【文章內(nèi)容簡(jiǎn)介】 gner用于定義系統(tǒng)元素(也就是數(shù)據(jù)源及其之間的關(guān)系)，生成應(yīng)用和定義數(shù)據(jù)庫(kù)。OracleDeveloper是一個(gè)快速應(yīng)用開(kāi)發(fā)環(huán)境，用于建立交互應(yīng)用、事務(wù)處理或聯(lián)機(jī)事務(wù)處理為基礎(chǔ)的系統(tǒng)。OracleDeveloperServer是一個(gè)強(qiáng)壯的為多層次提供的開(kāi)發(fā)環(huán)境。OracleApplicationServer是一個(gè)公開(kāi)的解決方案，它是為分布式事務(wù)應(yīng)用處理而設(shè)計(jì)的。（3）空間管理Oracle提供了靈活的空間管理。用戶可以為存放數(shù)據(jù)分配所需磁盤(pán)空間，也可以通過(guò)指示Oracle為以后的需求留下多少空間來(lái)控制后繼的分 配。還有一系列為大型的數(shù)據(jù)庫(kù)考慮而設(shè)計(jì)的特殊功能。事實(shí)上。從設(shè)計(jì)角度 來(lái)說(shuō)，數(shù)據(jù)倉(cāng)庫(kù)是典型的非常大的數(shù)據(jù)庫(kù)[23]。 （4）備份與恢復(fù)Oracle提供了高級(jí)備份和恢復(fù)的子例程。備份創(chuàng)建Oracle數(shù)據(jù)的一個(gè)副本，恢復(fù)把備份的數(shù)據(jù)恢復(fù)出來(lái)。Oracle的備份和恢復(fù)把數(shù)據(jù)丟 失的可能性降到最小，并使出現(xiàn)故障時(shí)的排錯(cuò)時(shí)間最少。Oracle的服務(wù)器也提供了備份和恢復(fù)的機(jī)制，允許每天、每周、每年不間斷地訪問(wèn)數(shù)據(jù)。（5）海量數(shù)據(jù)管理數(shù)據(jù)庫(kù)系統(tǒng)操作的硬件瞬息萬(wàn)變，去處理器或磁盤(pán)市場(chǎng)購(gòu)買(mǎi)最快和功率最強(qiáng)的CPU，剛購(gòu)買(mǎi)到，技術(shù)又進(jìn)步了。Oracle一直對(duì)海量數(shù)據(jù)的管理非常 重視，(circa1997)中為此采用了數(shù)據(jù)分區(qū)的辦法。采用數(shù)據(jù)分區(qū)后，海量數(shù)據(jù)分成很多可管理的塊，當(dāng)系統(tǒng)操作或用戶會(huì)話處理查詢 時(shí)又能透明地將分塊的數(shù)據(jù)組織起來(lái)。（6）決策支持系統(tǒng) 決策支持系統(tǒng)即DSS，扮演著一個(gè)重要角色。到處可以看到組織者發(fā)布以O(shè)racleServer為基礎(chǔ)的數(shù)據(jù)倉(cāng)庫(kù)的種種信息。對(duì)數(shù)據(jù)倉(cāng)庫(kù)的興趣 及其使用的與日俱增使得OracleServer及其相關(guān)的聯(lián)機(jī)分析處理(OLAP)產(chǎn)品成為管理的首選。隨著Express及 OracleDiscoverer等決策支持工具的開(kāi)發(fā)，Oracle已經(jīng)不管在現(xiàn)在,還是在將來(lái)都確立了其在該領(lǐng)域的地位。（7）保密機(jī)制 Oracle的高級(jí)保密機(jī)制通過(guò)各種各樣的特權(quán)，控制對(duì)敏感數(shù)據(jù)的存取。用戶根據(jù)連接到數(shù)據(jù)庫(kù)的名稱被賦予各種特權(quán)，如查看、修改和創(chuàng)建數(shù)據(jù)庫(kù)等等。用這些機(jī)制來(lái)保證某些用戶能查看敏感數(shù)據(jù)，而有的用戶被禁止。本系統(tǒng)應(yīng)用Oracle的主要原因是，Oracle數(shù)據(jù)庫(kù)的處理速度很快，而且安全級(jí)別很高，有利于保護(hù)數(shù)據(jù)的安全， Oracle數(shù)據(jù)庫(kù)的存儲(chǔ)量非常大，可以滿足醫(yī)療信息的存儲(chǔ)。 協(xié)同過(guò)濾技術(shù)協(xié)同過(guò)濾技術(shù)，主要基于推薦系統(tǒng)(Remnder System)，根據(jù)推薦系統(tǒng)應(yīng)用而生的，他是根據(jù)用戶個(gè)人的喜好，習(xí)慣來(lái)向其推薦信息、商品的程序，這里正好與我們遠(yuǎn)程醫(yī)療會(huì)診系統(tǒng)的功能相吻合。協(xié)同過(guò)濾早期的一些系統(tǒng)設(shè)計(jì):Tapestry(1992)這是最早應(yīng)用協(xié)同過(guò)濾系統(tǒng)的設(shè)計(jì)，主要是解決Xerox公司在Palo Alto的研究中心資訊過(guò)載的問(wèn)題。這個(gè)研究中心的員工每天會(huì)收到非常多的電子郵件卻無(wú)從篩選分類，于是研究中心便發(fā)展這項(xiàng)實(shí)驗(yàn)性的郵件系統(tǒng)來(lái)幫助員工解決這項(xiàng)問(wèn)題[30]。 其運(yùn)作機(jī)制大致如下：個(gè)人決定自己的感興趣的郵件類型； 個(gè)人旋及隨機(jī)發(fā)出一項(xiàng)資訊需求，可預(yù)測(cè)的結(jié)果是會(huì)收到非常多相關(guān)的文件； 從這些文件中個(gè)人選出至少三筆資料是其認(rèn)為有用、會(huì)想要看的； 系統(tǒng)便將之記錄起來(lái)成為個(gè)人郵件系統(tǒng)內(nèi)的過(guò)濾器，從此以后經(jīng)過(guò)過(guò)濾的文件會(huì)最先送達(dá)信箱； 以上是協(xié)同過(guò)濾最早的應(yīng)用，接下來(lái)的里程碑為GroupLens。GroupLens(1994)這個(gè)系統(tǒng)主要是應(yīng)用在新聞的篩選上，幫助新聞的閱聽(tīng)者過(guò)濾其感興趣的新聞內(nèi)容，閱聽(tīng)者看過(guò)內(nèi)容后給一個(gè)評(píng)比的分?jǐn)?shù)，系統(tǒng)會(huì)將分?jǐn)?shù)記錄起來(lái)以備未來(lái)參考之用，假設(shè)前提是閱聽(tīng)者以前感興趣的東西在未來(lái)也會(huì)有興趣聽(tīng)，若閱聽(tīng)者不揭露身份也可以進(jìn)行匿名評(píng)分[25]。和和Tapestry不同之處有兩點(diǎn)，首先，Tapestry專指一個(gè)點(diǎn)(如一個(gè)網(wǎng)站內(nèi)、一個(gè)系統(tǒng)內(nèi))的過(guò)濾機(jī)制；GroupLens則是跨點(diǎn)跨系統(tǒng)的新聞過(guò)濾機(jī)制。再來(lái)，Tapestry不會(huì)將同一筆資料的評(píng)比總和起來(lái)；GroupLens會(huì)將同一筆資料從不同使用者得到的評(píng)比加總[26]。 GroupLens具有以下特點(diǎn)：開(kāi)放性：所有的新聞閱聽(tīng)者皆可使用，雖然系統(tǒng)委托Better Bit Bureau設(shè)計(jì)給分的系統(tǒng)，但若有不同的評(píng)分機(jī)制也適用于GroupLens。 方便性：給分并不是一件困難的事情且溝通上非常方便，評(píng)分結(jié)果容易詮釋。 規(guī)模性：有可能發(fā)展成大規(guī)模的系統(tǒng)，一旦發(fā)展成大規(guī)模，儲(chǔ)存空間與計(jì)算成本問(wèn)題顯得相當(dāng)棘手。 隱密性：如果使用者不想讓別人知道他是誰(shuí)，別人就不會(huì)知道。由此可以看出，現(xiàn)今網(wǎng)絡(luò)各個(gè)推薦系統(tǒng)的雛形已然形成，在GroupLens之后還有性質(zhì)相近的MovieLens，電影推薦系統(tǒng)；Ringo，音樂(lè)推薦系統(tǒng)；Video Remender，影音推薦系統(tǒng)；以及Jster，笑話推薦系統(tǒng)等等。乃至于今日的YouTube、aNobii皆是相似性值得網(wǎng)絡(luò)推薦平臺(tái)，較不同的是經(jīng)過(guò)時(shí)間推移，網(wǎng)絡(luò)越來(lái)越發(fā)達(dá)，使用者越來(lái)越多，系統(tǒng)也發(fā)展得越來(lái)越嚴(yán)密。推薦系統(tǒng)：隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)資源總量以爆炸式的方式進(jìn)行飛速增長(zhǎng)。為了可以更加方便的在海量數(shù)據(jù)中快捷地獲取所需信息，推薦系統(tǒng)因此應(yīng)用而生。它根據(jù)用戶的興趣愛(ài)好推薦符合用戶興趣的對(duì)象，也稱為個(gè)性化推薦系統(tǒng)[26]。研究者提出多種推薦方法：基于內(nèi)容的推薦、協(xié)同過(guò)濾推薦和混合推薦等，并結(jié)合先進(jìn)的技術(shù)，例如聚類、關(guān)聯(lián)規(guī)則、貝葉斯網(wǎng)、神經(jīng)網(wǎng)絡(luò)和圖摸型等實(shí)現(xiàn)這些方法。協(xié)同推薦是一種常用的減少信息過(guò)載的技術(shù)，已經(jīng)成為個(gè)性化推薦系統(tǒng)的一種主要工具。傳統(tǒng)的系統(tǒng)過(guò)濾被稱為基于用戶的協(xié)同推薦，其基本思想是：通過(guò)比較用戶之間的相互性來(lái)推薦資源。這種推薦方法在擴(kuò)展性差的問(wèn)題，推薦效率隨用戶數(shù)目、項(xiàng)目數(shù)目的增多而逐漸減少。為解決這一問(wèn)題，有研究者使用聚類縮小相似用戶的搜索范圍，或者通過(guò)奇異值分解減少項(xiàng)目空間的維數(shù)[27]。基于項(xiàng)目的協(xié)同過(guò)濾則解決了相似計(jì)算相似用戶所引起的時(shí)間復(fù)雜度隨用戶增長(zhǎng)而上升的問(wèn)題。基于用戶的協(xié)同過(guò)濾系統(tǒng)通常需要三個(gè)步驟：（1）收集可以代表用戶興趣的信息。 MovieLens 。豆瓣上經(jīng)常出現(xiàn)在右側(cè)的“我來(lái)評(píng)價(jià)”也是這種方法。隱式評(píng)分。不需要用戶直接輸入評(píng)價(jià)數(shù)據(jù)，而是根據(jù)用戶的行為特征由系統(tǒng)代替用戶完成評(píng)價(jià)。一種研究得比較多的方法是 Web Mining 。電子商務(wù)網(wǎng)站的用戶購(gòu)買(mǎi)記錄是非常有用的數(shù)據(jù)[28]。（2）最近鄰搜索。協(xié)同過(guò)濾的出發(fā)點(diǎn)是與你興趣相同的一組用戶，術(shù)語(yǔ)叫做“最近鄰”。最近鄰搜索的核心是計(jì)算兩個(gè)用戶的相似度。例如用戶A和用戶B，首先需要獲取用戶A和用戶B所有的評(píng)分項(xiàng)，然后選擇一個(gè)合適的相似度計(jì)算方法，基于評(píng)分項(xiàng)數(shù)據(jù)，計(jì)算得到用戶A和用戶B的相似度數(shù)值。目前使用比較多的相似度算法包括，皮爾森相關(guān)系數(shù)(PersonCorrelation Coefficient)、余弦相似性(Cosinebased Similarity)以及調(diào)整余弦相似性(Adjusted Consine Similarity)。（3）生成推薦結(jié)果。有了最近鄰集合，就可以對(duì)目標(biāo)用戶的興趣進(jìn)行預(yù)測(cè)，生成推薦結(jié)果。通常根據(jù)推薦目的的不同，可以進(jìn)行多種形式的推薦。最常見(jiàn)的推薦結(jié)果有兩種，TopN 推薦和關(guān)聯(lián)推薦。 ①TopN 推薦，這里的 TopN 和一般網(wǎng)站(比如 digg)上見(jiàn)到的“最熱門(mén)”列表是不同的。熱門(mén)列表是基于全部數(shù)據(jù)集產(chǎn)生的，它對(duì)每個(gè)人都是一樣的；TopN 推薦是針對(duì)單個(gè)用戶產(chǎn)生的，它對(duì)每個(gè)人是不一樣的：通過(guò)對(duì)你的最近鄰用戶進(jìn)行統(tǒng)計(jì)，選擇出現(xiàn)頻率最高且在你的評(píng)分項(xiàng)目中不存在的項(xiàng)目作為推薦結(jié)果。豆瓣上的“排行”欄目，應(yīng)該是傳統(tǒng)的“熱門(mén)”列表，不是 TopN 推薦。 ②關(guān)聯(lián)推薦，也稱為基于關(guān)聯(lián)規(guī)則的推薦。與傳統(tǒng)關(guān)聯(lián)規(guī)則針對(duì)全部數(shù)據(jù)進(jìn)行挖掘不同的是，此方法僅對(duì)最近鄰用戶的購(gòu)買(mǎi)記錄進(jìn)行關(guān)聯(lián)規(guī)則挖掘。如果你曾經(jīng)購(gòu)買(mǎi)過(guò)關(guān)聯(lián)規(guī)則左邊的商品，而沒(méi)有購(gòu)買(mǎi)過(guò)關(guān)聯(lián)規(guī)則右邊的商品，那么就把右邊的這個(gè)商品推薦給你。它最突出的優(yōu)點(diǎn)就是，可以幫助你發(fā)現(xiàn)你感興趣的而以前卻從來(lái)沒(méi)有注意過(guò)的商品。在 Amazon 介紹書(shū)的詳細(xì)信息的頁(yè)面上，可以看到這種推薦的一個(gè)實(shí)際應(yīng)用?；陧?xiàng)目的協(xié)同過(guò)濾系統(tǒng)概述協(xié)同過(guò)濾主要的難點(diǎn)在于查找用戶的最近鄰,這一步驟是整個(gè)過(guò)程中的關(guān)鍵,而要找到最好的鄰居,就得有效地構(gòu)建好用戶項(xiàng)目評(píng)分矩陣。由于一方面客戶商品評(píng)分?jǐn)?shù)據(jù)少以及客戶不能準(zhǔn)確評(píng)分,另一方面隨著客戶、商品的不斷增長(zhǎng),導(dǎo)致用戶評(píng)分?jǐn)?shù)據(jù)極端稀疏,結(jié)果是不能對(duì)某些客戶進(jìn)行推薦從而影響了推薦的精度。 Badnul提出采用維度約簡(jiǎn)技術(shù)(Dimensionality Reduction),利用一種單一值分解技術(shù)來(lái)約簡(jiǎn)推薦系統(tǒng)中顧客商品矩陣數(shù)據(jù)的維數(shù)。Mobasher提出通過(guò)對(duì)稀疏數(shù)據(jù)的關(guān)聯(lián)可以提高推薦質(zhì)量。吳良杰 等提出基于 Web 使用挖掘和 Web內(nèi)容挖掘的推薦系統(tǒng)。由于用戶評(píng)分?jǐn)?shù)據(jù)本來(lái)就非常稀少,而根據(jù)最近鄰的計(jì)算公式,構(gòu)建的矩陣商品項(xiàng)必須是用戶共同評(píng)分過(guò)的,這樣導(dǎo)致矩陣會(huì)更加稀疏。鄧愛(ài)林提出基于項(xiàng)評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾,為了有效解決用戶評(píng)分?jǐn)?shù)據(jù)極端稀疏這種傳統(tǒng)相似性度量方法存在的問(wèn)題,提出在計(jì)算用戶 i 和用戶 j 之間的相似性時(shí),首先計(jì)算用戶 i和用戶 j 評(píng)分過(guò)的項(xiàng)集合的并集 Ui j,設(shè)用戶 i 評(píng)分過(guò)的項(xiàng)集合用 Ia表示,用戶j評(píng)分過(guò)的項(xiàng)集合用Ib表示,則Ui j = Ia∪Ib。 用戶i和用戶j在項(xiàng)集合中未評(píng)分的項(xiàng)通過(guò)用戶對(duì)相似項(xiàng)的評(píng)分預(yù)測(cè)出來(lái),然后在商品集合上計(jì)算用戶 i 和用戶 j 之間的相似性。這種方法不僅能有效解決相關(guān)相似性度量方法中用戶共同評(píng)分?jǐn)?shù)據(jù)比較少的情況,而且可以有效解決余弦相似性度量方法和修正的余弦相似性度量方法中對(duì)所有未評(píng)分商品的評(píng)分均相同的問(wèn)題(均為 0),使得計(jì)算出來(lái)的目標(biāo)用戶的最近鄰居比較準(zhǔn)確,從而有效提高推薦算法的推薦質(zhì)量協(xié)同過(guò)濾系統(tǒng)經(jīng)典成功案例：AMAZON是一個(gè)虛擬的網(wǎng)上書(shū)店，它沒(méi)有自己的店面，而是在網(wǎng)上進(jìn)行在線銷售。它提供了高質(zhì)量的綜合節(jié)目數(shù)據(jù)庫(kù)和檢索系統(tǒng)，用戶可以在網(wǎng)上查詢有關(guān)圖書(shū)的信息。如果用戶需要購(gòu)買(mǎi)的話，可以把選擇的書(shū)放在虛擬購(gòu)書(shū)籃中，最后查看購(gòu)書(shū)籃中的商品，選擇合適的服務(wù)方式并且提交訂單，這樣讀者所選購(gòu)的書(shū)在幾天后就可以送到家。AMAZON書(shū)店還提供先進(jìn)的個(gè)性化推薦功能，能為不同興趣偏好的用戶自動(dòng)推薦盡量符合其興趣需要的書(shū)籍。 AMAZON使用推薦軟件對(duì)讀者曾經(jīng)購(gòu)買(mǎi)過(guò)的書(shū)以及該讀者對(duì)其他書(shū)的評(píng)價(jià)進(jìn)行分析后，將向讀者推薦他可能喜歡的新書(shū)，只要鼠標(biāo)點(diǎn)一下，就可以買(mǎi)到該書(shū)；AMAZON能對(duì)顧客購(gòu)買(mǎi)過(guò)的東西進(jìn)行自動(dòng)分析，然后因人而異的提出合適的建議。讀者的信息將被再次保存，這樣顧客下次來(lái)時(shí)就能更容易的買(mǎi)到想要的書(shū)。此外，完善的售后服務(wù)也是AMAZON的優(yōu)勢(shì)，讀者可以在拿到書(shū)籍的30天內(nèi)，將完好無(wú)損的書(shū)和音樂(lè)光盤(pán)退回AMAZON，AMAZON將原價(jià)退款。當(dāng)然AMAZON的成功還不止于此，如果一位顧客在AMAZON購(gòu)買(mǎi)一本書(shū)，下次他再次訪問(wèn)時(shí)，映入眼簾的首先是這位顧客的名字和歡迎的字樣。協(xié)同過(guò)濾系統(tǒng)的優(yōu)缺點(diǎn)：優(yōu)點(diǎn)：協(xié)同過(guò)濾推薦是迄今為止最成功的個(gè)性化推薦技術(shù)，被應(yīng)用到很多領(lǐng)域中，協(xié)同過(guò)濾相突出的優(yōu)點(diǎn)是其決策基礎(chǔ)是“人”而不是“內(nèi)容的分析”，能針對(duì)任何形態(tài)的內(nèi)容進(jìn)行過(guò)濾，更能處理相當(dāng)復(fù)雜和艱難的概念呈現(xiàn)，以獲得意料之外的結(jié)論。 以使用者的角度來(lái)推薦的協(xié)同過(guò)濾系統(tǒng)有下列優(yōu)點(diǎn):能夠過(guò)濾機(jī)器難以自動(dòng)內(nèi)容分析的資訊，如藝術(shù)品，音樂(lè)等。 共用其他人的經(jīng)驗(yàn)，避免了內(nèi)容分析的不完全或不精確，并且能夠基于一些復(fù)雜的，難以表述的概念(如資訊品質(zhì)、個(gè)人品味)進(jìn)行過(guò)濾。 有推薦新資訊的能力。可以發(fā)現(xiàn)內(nèi)容上完全不相似的資訊，使用者對(duì)推薦資訊的內(nèi)容事先是預(yù)料不到的。可以發(fā)現(xiàn)使用者潛在的但自己尚未發(fā)現(xiàn)的興趣偏好。 推薦個(gè)性化、自動(dòng)化程度高。能夠有效的利用其他相似使用者的回饋資訊。加快個(gè)性化學(xué)習(xí)的速度。 缺點(diǎn)：雖然協(xié)同過(guò)濾作為一推薦機(jī)制有其相當(dāng)?shù)膽?yīng)用，但協(xié)同過(guò)濾仍有許多的問(wèn)題需要解決。整體而言，最典型的問(wèn)題有：新使用者問(wèn)題(New User Problem)系統(tǒng)開(kāi)始時(shí)推薦品質(zhì)較差 新項(xiàng)目問(wèn)題(New Item Problem) 品質(zhì)取決于歷史資料集 稀疏性問(wèn)題(Sparsity) 系統(tǒng)延伸性問(wèn)題(Scalability)。 本章小結(jié)本章介紹了Java語(yǔ)言的概述，J2EE平臺(tái)技術(shù)的介紹以及JSP技術(shù)概述，Oracle數(shù)據(jù)庫(kù)，協(xié)同過(guò)濾技術(shù)的概述。下章將對(duì)本系統(tǒng)進(jìn)行總體的需求分析跟各模塊的需求分析。第3章 系統(tǒng)需求分析第3章 系統(tǒng)需求分析 系統(tǒng)總體需求分析在本章將對(duì)遠(yuǎn)程醫(yī)療系統(tǒng)進(jìn)行詳細(xì)的需求與分析。首先是系統(tǒng)的需求分析，其次針對(duì)需求分析得到系統(tǒng)的功能模塊，接下來(lái)提出了系統(tǒng)的整體構(gòu)架，并且進(jìn)行了數(shù)據(jù)庫(kù)的分析。下面是本系統(tǒng)的簡(jiǎn)要流程：（1）申請(qǐng)：聯(lián)網(wǎng)醫(yī)院將患者的相關(guān)資料傳送至遠(yuǎn)程醫(yī)療中心，會(huì)診申請(qǐng)單、檢查報(bào)告單等文字資料用傳真機(jī)傳送，圖片資料以圖片文件方式上傳至服務(wù)器。（2）預(yù)審：遠(yuǎn)程中心管理員對(duì)資料進(jìn)行預(yù)審后提出資料的修改意見(jiàn)，確定會(huì)診時(shí)間和會(huì)診專家后通知申請(qǐng)?jiān)悍?。?）實(shí)施會(huì)診：被約請(qǐng)的醫(yī)院專家以及申請(qǐng)醫(yī)院病人的主管醫(yī)生等人準(zhǔn)時(shí)來(lái)到各自的遠(yuǎn)程中心，利用網(wǎng)絡(luò)進(jìn)行面對(duì)面的醫(yī)療業(yè)務(wù)交流。業(yè)務(wù)交流的意見(jiàn)由雙方業(yè)務(wù)人員各自記錄好以備保存和使用。雙方工作人員要做好通話時(shí)間等方面的記錄。會(huì)診完畢后，遠(yuǎn)程中心專家填寫(xiě)《會(huì)診意見(jiàn)單》，然后發(fā)送給申請(qǐng)方遠(yuǎn)程中心以供參考和對(duì)患者進(jìn)行治療。本系統(tǒng)的總設(shè)計(jì)目標(biāo)是：規(guī)范病歷的書(shū)寫(xiě)，有效的組織和管理病歷資料文件，提高遠(yuǎn)程會(huì)診的質(zhì)量和效果。實(shí)現(xiàn)遠(yuǎn)程會(huì)診工作流程系統(tǒng)化，提高雙方的工作效率。加強(qiáng)了與聯(lián)網(wǎng)醫(yī)院的聯(lián)系和交流，共同努力促進(jìn)了遠(yuǎn)程醫(yī)療工作的發(fā)展。 各功能需求分析本系統(tǒng)分為病歷管理功能，會(huì)診管理功能，系統(tǒng)管理功能。 病歷管理功能分析病歷管理功能主要是由聯(lián)網(wǎng)醫(yī)院傳送過(guò)來(lái)的文字及圖像資料和會(huì)診專家意見(jiàn)的回饋組成的。文字資料是指諸如主訴、癥狀、體征、病史、化驗(yàn)檢查結(jié)果等文本類型的描述信息，它們是病歷的主要組成部分。圖像資料是指X光片、CT片、心電圖等圖