【正文】 況下 ,CPU 利用率很小 ,因?yàn)樗鼤?huì)浪費(fèi)時(shí)間等待大量的 I / O 交換操作。 （ 1）相對(duì)于 N 值的性能 表 5 性能關(guān)于 N 的測(cè) 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) 22 在第一個(gè)測(cè)試用例中， M 為定值 1。 Lucene 文檔作為塊文件被存儲(chǔ)在 Hadoop 集群的 HDFS中。每個(gè)電腦配置了 2 個(gè)英特爾 E5400 GHz的處理器，有 2 GB內(nèi)存。 圖 9 原型系統(tǒng)設(shè)計(jì)的框架 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) 21 在圖 9 中 ,Hadoop 集群由 18 節(jié)點(diǎn) (一個(gè)主節(jié)點(diǎn)和 17 個(gè)從節(jié)點(diǎn) )。此外，為了更好地證明家庭診斷服務(wù)為目標(biāo)用戶(hù)提供了診斷的依據(jù)，我們將討論一個(gè)運(yùn)行示例。（ 2）從 調(diào)度程序收到查詢(xún)以后，訪問(wèn)控制節(jié)點(diǎn)會(huì)訪問(wèn)本地索引文件。例如 ,流感和肺炎都有“發(fā)燒”和“咳嗽”癥狀。圖 8（ a）是一張哈斯表展示了表 3 中的內(nèi)容的疾病癥狀點(diǎn)陣。 定義 8（不等式關(guān)系）對(duì)于所有的形式內(nèi)容（ E,F,R）中的概念，一個(gè)不等式關(guān)系“ ? ” 可 以 被 定 義 在 形 式 內(nèi) 容 的 概 念 上 。F 。E 被稱(chēng)為概念的范圍， 39。 FFEEFE ??代替，其中 39。39。 表 3 家庭診斷服務(wù)形式概念的例子 形式概念計(jì)算 給定一個(gè)形式內(nèi)容，形式概念就可以通過(guò)共同特征和公共實(shí)體的定義被計(jì)算。 形式內(nèi)容構(gòu)建 定義 4（形式內(nèi)容） 在家庭診斷服務(wù)中，形式內(nèi)容是指疾病集合 E 和癥狀集合 F 之間的一個(gè)二進(jìn)制的關(guān)系 R。 算法 3 醫(yī)療數(shù)據(jù)檢索算法 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) 16 數(shù)據(jù)分析 通常，用戶(hù)由于缺乏醫(yī)療知識(shí)，只能提供他 /她的一部分癥狀。 （ 1） BF 簽名過(guò)濾 如在第三節(jié)所討論的 ,BF 簽名采用加速癥狀匹配。簡(jiǎn)化時(shí)，它可以被 Q=(BI, DS)替代。 步驟 2 醫(yī)療記錄檢索 調(diào)度程序會(huì)選擇一組搜索節(jié)點(diǎn)通過(guò)利用算法 2 去查詢(xún)與用戶(hù)查詢(xún)相匹配的醫(yī)療記錄。當(dāng) ij 把搜索結(jié)果返回給調(diào)度程序后，SFR ij 就減 1。在搜索節(jié)點(diǎn)集群 ,集群中的每一行搜索節(jié)點(diǎn)構(gòu)成一個(gè)完整的索引文件 ,每一列的搜索節(jié)點(diǎn)都是相同的。而且，我們?cè)O(shè)計(jì)了另一個(gè)索引文件來(lái)存儲(chǔ)用戶(hù)域和與其相關(guān)的細(xì)節(jié)索引文件中的動(dòng)態(tài)字符串之間的映射關(guān)系。然而 ,醫(yī)療記錄是隱私敏感的。通常 ,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 ,而 M 的值是由并發(fā)用戶(hù)查詢(xún)的數(shù)量決定。在把疾病癥狀點(diǎn)陣和醫(yī)療記錄返回給目標(biāo)用戶(hù)之前，它會(huì)授權(quán)訪問(wèn)控制集群過(guò)濾檢索到的醫(yī)療記錄中的隱私敏感信息以保護(hù)患者的隱私。在下面的討論中 ,每個(gè)基本組件的責(zé)任將被展示。細(xì)節(jié)檢索文件是由每個(gè) Lucene 文檔中的字段值對(duì)所組成的，用于數(shù)據(jù)分析并返還給目標(biāo)用戶(hù)。通過(guò) BF 簽名查詢(xún)測(cè)試簽名，大量不合格的數(shù)據(jù)將被刪除。 (2)因此 ,對(duì)于 h1,第一個(gè) 10 位向 量的值是 0001110000,5 日 ,6 日和 7 日根據(jù)散列值設(shè)置為 1。在基于癥狀的醫(yī)學(xué)檢索中，這種樸實(shí)的方法是為了使每個(gè)查詢(xún)中的癥狀集合與索引文件中的每個(gè)癥狀集相匹配。一旦完成映射工作，在每個(gè)映射節(jié)點(diǎn)上的 N 個(gè)碎片會(huì)重組到 reduce 節(jié)點(diǎn)，并完成合并操作。對(duì)于存儲(chǔ)在 RDBMs 的醫(yī)療記錄 ,我們使用 HBase 作為中間件 ,使在多個(gè)關(guān)系數(shù)據(jù)庫(kù)中的“加入”操作更高效。此外，在搜索節(jié)點(diǎn)的集群的第 i個(gè)（ 1 i N）的列中的每個(gè)節(jié)點(diǎn)中包大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 7 含的第 i個(gè)（ 1 i N）的索引碎片的相同副本。相應(yīng)地，（ a）一種搜索由 N M 個(gè)搜索節(jié)點(diǎn)組成的節(jié)點(diǎn)集群被設(shè)計(jì)出來(lái)以進(jìn)行病歷檢索。由于云計(jì)算的顯著特征，如按需存儲(chǔ)，彈性計(jì)算能力，本文提出了基于云計(jì)算框架實(shí)施家庭診斷服務(wù)。更具體來(lái)說(shuō)，家庭診斷服務(wù)，根據(jù)目標(biāo)用戶(hù)的查詢(xún)，允許基于癥狀的病歷檢索。實(shí)際 上， Lucene 的允許應(yīng)用程序在幾乎所有的數(shù)據(jù)源添加搜索能力，包括遠(yuǎn)程 Web 服務(wù)器上的網(wǎng)頁(yè)，存儲(chǔ)在本地大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 5 的文件系統(tǒng)，文本文件， MS Word 文檔， XML 網(wǎng)絡(luò) LES，或任何其他形式，從中我們可以提取文本文件信息。映射任務(wù)處理輸入的相互獨(dú)立的記錄并產(chǎn)生中間結(jié)果作為鍵值對(duì)。 Hadoop 由兩個(gè)主要組件組成。 （ 3）臨床資料：臨床數(shù)據(jù)存儲(chǔ)詳細(xì)的臨床信息，包括癥狀集，病人投訴，現(xiàn)病史，診斷結(jié)果，治療方法等，與患者的每次訪問(wèn)一個(gè)保健醫(yī)生相關(guān)。其中一個(gè)原型系統(tǒng)設(shè)計(jì)討論和一個(gè)運(yùn)行示例會(huì)被提出以證明我們的建議的可擴(kuò)展性和高效率。通過(guò)檢索醫(yī)療記錄，數(shù)據(jù)分析在步驟 3 進(jìn)行，來(lái)計(jì)算疾病癥狀的點(diǎn)陣，揭示疾病常見(jiàn)癥狀之間的關(guān)系。最后一個(gè)是如何避免在病歷隱私信息曝光，因?yàn)獒t(yī)療記錄是隱私的、敏感的。因此，他可以在事先通過(guò)醫(yī)院的主頁(yè)作出合適的預(yù)約。衛(wèi)生局是要搭建一個(gè)平臺(tái)，以收集所有的醫(yī)療信息，如每個(gè)來(lái)自當(dāng)?shù)乇＝♂t(yī)師的醫(yī)療記錄。 Cook et al., 20xx。當(dāng)談及家庭診斷服務(wù)的實(shí)現(xiàn)，我們可以從中獲得相似的歷史醫(yī)療記錄和疾病癥狀點(diǎn)陣，以幫助用戶(hù)查明他們可能感染了哪一種疾病。大量的歷史醫(yī)療記錄這樣的大數(shù)據(jù)使得用戶(hù)進(jìn)行自我護(hù)理服務(wù)成為可能，例如他們自己就可以通過(guò)類(lèi)似的病人的病例來(lái)獲得診斷。 在中國(guó)，處于這個(gè)狀態(tài)的人群數(shù)量已經(jīng)達(dá)到了 9 億人 （ Ding et al., 20xx） 。 (Chaudhuri, 20xx). 由于云計(jì)算的顯著特征，如彈性計(jì)算能力，和普遍的面向服務(wù)的性質(zhì) (Shang et al., 20xx。例如，每個(gè)病人可具有他 /她的個(gè)人健康簡(jiǎn)況，由所有他 /她的臨床與每個(gè)臨床訪問(wèn)相關(guān)聯(lián)的記錄組成。因此，當(dāng)李某去醫(yī)院進(jìn)行診斷時(shí)，將花費(fèi)李和醫(yī)生雙方更少的時(shí)間做出正確的處理，從而提高診斷效率。具體來(lái)說(shuō)，一個(gè)分布式基于 Lucene 搜索集群被設(shè)計(jì)出來(lái)旨在 提供高并發(fā)和可擴(kuò)展的在線醫(yī)療記錄檢索，數(shù)據(jù)分析和隱私保護(hù)功能。 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) 3 本文的組織結(jié)構(gòu) 本文的其余部分安排如下。 2 初步知識(shí) 在本節(jié)中，預(yù)備知識(shí)將被討論，來(lái)介紹醫(yī)療記錄和在基于云的架構(gòu)中應(yīng)用的一些技術(shù)。 一般來(lái)說(shuō)，在日常的診斷中，患者的疾病通常是由他 /她的疾病的癥狀，以及他 /她的年齡和性別確定的。 圖 1 一個(gè) XML 醫(yī)療記錄的例子 （ 2） MapReduce:MapReduce 是并行數(shù)據(jù)處理模型 ,該模型由兩個(gè)階段組成 :Map 和 Reduce。 在我們的提案中 ,HDFS 被采用到分布式存儲(chǔ) Lucene 文件和索引文件。首先 ,醫(yī)療記錄通過(guò)標(biāo)準(zhǔn) Lucene APIs 轉(zhuǎn)換為多個(gè) Lucene 文檔。因此，在疾病癥狀點(diǎn)陣的幫助下，目標(biāo)用戶(hù)很容易排除不可能的疾病而選擇感興趣的。 表 1 基于云計(jì)算架構(gòu)的關(guān)鍵術(shù)語(yǔ) 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) 6 圖 2 基于云計(jì)算架構(gòu)的家庭診斷服務(wù) 如圖 2 所示，云計(jì)算框架由兩個(gè)主要的集群組成，一個(gè)線下的 Hadoop 集群和一個(gè)在線的分布式搜索集群，它由一組四個(gè)集群和負(fù)載平衡器組成： （ 1）大規(guī)模數(shù)據(jù)存儲(chǔ)和并行索引建立采用離線的 Hadoop 集群。（ d）一個(gè)負(fù)載平衡器和一個(gè)由 K 個(gè)調(diào)度器所組成的調(diào)度集群被用于平衡用戶(hù)查詢(xún)的負(fù)載。然后 ,我們?yōu)槊總€(gè)Lucene 文檔建立索引支持快速在線病歷檢索。 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) 8 圖 4 MapReduce 框架下構(gòu)建索引文件的流程圖 離線索引構(gòu)建 為了實(shí)現(xiàn)快速在線用戶(hù)查詢(xún)處理，索引文件建立時(shí)與每個(gè) Lucene 文檔相關(guān)聯(lián)。 而且，我們建立了三種類(lèi)型的索引文件來(lái)進(jìn)行在線醫(yī)療數(shù)據(jù)檢索，包括反向檢索，概要檢索和細(xì)節(jié)檢索。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) 9 算法 1 BF 簽名計(jì)算算法 算法 1 描述了如何為一組癥狀在醫(yī)療記錄中構(gòu)建一個(gè)布隆過(guò)濾器簽名 (BF 簽名 )。 當(dāng)一個(gè)用戶(hù)輸入一組癥狀，它的簽名首先會(huì)由算法 1 生成，并且與每個(gè)醫(yī)療記錄 dS 的 BF 簽名相比較，如果 dS ∧ qS = qS ，那么 dS 可能滿(mǎn)足用戶(hù)的需求。 概要檢索文件。同時(shí)，為幫助目標(biāo)用戶(hù)做出更準(zhǔn)確的判斷 ,Lucene 文檔中的字段 ,如患者的年齡和性別 ,癥狀 ,診斷結(jié)果 ,以及所提供的治療醫(yī)師應(yīng)該返回供用戶(hù)參考使用。選擇規(guī)則通常是依賴(lài)于硬件 ,這里不做討論。節(jié)點(diǎn)選擇算法將在 節(jié)中討論。與相關(guān)的醫(yī)療記錄相聯(lián)系，可以提取疾病分類(lèi)和疾病癥狀。而且，對(duì)于每個(gè)用戶(hù)域，細(xì)節(jié)檢索文件的字符串會(huì)被相應(yīng)地歸入靜態(tài)域和動(dòng)態(tài)域。調(diào)度集群大醫(yī)療數(shù)據(jù)背景下基于云架構(gòu)的家庭診斷服務(wù) 12 和數(shù)據(jù)分析集群會(huì)執(zhí)行家庭診斷服務(wù)。而且這 N 個(gè)最小堆棧與搜索節(jié)點(diǎn)集群的 N 列相對(duì)應(yīng)，而對(duì)于每個(gè)最小堆棧， M 就是每列中的搜索節(jié)點(diǎn)數(shù)。 算法 2 節(jié)點(diǎn)選擇算法 4 家庭診斷服務(wù)的實(shí)現(xiàn) 在這個(gè)部分，我們將討論基于云計(jì)算框架的家庭診斷服務(wù)的實(shí)現(xiàn)。 步驟 4 返回結(jié)果中隱私信息的過(guò)濾 在這個(gè)子步中 ,醫(yī)療記錄中病人的隱私信息會(huì)根據(jù)目標(biāo)用戶(hù)的訪問(wèn)權(quán)限被過(guò)濾。 示例（用戶(hù)查詢(xún)）用戶(hù)查詢(xún)可以是 =({性別 =女 ,年齡 =成人 },{癥狀 = {發(fā)燒、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) 15 咳嗽 } })。（ 3）通過(guò)個(gè)人數(shù)據(jù)簽名，用戶(hù)查詢(xún)的布隆簽名可以通過(guò)“ OR”操作計(jì)算出來(lái)。 (Belohlavek and Vychodil, 20xx。 當(dāng)集合是有限的，內(nèi)容就可以通過(guò)一個(gè)交叉表來(lái)指定。E 的共同癥狀特征 CF可以被定義為： }),(,|f{)( 39。這些集群被稱(chēng)為形式概念。39。39。并且 {發(fā)燒、咳嗽 }在 {胸膜炎、結(jié)核、流感、肺炎 } 中都會(huì)出現(xiàn)。根據(jù)定義 8,{胸膜炎 }是 {肺炎、胸膜炎 }的一個(gè)子集 ,而 {咳嗽、發(fā)熱、胸痛、呼吸困難 }也是 {咳嗽、發(fā)熱、胸痛、呼吸困難、胸悶 }的一個(gè)子集。診斷路徑示例是用紅色突出顯示在圖 8(b)。 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) 19 算法 4 家庭診斷服務(wù)的數(shù)據(jù)分析算法 返回結(jié)果中的隱私信息過(guò)濾 為了幫助用戶(hù)對(duì)他 /她的疾病有更詳細(xì)的信息 ,我們認(rèn)為 ,每個(gè)疾病關(guān)聯(lián)的醫(yī)療記錄也應(yīng)該呈現(xiàn)給目標(biāo)用戶(hù)。因此，在用戶(hù)訪問(wèn)權(quán)限內(nèi)的動(dòng)態(tài)域的會(huì)被返回給調(diào)度程序。 表 4 基于云架構(gòu)原型系統(tǒng)的配置 對(duì)于基于云計(jì)算的框架，一個(gè)私有的 Hadoop 集群被用于離線數(shù)據(jù)存儲(chǔ)（即Lucene 文件和索引文件）和索引構(gòu)建。而對(duì)于每個(gè)從節(jié)點(diǎn) ,都配有兩個(gè) 2TB 的磁盤(pán)。 性能分析 在本節(jié)中，我們?cè)O(shè)計(jì)了 2 個(gè)測(cè)試用例對(duì)我們的提案進(jìn)行性能測(cè)試。Ao et al .,20xx)被用于反向索引壓縮 。此外，第 i次試驗(yàn)中，第 i個(gè)搜索節(jié)點(diǎn)會(huì)被初始化來(lái)進(jìn)行醫(yī)療記錄檢索。然而 ,這并不意味著搜索節(jié)點(diǎn)越多 ,搜索節(jié)點(diǎn)就有更好的性能。我們會(huì)進(jìn)行 6 次試驗(yàn)來(lái)評(píng)估相對(duì)于不同的 M 值時(shí)的可擴(kuò)展性。然而 ,這并不意味著 M 越大 ,搜索集群的性能越好?？傊?,通過(guò)搜索節(jié)點(diǎn)集群的可擴(kuò)展性 ,我們的云計(jì)算框架可以實(shí)際應(yīng)用中達(dá)到最優(yōu)的性能。對(duì)于疾病癥狀 ,選擇“呼吸困難”和“咳嗽”。 由于本文篇幅的限制 ,這里我們重點(diǎn)討論數(shù)據(jù)分析步驟如何建立癥狀點(diǎn)陣以及李如何使用疾病癥狀點(diǎn)陣來(lái)判斷他感染了哪種疾病。 圖 11 疾病癥狀點(diǎn)陣的運(yùn)行示例 疾病癥狀點(diǎn)陣計(jì)算 對(duì)于這 11 個(gè)概念，疾病癥狀點(diǎn)陣會(huì)通過(guò)偏序關(guān)系來(lái)計(jì)算，如定義 8 中所示。此外 ,在我們的設(shè)計(jì)中 ,在疾病癥狀點(diǎn)陣中對(duì)于 每個(gè)疾病 ,有超鏈接可以到相應(yīng)的醫(yī)療記錄。此外，作者在 (Chandramouli et al., 20xx)中提出了一個(gè)基于云架構(gòu)的過(guò)程模型稱(chēng)為 Prism來(lái)幫助數(shù)據(jù)科學(xué)家從大的探索性數(shù)據(jù)中執(zhí)行漸進(jìn)采樣。在 (Hsu et al., 20xx)中，討論了一種老年人 護(hù)理指導(dǎo)關(guān)于如何通過(guò)老年人學(xué)和老年醫(yī)療體系整合不同的領(lǐng)域與合作。這些知識(shí)會(huì)被存儲(chǔ)在計(jì)算機(jī)中，當(dāng)需要的時(shí)候，用戶(hù)可以訪問(wèn)計(jì)算機(jī)來(lái)獲得具體的建議。然而，我們并不是把知識(shí)作為專(zhuān)家經(jīng)驗(yàn)存儲(chǔ)在計(jì)算機(jī)系統(tǒng)中以備未來(lái)使用。在這些面向隱私的研究工作中，他們假定第三方服務(wù)提供者是不值得信賴(lài)的。 目前，只有一個(gè)基于云架構(gòu)的原型通過(guò)少量的呼吸醫(yī)學(xué)部門(mén)的醫(yī)療記錄被實(shí)