【正文】 況下 ,CPU 利用率很小 ,因為它會浪費時間等待大量的 I / O 交換操作。 （ 1）相對于 N 值的性能 表 5 性能關于 N 的測 大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 22 在第一個測試用例中， M 為定值 1。 Lucene 文檔作為塊文件被存儲在 Hadoop 集群的 HDFS中。每個電腦配置了 2 個英特爾 E5400 GHz的處理器，有 2 GB內(nèi)存。 圖 9 原型系統(tǒng)設計的框架 大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 21 在圖 9 中 ,Hadoop 集群由 18 節(jié)點 (一個主節(jié)點和 17 個從節(jié)點 )。此外，為了更好地證明家庭診斷服務為目標用戶提供了診斷的依據(jù)，我們將討論一個運行示例。（ 2）從 調(diào)度程序收到查詢以后，訪問控制節(jié)點會訪問本地索引文件。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)容的疾病癥狀點陣。 定義 8（不等式關系）對于所有的形式內(nèi)容（ E,F,R）中的概念，一個不等式關系“ ? ” 可 以 被 定 義 在 形 式 內(nèi) 容 的 概 念 上 。F 。E 被稱為概念的范圍， 39。 FFEEFE ??代替，其中 39。39。 表 3 家庭診斷服務形式概念的例子 形式概念計算 給定一個形式內(nèi)容，形式概念就可以通過共同特征和公共實體的定義被計算。 形式內(nèi)容構建 定義 4（形式內(nèi)容） 在家庭診斷服務中，形式內(nèi)容是指疾病集合 E 和癥狀集合 F 之間的一個二進制的關系 R。 算法 3 醫(yī)療數(shù)據(jù)檢索算法 大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 16 數(shù)據(jù)分析 通常，用戶由于缺乏醫(yī)療知識，只能提供他 /她的一部分癥狀。 （ 1） BF 簽名過濾 如在第三節(jié)所討論的 ,BF 簽名采用加速癥狀匹配。簡化時，它可以被 Q=(BI, DS)替代。 步驟 2 醫(yī)療記錄檢索 調(diào)度程序會選擇一組搜索節(jié)點通過利用算法 2 去查詢與用戶查詢相匹配的醫(yī)療記錄。當 ij 把搜索結果返回給調(diào)度程序后，SFR ij 就減 1。在搜索節(jié)點集群 ,集群中的每一行搜索節(jié)點構成一個完整的索引文件 ,每一列的搜索節(jié)點都是相同的。而且，我們設計了另一個索引文件來存儲用戶域和與其相關的細節(jié)索引文件中的動態(tài)字符串之間的映射關系。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搜索節(jié)點的內(nèi)存性能決定的 ,而 M 的值是由并發(fā)用戶查詢的數(shù)量決定。在把疾病癥狀點陣和醫(yī)療記錄返回給目標用戶之前，它會授權訪問控制集群過濾檢索到的醫(yī)療記錄中的隱私敏感信息以保護患者的隱私。在下面的討論中 ,每個基本組件的責任將被展示。細節(jié)檢索文件是由每個 Lucene 文檔中的字段值對所組成的，用于數(shù)據(jù)分析并返還給目標用戶。通過 BF 簽名查詢測試簽名，大量不合格的數(shù)據(jù)將被刪除。 (2)因此 ,對于 h1,第一個 10 位向 量的值是 0001110000,5 日 ,6 日和 7 日根據(jù)散列值設置為 1。在基于癥狀的醫(yī)學檢索中，這種樸實的方法是為了使每個查詢中的癥狀集合與索引文件中的每個癥狀集相匹配。一旦完成映射工作，在每個映射節(jié)點上的 N 個碎片會重組到 reduce 節(jié)點，并完成合并操作。對于存儲在 RDBMs 的醫(yī)療記錄 ,我們使用 HBase 作為中間件 ,使在多個關系數(shù)據(jù)庫中的“加入”操作更高效。此外，在搜索節(jié)點的集群的第 i個（ 1 i N）的列中的每個節(jié)點中包大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 7 含的第 i個（ 1 i N）的索引碎片的相同副本。相應地，（ a）一種搜索由 N M 個搜索節(jié)點組成的節(jié)點集群被設計出來以進行病歷檢索。由于云計算的顯著特征，如按需存儲，彈性計算能力，本文提出了基于云計算框架實施家庭診斷服務。更具體來說，家庭診斷服務，根據(jù)目標用戶的查詢，允許基于癥狀的病歷檢索。實際 上， Lucene 的允許應用程序在幾乎所有的數(shù)據(jù)源添加搜索能力，包括遠程 Web 服務器上的網(wǎng)頁，存儲在本地大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 5 的文件系統(tǒng)，文本文件， MS Word 文檔， XML 網(wǎng)絡 LES，或任何其他形式，從中我們可以提取文本文件信息。映射任務處理輸入的相互獨立的記錄并產(chǎn)生中間結果作為鍵值對。 Hadoop 由兩個主要組件組成。 （ 3）臨床資料：臨床數(shù)據(jù)存儲詳細的臨床信息，包括癥狀集，病人投訴，現(xiàn)病史，診斷結果，治療方法等，與患者的每次訪問一個保健醫(yī)生相關。其中一個原型系統(tǒng)設計討論和一個運行示例會被提出以證明我們的建議的可擴展性和高效率。通過檢索醫(yī)療記錄，數(shù)據(jù)分析在步驟 3 進行，來計算疾病癥狀的點陣，揭示疾病常見癥狀之間的關系。最后一個是如何避免在病歷隱私信息曝光，因為醫(yī)療記錄是隱私的、敏感的。因此，他可以在事先通過醫(yī)院的主頁作出合適的預約。衛(wèi)生局是要搭建一個平臺，以收集所有的醫(yī)療信息，如每個來自當?shù)乇＝♂t(yī)師的醫(yī)療記錄。 Cook et al., 20xx。當談及家庭診斷服務的實現(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陣，以幫助用戶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)使得用戶進行自我護理服務成為可能，例如他們自己就可以通過類似的病人的病例來獲得診斷。 在中國，處于這個狀態(tài)的人群數(shù)量已經(jīng)達到了 9 億人 （ Ding et al., 20xx） 。 (Chaudhuri, 20xx). 由于云計算的顯著特征，如彈性計算能力，和普遍的面向服務的性質(zhì) (Shang et al., 20xx。例如，每個病人可具有他 /她的個人健康簡況，由所有他 /她的臨床與每個臨床訪問相關聯(lián)的記錄組成。因此，當李某去醫(yī)院進行診斷時，將花費李和醫(yī)生雙方更少的時間做出正確的處理，從而提高診斷效率。具體來說，一個分布式基于 Lucene 搜索集群被設計出來旨在 提供高并發(fā)和可擴展的在線醫(yī)療記錄檢索，數(shù)據(jù)分析和隱私保護功能。 大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 3 本文的組織結構 本文的其余部分安排如下。 2 初步知識 在本節(jié)中，預備知識將被討論，來介紹醫(yī)療記錄和在基于云的架構中應用的一些技術。 一般來說，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 XML 醫(yī)療記錄的例子 （ 2） MapReduce:MapReduce 是并行數(shù)據(jù)處理模型 ,該模型由兩個階段組成 :Map 和 Reduce。 在我們的提案中 ,HDFS 被采用到分布式存儲 Lucene 文件和索引文件。首先 ,醫(yī)療記錄通過標準 Lucene APIs 轉(zhuǎn)換為多個 Lucene 文檔。因此，在疾病癥狀點陣的幫助下，目標用戶很容易排除不可能的疾病而選擇感興趣的。 表 1 基于云計算架構的關鍵術語 大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 6 圖 2 基于云計算架構的家庭診斷服務 如圖 2 所示，云計算框架由兩個主要的集群組成，一個線下的 Hadoop 集群和一個在線的分布式搜索集群，它由一組四個集群和負載平衡器組成： （ 1）大規(guī)模數(shù)據(jù)存儲和并行索引建立采用離線的 Hadoop 集群。（ d）一個負載平衡器和一個由 K 個調(diào)度器所組成的調(diào)度集群被用于平衡用戶查詢的負載。然后 ,我們?yōu)槊總€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)背景下基于云架構的家庭診斷服務 8 圖 4 MapReduce 框架下構建索引文件的流程圖 離線索引構建 為了實現(xiàn)快速在線用戶查詢處理，索引文件建立時與每個 Lucene 文檔相關聯(lián)。 而且，我們建立了三種類型的索引文件來進行在線醫(yī)療數(shù)據(jù)檢索，包括反向檢索，概要檢索和細節(jié)檢索。大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 9 算法 1 BF 簽名計算算法 算法 1 描述了如何為一組癥狀在醫(yī)療記錄中構建一個布隆過濾器簽名 (BF 簽名 )。 當一個用戶輸入一組癥狀，它的簽名首先會由算法 1 生成，并且與每個醫(yī)療記錄 dS 的 BF 簽名相比較，如果 dS ∧ qS = qS ，那么 dS 可能滿足用戶的需求。 概要檢索文件。同時，為幫助目標用戶做出更準確的判斷 ,Lucene 文檔中的字段 ,如患者的年齡和性別 ,癥狀 ,診斷結果 ,以及所提供的治療醫(yī)師應該返回供用戶參考使用。選擇規(guī)則通常是依賴于硬件 ,這里不做討論。節(jié)點選擇算法將在 節(jié)中討論。與相關的醫(yī)療記錄相聯(lián)系，可以提取疾病分類和疾病癥狀。而且，對于每個用戶域，細節(jié)檢索文件的字符串會被相應地歸入靜態(tài)域和動態(tài)域。調(diào)度集群大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 12 和數(shù)據(jù)分析集群會執(zhí)行家庭診斷服務。而且這 N 個最小堆棧與搜索節(jié)點集群的 N 列相對應，而對于每個最小堆棧， M 就是每列中的搜索節(jié)點數(shù)。 算法 2 節(jié)點選擇算法 4 家庭診斷服務的實現(xiàn) 在這個部分，我們將討論基于云計算框架的家庭診斷服務的實現(xiàn)。 步驟 4 返回結果中隱私信息的過濾 在這個子步中 ,醫(yī)療記錄中病人的隱私信息會根據(jù)目標用戶的訪問權限被過濾。 示例（用戶查詢）用戶查詢可以是 =({性別 =女 ,年齡 =成人 },{癥狀 = {發(fā)燒、大醫(yī)療數(shù)據(jù)背景下基于云架構的家庭診斷服務 15 咳嗽 } })。（ 3）通過個人數(shù)據(jù)簽名，用戶查詢的布隆簽名可以通過“ OR”操作計算出來。 (Belohlavek and Vychodil, 20xx。 當集合是有限的，內(nèi)容就可以通過一個交叉表來指定。E 的共同癥狀特征 CF可以被定義為： }),(,|f{)( 39。這些集群被稱為形式概念。39。39。并且 {發(fā)燒、咳嗽 }在 {胸膜炎、結核、流感、肺炎 } 中都會出現(xiàn)。根據(jù)定義 8,{胸膜炎 }是 {肺炎、胸膜炎 }的一個子集 ,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)背景下基于云架構的家庭診斷服務 19 算法 4 家庭診斷服務的數(shù)據(jù)分析算法 返回結果中的隱私信息過濾 為了幫助用戶對他 /她的疾病有更詳細的信息 ,我們認為 ,每個疾病關聯(lián)的醫(yī)療記錄也應該呈現(xiàn)給目標用戶。因此，在用戶訪問權限內(nèi)的動態(tài)域的會被返回給調(diào)度程序。 表 4 基于云架構原型系統(tǒng)的配置 對于基于云計算的框架，一個私有的 Hadoop 集群被用于離線數(shù)據(jù)存儲（即Lucene 文件和索引文件）和索引構建。而對于每個從節(jié)點 ,都配有兩個 2TB 的磁盤。 性能分析 在本節(jié)中，我們設計了 2 個測試用例對我們的提案進行性能測試。Ao et al .,20xx)被用于反向索引壓縮 。此外，第 i次試驗中，第 i個搜索節(jié)點會被初始化來進行醫(yī)療記錄檢索。然而 ,這并不意味著搜索節(jié)點越多 ,搜索節(jié)點就有更好的性能。我們會進行 6 次試驗來評估相對于不同的 M 值時的可擴展性。然而 ,這并不意味著 M 越大 ,搜索集群的性能越好?？傊?,通過搜索節(jié)點集群的可擴展性 ,我們的云計算框架可以實際應用中達到最優(yōu)的性能。對于疾病癥狀 ,選擇“呼吸困難”和“咳嗽”。 由于本文篇幅的限制 ,這里我們重點討論數(shù)據(jù)分析步驟如何建立癥狀點陣以及李如何使用疾病癥狀點陣來判斷他感染了哪種疾病。 圖 11 疾病癥狀點陣的運行示例 疾病癥狀點陣計算 對于這 11 個概念，疾病癥狀點陣會通過偏序關系來計算，如定義 8 中所示。此外 ,在我們的設計中 ,在疾病癥狀點陣中對于 每個疾病 ,有超鏈接可以到相應的醫(yī)療記錄。此外，作者在 (Chandramouli et al., 20xx)中提出了一個基于云架構的過程模型稱為 Prism來幫助數(shù)據(jù)科學家從大的探索性數(shù)據(jù)中執(zhí)行漸進采樣。在 (Hsu et al., 20xx)中，討論了一種老年人 護理指導關于如何通過老年人學和老年醫(yī)療體系整合不同的領域與合作。這些知識會被存儲在計算機中，當需要的時候，用戶可以訪問計算機來獲得具體的建議。然而，我們并不是把知識作為專家經(jīng)驗存儲在計算機系統(tǒng)中以備未來使用。在這些面向隱私的研究工作中，他們假定第三方服務提供者是不值得信賴的。 目前，只有一個基于云架構的原型通過少量的呼吸醫(yī)學部門的醫(yī)療記錄被實