【正文】 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)現(xiàn)了。然而，我們并不是把知識(shí)作為專家經(jīng)驗(yàn)存儲(chǔ)在計(jì)算機(jī)系統(tǒng)中以備未來(lái)使用。在 (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。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。 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?？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。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。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。 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。 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。 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。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。39。這些集群被稱為形式概念。 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。（ 3）通過(guò)個(gè)人數(shù)據(jù)簽名，用戶查詢的布隆簽名可以通過(guò)“ OR”操作計(jì)算出來(lái)。 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)用戶的訪問(wèn)權(quán)限被過(guò)濾。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)。而且，對(duì)于每個(gè)用戶域，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。節(jié)點(diǎn)選擇算法將在 節(jié)中討論。同時(shí)，為幫助目標(biāo)用戶做出更準(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)該返回供用戶參考使用。 當(dāng)一個(gè)用戶輸入一組癥狀，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 可能滿足用戶的需求。 而且，我們建立了三種類型的索引文件來(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。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。 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。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。 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。 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)。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。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。 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） 。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，以幫助用戶查明他們可能感染了哪一種疾病。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。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。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。 Hadoop 由兩個(gè)主要組件組成。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。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)。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。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。 (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。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。在把疾病癥狀點(diǎn)陣和醫(yī)療記錄返回給目標(biāo)用戶之前，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。然而 ,醫(yī)療記錄是隱私敏感的。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。 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 去查詢與用戶查詢相匹配的醫(yī)療記錄。 （ 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。 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。39。E 被稱為概念的范圍， 39。 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 。例如 ,流感和肺炎都有“發(fā)燒”和“咳嗽”癥狀。此外，為了更好地證明家庭診斷服務(wù)為目標(biāo)用戶提供了診斷的依據(jù)，我們將討論一個(gè)運(yùn)行示例。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。 （ 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。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?cè)? 節(jié)所討論的。 根據(jù)這兩個(gè)測(cè)試用例 ,它表明我們?cè)O(shè)計(jì)的搜索節(jié)點(diǎn)集群對(duì)應(yīng)于不同的 M 和 N值可以實(shí)現(xiàn)最優(yōu)性能。 步驟 3 數(shù)據(jù)分析 通過(guò)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(lái)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。根據(jù)每個(gè)癥狀診斷路徑 ,李很容易排除不可能的疾病。 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。在 (Gholami et al., 20xx)中，作者通過(guò) 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)。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。為了實(shí)現(xiàn)靈活的用戶輸入，同義詞問(wèn)題將出現(xiàn)在我們未來(lái)的工作中。圖形化的點(diǎn)陣對(duì)于用戶而言可以更直觀的判斷他們可能患有哪一種疾病。通過(guò)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。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。交叉表是用來(lái)描述形式內(nèi)容 ,如表 7 中所示。某天，李覺(jué)得自己生病了，基本癥狀是“呼吸困難”和“咳嗽”。 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。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。每個(gè)醫(yī)療記錄的大小是 ，總的大小是 14GB。醫(yī)療記錄被存儲(chǔ)為 XML 文檔。 根據(jù)節(jié)點(diǎn)選擇算法和 節(jié)中討論的訪問(wèn)控制策略 ,隱私信息過(guò)濾過(guò)程包括三個(gè)主要步驟。而這個(gè)在本文中被稱為疾病癥狀點(diǎn)陣。E ，而 39。39。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 }。 （ 2）基本信息過(guò)濾 對(duì)于經(jīng)過(guò) BF 簽名過(guò)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(guò)濾掉男性、老年人以及兒童患者。 表 2 家庭診斷服務(wù)中的關(guān)鍵術(shù)語(yǔ) 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。 SFR ij 的值越小，搜索節(jié)點(diǎn) ij 的服務(wù)質(zhì)量越好。 在我們的設(shè)計(jì)中，每個(gè)訪問(wèn)控制集群中的節(jié)點(diǎn)都會(huì)通過(guò)索引文件存儲(chǔ)用戶的權(quán)限。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)。請(qǐng)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。 BF 索引文件是由鍵值對(duì)組成的，并以序列文件存儲(chǔ)于 HDFS 中。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。 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(duì)組成的 Lucene 文檔。 （ 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。索引階段后 ,索引文件也存儲(chǔ)在 Hadoop 的 HDFS 集群。中間結(jié)果存儲(chǔ)在本地磁盤(pán)上運(yùn)行的節(jié)點(diǎn)映射任務(wù)。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 。首先 ,用戶提交查詢有關(guān)他 /她的疾病信息。并且他知道他的癥狀包括“高燒”和“呼吸困難”。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)。在本文中，我們提出了一個(gè)基于云計(jì)算的架構(gòu)來(lái)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)。 Cheng et al., 20xx), 許多醫(yī)療保健服務(wù)已經(jīng)遷移到云環(huán)境。具體來(lái)說(shuō)，這個(gè)問(wèn)題主要包含以下三點(diǎn)。基于云計(jì)算架構(gòu)的家庭診斷服務(wù)將在第 3 節(jié)介紹。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。 Lucene:信息檢索庫(kù) Lucene 是一個(gè)高性能，可擴(kuò)展的信息檢索（ IR）庫(kù)，并通過(guò) Apache 軟件基金會(huì)授權(quán)的開(kāi)源項(xiàng)目 (Ochoa and Duval, 20xx。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(guò)濾 ,以避免暴露醫(yī)療記錄中的敏感隱私數(shù)據(jù)。兩個(gè)集群之間的關(guān)系的分析如下。圖 4 描述了 MapReduce框架來(lái)構(gòu)建索引文件的流程圖。則布隆過(guò)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(lái)。在我們的例子中，病人的性別、年齡將被記錄以過(guò)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。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(wèn)控制集群之間的協(xié)調(diào)。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。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。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(guò)濾。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)。 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。 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。而且，在 ),( 39。{發(fā)燒、咳嗽 }是唯一的現(xiàn)象。通過(guò)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。通過(guò)這些，隱私敏感信息就不會(huì)曝光給目標(biāo)用戶。而對(duì)于搜索集群 ,21 臺(tái)個(gè)人電腦是在 Ubuntu ,Java 和 環(huán)境下部署的以運(yùn)行在線用戶查詢處理。壓縮后 ,索引文件的總大小是 GB。原因是 RAM 比索引碎片大。事實(shí)上 ,正如 節(jié)中提到的 ,M