E ，而 39。另外 ,({肺炎、胸膜炎 },{咳嗽、發(fā)熱、胸痛、呼吸困難 })是這種情況下的另一個(gè)概念。而這個(gè)在本文中被稱為疾病癥狀點(diǎn)陣。在用戶查詢的例子中 ,用戶查詢癥狀“發(fā)燒”和“咳嗽” ,有 4 個(gè)匹配這些癥狀 (如疾病、胸膜炎、結(jié)核、流感和肺炎 )。 根據(jù)節(jié)點(diǎn)選擇算法和 節(jié)中討論的訪問控制策略 ,隱私信息過濾過程包括三個(gè)主要步驟。 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) 20 5 評價(jià) 在這個(gè)部分，一個(gè)原型系統(tǒng)會(huì)被設(shè)計(jì)而且一個(gè)運(yùn)行示例會(huì)演示我們的提案的可擴(kuò)展性和效率。醫(yī)療記錄被存儲(chǔ)為 XML 文檔。此外 ,搜索節(jié)點(diǎn)集群由18 個(gè)人電腦組成一個(gè) 3 * 6 搜索矩陣形式。每個(gè)醫(yī)療記錄的大小是 ，總的大小是 14GB。 對于在線病歷檢索 ,每個(gè)索引文件被分為 N 個(gè)碎片 (N 是搜索節(jié)點(diǎn)集群每一行的搜索節(jié)點(diǎn)的數(shù)量 )。同樣地 ,當(dāng) N≤3, CPU 利用率會(huì)隨著 n 的增加顯著增加，而當(dāng) N 3 時(shí)趨于穩(wěn)定，原因分析如下。 I/ O 等待時(shí)間就會(huì)變得較小 ,而 CPU不必等待 I / O 操作。 從表 6 中，從表 6 中 ,我們可以發(fā)現(xiàn) I/O 等待時(shí)間不會(huì)隨著 M 改變。在實(shí)際應(yīng)用中 ,我們可以根據(jù)實(shí)際并發(fā)數(shù)調(diào)整副本的數(shù)量 (即 M 的值 ),來提高搜索性能。某天，李覺得自己生病了，基本癥狀是“呼吸困難”和“咳嗽”。特別的 ,發(fā)生在女性患者、兒童以及老年人的身上的疾病會(huì)被過濾。交叉表是用來描述形式內(nèi)容 ,如表 7 中所示。此外 ,它證明了李需要其他癥狀來判斷他可能感染的疾病。從大數(shù)據(jù)中挖掘有用的知識(shí)已經(jīng)在學(xué)術(shù)界和工業(yè)界引起了極大關(guān)注。大醫(yī)療數(shù)據(jù)的應(yīng)用也被很多工業(yè)界人士和研究人員所關(guān)注。通過家庭診斷服務(wù)，用戶在家就可以獲得便捷的診斷幫助以判斷他們感染了哪一種疾病。在 (Lee and Wang, 20xx)中，一個(gè)模糊專家系統(tǒng)被開發(fā)用于糖尿病診斷，一個(gè) 5 層的模糊實(shí)體和模糊推理規(guī)則被構(gòu)建以對關(guān)于個(gè)人感染糖尿病的可能性作出判斷。圖形化的點(diǎn)陣對于用戶而言可以更直觀的判斷他們可能患有哪一種疾病。 7 結(jié)論和未來工作 在本文中，我們提出了一個(gè)基于云架構(gòu)的自我護(hù)理服務(wù)稱為家庭診斷。為了實(shí)現(xiàn)靈活的用戶輸入，同義詞問題將出現(xiàn)在我們未來的工作中。 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) 28 參考文獻(xiàn) [1] Ao, N., Zhang, F., Wu, D., Stones, ., Wang, G., Liu, X., Liu, J., Lin, S., 20xx. Ef? cient parallel lists intersection and index pression algorithms using graphics processing units. Proc. VLDB Endowment 4 (8), 470–481. [2] Apache Hadoop, (accessed ). [3] Apache Lucene, (accessed ). [4] Arroyuelo, D., Gonz225。而且，一個(gè)疾病癥狀點(diǎn)陣和相似的醫(yī)療記錄提供了一個(gè)詳細(xì)的診斷依據(jù)以幫助用戶弄清自己可能感染了何種疾病。比如，在 Li et al. (20xx)中，作者提出了一個(gè)關(guān)于個(gè)人醫(yī)療數(shù)據(jù)在云計(jì)算中共享安全的新穎的框架。在 (Gholami et al., 20xx)中，作者通過 利用熟練的臨床醫(yī)生的知識(shí)和經(jīng)驗(yàn)擴(kuò)展了確定性的基于規(guī)則的專家系統(tǒng)。 此外，醫(yī)療應(yīng)用也在專家系統(tǒng)領(lǐng)域被廣泛研究。 Microsoft HealthVault, 20xx)從網(wǎng)上便利的為用戶創(chuàng)建、管理和控制他們的個(gè)人健康數(shù)據(jù)，這使得醫(yī)療信息的存儲(chǔ)、檢索和共享更加高效。由于云計(jì)算的顯著特性 ,如彈性存儲(chǔ)和計(jì)算能力 ,和無處不在的面向服務(wù)的性質(zhì) ,云計(jì)算技術(shù)已經(jīng)被應(yīng)用于大數(shù)據(jù)。根據(jù)每個(gè)癥狀診斷路徑 ,李很容易排除不可能的疾病。在表 7 中 ,一行意味著一種疾病 ,一列表示一種癥狀。 步驟 3 數(shù)據(jù)分析 通過步 驟 2 檢索到 49 個(gè)醫(yī)療記錄之后，數(shù)據(jù)分析節(jié)點(diǎn)會(huì)進(jìn)行數(shù)據(jù)分析來計(jì)算疾病癥狀點(diǎn)陣，這會(huì)揭示具有“呼吸困難”和“咳嗽”這兩個(gè)癥狀的疾病之間的潛在關(guān)系。具體來講，家庭診斷服務(wù)會(huì)進(jìn)行以下 4 個(gè)步驟： 步驟 1 查詢提交 首先 ,李訪問家庭診斷主頁 (見圖 10),提交他的疾病信息。 根據(jù)這兩個(gè)測試用例 ,它表明我們設(shè)計(jì)的搜索節(jié)點(diǎn)集群對應(yīng)于不同的 M 和 N值可以實(shí)現(xiàn)最優(yōu)性能。與此同時(shí) ,隨著 M 的增加 ,平均延時(shí)以及 CPU 利用率也會(huì)相應(yīng)減少。實(shí)際上 ,N 的值是由索引文件的大 小和每個(gè)搜索節(jié)點(diǎn)的內(nèi)存性能決定的 ,正如我們在 節(jié)所討論的。在這種情