导读:本文包含了医疗应用集成论文开题报告文献综述及选题提纲参考文献，主要关键词:医疗信息管理,数据集成,数据管理
医疗应用集成论文文献综述
赵盛,张贵[1]（2019）在《医疗检查数据集成在医院的应用》一文中研究指出随着我国医疗水平和科学技术的不断提高,医疗管理系统和医疗信息管理系统的建立和普及逐渐步入正轨。为了对本地的医疗信息管理系统进行优化,也为了提升管理工作的效率,实施数据集成变得尤为重要。由于医疗发展的不均衡,导致部分地区的患者对于医疗工作存在不满情绪,本文分析了当前医疗工作中存在的不足,阐述了医疗检查数据集成系统在医疗工作中的实际应用以及这一系统的重要性。(本文来源于《传播力研究》期刊2019年30期）
杨旭[2]（2019）在《基于INFA技术的集成平台在医疗大数据中的应用》一文中研究指出当前医疗大数据带来前所未有的机遇,医疗大数据的研究对不同人群的健康特征、发现新疾病、控制传染病均有帮助。尽管我国拥有海量大数据,但缺少有效数据加工分析能力。其中关键问题出在数据标准集不统一。每家医院都会用到HIS、EMR、影像、移动护理等十几个系统,不同厂商的数据标准、类型、存储都不相同,医院各系统间信息不共享。集成平台实现了医院内部信息系统间的数据交换,实现了医院各系统间数据的互联互通,更实现了医院工作流的集成。INFA是高可用性高扩展性的集成平台工具,不仅能改进数据质量,统一数据标准集,还能对数据进行采集、清洗、集成并交付。(本文来源于《电脑知识与技术》期刊2019年28期）
王觅也,郑涛,李楠,张睿,师庆科[3]（2019）在《医疗大数据集成及应用平台体系构建》一文中研究指出以四川大学华西医院为例,在介绍医疗大数据集成应用现状基础上,提出"云平台+数据资源+应用"的大数据集成平台构建方案,介绍平台系统设计与应用效果,推动医疗大数据应用发展。(本文来源于《医学信息学杂志》期刊2019年08期）
陆阳,杨林,戴剑峰,王菁菁,王雪元[4]（2019）在《基于集成支持向量机的医疗设备风险评估研究与应用》一文中研究指出医疗设备临床使用风险的精确评估是风险预警和防控的基础。本研究将德尔菲法与相关性分析、鉴别力分析相结合,从设备、环境、人因、管理4个方面建立指标体系,提出了基于支持向量机(support vector machine,SVM)的风险评估方法,运用自适应增强算法(adaptive boosting,AdaBoost)进一步提高算法的泛化性能和评估精度,构建医疗设备临床使用风险评估模型。将该模型用于叁甲医院ICU在用呼吸机风险因素的综合评估,N折交叉验证模型的适用性,取得了良好的应用效果。(本文来源于《生物医学工程研究》期刊2019年02期）
陆旭[5]（2019）在《基于本体的医疗异构数据集成研究与应用》一文中研究指出医学科学的发展,直接关乎我们人类的生命和健康,在大数据战略即将被纳入国家发展计划的今天,如何以数据创新探索未来的医学科学,如何在庞大的数据资源中快速获取信息、提升人类医疗集体经验,是亟待探讨的现实问题。我国的医疗信息化建设工作一直在持续开展中,但是一直以来各医疗机构的信息系统相对封闭、医疗卫生数据不能实现互联互通。我国新的医疗改革方案也提出了,要求建立信息可共享的医疗卫生信息系统,突出强调了实现医疗卫生数据的互操作性的重要地位。语义互操作性指的是两个或两个以上的系统或组件能够较好通信并且使用那些已经交换信息的能力,它能够确保异构系统均采用同样的规范解析和处理数据,确保对医疗卫生数据能够无歧义的理解、解析和使用。而在实现医疗数据分析和语义互操作性的第一步就是医疗数据的集成工作,在数据集成工作中,医疗数据以其数据类型复杂、数据量大、数据源间存在异构现象等特点,给医疗信息化发展带来了巨大阻碍,集成海量医疗异构数据是目前推进医疗信息化进程中亟待解决的问题。本文针对医疗数据源的特点以及异构数据的集成问题,提出了一种将语义的互操作性引入医疗数据集成工作的技术方案,该方案在医疗领域的数据仓库中将医疗本体相似度检测算法引入本体构建部分以进一步解决异构数据集成问题,主要内容如下:1.提出医疗领域本体构建方法:该方案首先通过不同的异构数据源提取结构信息,建立局部本体,并通过计算相似度进行局部本体间的本体融合,通过全局本体映射数据间关系,去除多语义,进而指导ETL过程;2.提出医疗相似度SDAMO算法:在该方案中,本文提出了一种适合于处理医疗领域数据的医疗本体相似度检测算法一SDAMO算法,该算法可在本体体积庞大的医疗领域本体中发挥作用,相对传统的相似度检测算法,该算法的准确度更好,更接近实际需要。3.提出医疗文本数据集成方案:对于无结构的文本数据的集成问题,本文在主流的文本分类算法基础上,通过引入SDAMO算法,引入语义信息,给出了一套对于文本数据的语义集成方案。最后,通过实验证明,以上方法在消除医疗领域数据语义不确定性方面表现良好,并能够提高医疗数据仓库中异构数据的集成效率,在解决医疗异构数据的集成问题上是实际可行的。(本文来源于《天津工业大学》期刊2019-01-20）
廖银萍[6]（2018）在《Mirth Connect在医疗信息集成中的应用》一文中研究指出针对医院各种医疗信息系统使用不同协议和接口导致的系统间信息不能互通、共享问题,提出了使用医疗信息集成引擎Mirth Connect对各种医疗信息系统进行整合、集成的方案,以提高医护人员工作效率,降低系统集成成本。简要介绍了Mirth Connect的主要适用范围和基本工作原理。并给出了一个在医院实施的HL7系统与Web Service信息系统集成的项目实例,详细阐述了如何通过Mirth Connect实现该项目的具体过程。(本文来源于《电脑知识与技术》期刊2018年25期）
邵泽国,陈晨,陈炜[7]（2018）在《医疗信息系统集成技术应用研究》一文中研究指出介绍医疗信息系统集成基本框架,详细阐述基本集成技术及其应用,包括中间件、XML、DLL、Web Service以及集成平台技术。讨论医学信息系统集成平台Rhapsody的组成、工作原理及应用并举例解析各技术的应用。(本文来源于《医学信息学杂志》期刊2018年07期）
许召召[8]（2018）在《基于数据规约改进的集成决策树在医疗决策中的应用》一文中研究指出医疗数据挖掘是数据挖掘技术的重要研究领域之一,多年来一直是计算机科学和医学领域的研究热点。目前,许多优秀的数据挖掘算法被应用于各种医学研究工作中,如决策树、神经网络和朴素贝叶斯等算法。然而,医疗数据具有特征冗余性和数据样本类别不平衡等特点,导致传统的数据挖掘算法已经难以直接应用于医疗数据研究中。集成学习因为具有分类性能好、模型构建快,同时能够提升决策树分类性能等优点,在医疗数据挖掘中得到广泛应用。基于此,本文以UCI标准数据集和ECG临床诊断数据集为研究对象,研究了基于Bagging C4.5算法的特征选择方法和数据重采样方法。首先,针对医疗数据的样本类别不平衡性,提出使用S-C4.5-SMOTE采样方法。传统的SMOTE方法虽然可以有效的降低样本的不平衡性,但是增加了少数类样本的数目,增加了后续学习算法的工作效率。而本文的方法在确保数据不失真的前提下,降低了样本的不平衡性和样本数目。在UCI数据集上的实验结果表明,通过明S-C4.5-SMOTE方法的效果明显好于传统的SMOTE方法,通过该方法采样后的数据不仅样本数目减少,而且具有更好的分类准确性。其次,针对医疗数据的特征冗余性,提出使用Wrapper特征选择方法。其中,Wrapper方法利用后续学习算法的分类性能评估特征子集,偏差小,计算量大,不适合大数据集。因此,本文在该方法之前使用S-C4.5-SMOTE采样方法来降低数据的样本数目,以此来增加Wrapper方法的工作效率。在UCI数据集上实验表明,使用Wrapper方法进行特征筛选后将不利于决策的属性剔除,而传统的方法并没有剔除对决策不利的属性,因此本文方法筛选后的特征子集具有更好的辨识度。最后,针对C4.5算法的不稳定性,提出使用Bagging集成方法对C4.5算法进行集成。通过构造多个决策树基分类器来解决同一问题。在UCI数据集上的实验结果表明通过对C4.5算法进行集成有效的提升了分类准确性,解决了C4.5算法的不稳定性。将本文所提的方法应用于ECG数据中,本文的方法的分类准确性高达90.1%,成功的实现了ECG数据分类预测。(本文来源于《云南大学》期刊2018-05-01）
危会萍[9]（2018）在《医疗信息集成平台的开发与应用》一文中研究指出数字化发展是大数据时代下各个领域的发展趋势,数字化可以实现数据有效集成和高度共享,它对于医院信息系统的发展也是至关重要的。医院需要上百个子系统来组成强大的信息系统,将信息系统数字化十分必要,尤其是当前医院面临着来自不同厂家使用不同科学技术的多个系统的集成整合问题,这些系统各具特色各具优势,如何有效综合各个系统和数据是重中之重。而医疗信息集成平台在医院信息化建设中的重要性和优势也越来越凸显。具体介绍医疗集成平台的内容和应用。(本文来源于《电子制作》期刊2018年08期）
任燕[10]（2018）在《基于微信的医院信息集成平台下医疗业务应用与拓展》一文中研究指出随着移动互联网技术的飞速发展和大力普及,医院如何利用移动互联网平台实现对传统医疗服务模式的变革是医院信息化建设中的重要部分。医院信息集成平台是医院重要的数据中心,它提供统一的数据标准和接口标准。微信已成为新兴的移动互联网社交工具,可以为医院信息化的发展提供新的应用服务平台。本课题以医院信息集成平台为数据基础结合微信公众号拓展医院原有的医疗信息化服务,打造全新的医疗应用服务模式。本系统通过调用WebService接口的方式与医院信息集成平台之间进行数据交互来获取基础的医疗数据。然后根据中国医科大学第一附属医院实际业务需求并融合基础的医疗数据通过微信为患者、医生、管理者设计和开发不同的业务功能,其中调用了微信公众平台提供的认证消息、图文消息、模板消息等高级接口来实现患者医疗数据的查询与医生诊疗数据的推送。并运用数据可视化技术对医院各类统计数据以不同图表的形式进行展现,便于管理者更直观地分析数据,更好地实现医院精细化管理。本文首先对系统的医疗业务进行需求分析,在需求分析的基础上对系统的整体功能框架、数据交互、数据接口、数据库等进行详细设计。主要为以下叁类用户群体实现了系统的主要功能:(1)面向患者主要实现医疗数据的查询:预约挂号信息的查询、候诊信息的查询(2)面向医生主要实现医生端诊疗数据的推送:病理检查报告的推送、检查危机值的推送、会诊申请信息的推送、合理用药的推送(3)面向管理者主要实现医院各类数据的统计分析图表:门诊数据的统计、住院数据的统计、急救设备的统计确定以上功能之后,详细分析了各功能的实现流程,然后对各功能进行编码实现。并且对主要功能模块的实现方法以及核心代码进行详细地描述和分析。最后为保证医院内网数据访问的安全性,还对系统安全机制的实现进行了阐述。(本文来源于《南京师范大学》期刊2018-03-27）
医疗应用集成论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
当前医疗大数据带来前所未有的机遇,医疗大数据的研究对不同人群的健康特征、发现新疾病、控制传染病均有帮助。尽管我国拥有海量大数据,但缺少有效数据加工分析能力。其中关键问题出在数据标准集不统一。每家医院都会用到HIS、EMR、影像、移动护理等十几个系统,不同厂商的数据标准、类型、存储都不相同,医院各系统间信息不共享。集成平台实现了医院内部信息系统间的数据交换,实现了医院各系统间数据的互联互通,更实现了医院工作流的集成。INFA是高可用性高扩展性的集成平台工具,不仅能改进数据质量,统一数据标准集,还能对数据进行采集、清洗、集成并交付。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
医疗应用集成论文参考文献
[1].赵盛,张贵.医疗检查数据集成在医院的应用[J].传播力研究.2019
[2].杨旭.基于INFA技术的集成平台在医疗大数据中的应用[J].电脑知识与技术.2019
[3].王觅也,郑涛,李楠,张睿,师庆科.医疗大数据集成及应用平台体系构建[J].医学信息学杂志.2019
[4].陆阳,杨林,戴剑峰,王菁菁,王雪元.基于集成支持向量机的医疗设备风险评估研究与应用[J].生物医学工程研究.2019
[5].陆旭.基于本体的医疗异构数据集成研究与应用[D].天津工业大学.2019
[6].廖银萍.MirthConnect在医疗信息集成中的应用[J].电脑知识与技术.2018
[7].邵泽国,陈晨,陈炜.医疗信息系统集成技术应用研究[J].医学信息学杂志.2018
[8].许召召.基于数据规约改进的集成决策树在医疗决策中的应用[D].云南大学.2018
[9].危会萍.医疗信息集成平台的开发与应用[J].电子制作.2018
[10].任燕.基于微信的医院信息集成平台下医疗业务应用与拓展[D].南京师范大学.2018