”互联网医疗云平台“遇上”大数据“=?

本贴最后更新于 2015 天前,其中的信息可能已经时移世改

项目背景(扯淡)

在一次饭局上一位医生朋友说他们医院需要一套新的his来满足当前医院的业务需求,然后就....(忽略中间很多过程) ,然后这个活就我接过来干了。
经过博主多个通宵加班(白天要上班) 于是就有了“互联网智慧医疗云平台" 初期版本了,目前his的需求是基本达到了,但还称不上 "智慧",所以接下来的目标就是尽可能的让这个系统变的”智慧“。
有想法的朋友可以在文章底部通过联系方式联系我
演示版本:his.hnlfkj.net 

项目介绍

 “互联网智慧医疗云平台"是以完整的基层医疗机构信息化解决方案为出发点,打造链接医院、医生、患者、一站式互联网医疗服务系统,深度挖掘了医疗机构需求,解决其真正痛点,提供医疗前沿资源及信息共享等、全面提升医疗管理质量,可执行落地的综合性解决方案,同时在基于医院信息化的医疗数据、医疗研究数据、病人特征数据以及移动设备、社交网络和传感器产生的医疗健康相关的数据,利用大数据技术发现潜在的关系、模式,从而帮助医师提高诊断精度、预测治疗效果、降低医疗成本,帮助医药公司发现潜在的药物不良反应、帮助公共卫生部门及时发现潜在的流行病的医疗健康大数据平台。

背景知识

大数据处理方法

大数据的处理技术包括:关联规则学习、分类、聚类分析、数据融合、机器学习、自然语言处理、回归、信号处理、仿真、可视化等。其中,关联规则学习是挖掘各个变量间有趣的关系,比如在零售中发现经常被一起买的商品,便于促销;分类是通过训练已有的数据集来有效识别新的数据,比如预测用户的购买行为;聚类分析是按数据相似程度将整个数据集分为多个小规模的数据集;数据融合是将多个数据源的信息整合分析以产生新的更加精确、连续、有价值的信息;机器学习是一类算法的总称,关注设计算法自动识别数据中的复杂模式;自然语言处理关注计算机与自然语言的联系,帮助计算机识别人类语言;回归是一组统计算法,用来判断因变量与自变量的关系,以帮助预测。信号处理是一组用来识别、分析、处理信号的技术;仿真是模拟一个复杂系统行为的技术,经常被用来预测;可视化是将数据处理为图像、图标、动画,以帮助人类直观了解数据。

医疗健康数据来源

医院信息系统(hospital information system,HIS)是医疗数据的重要来源。医院信息系统包括:电子病例系统(electronic medicalrecord system,EMRS)、实验室信息系统(laboratory information system,LIS)、医学影像存档与通信系统(picture archiving &communicationsystem,PACS)、放射信息管理系统(radiology information system,RIS)、临床决策支持系统(clinical decision support system,CDSS)等。根据中国医院信息化状况调查报告中对于医院信息系统的总体实施现状报告,截至2006年,电子病例系统、实验室信息系统、医学影像存档与通信系统、临床决策支持系统的已有或在建率分别为27.46%、37.70%、25.20%、12.30%。 除此之外,各种健康设备可以帮助收集用户的生命体征信息,比如心电数据、血氧浓度、呼吸、血压、体温、脉搏、运动量。社交网络和搜索引擎也包含了潜在的人口健康信息。

部分项目截图

登录页

imagepng

首页

imagepng
imagepng
imagepng

以上截图只是平台页面的冰山一角。

  • Python

    Python 是一种面向对象、直译式电脑编程语言,具有近二十年的发展历史,成熟且稳定。它包含了一组完善而且容易理解的标准库,能够轻松完成很多常见的任务。它的语法简捷和清晰,尽量使用无异义的英语单词,与其它大多数程序设计语言使用大括号不一样,它使用缩进来定义语句块。

    534 引用 • 671 回帖

相关帖子

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...
  • crick77

    感觉医院的痛点不在于这套系统,这个更适用于餐饮。。。结算 供应链

    1 回复
  • 其他回帖
  • someone

    😄 😄 😄

  • wizardforcel

    餐饮不需要什么预测,更需要机器人。

  • someone

    对,这是个很常规的系统,这个系统主要是为后面的是大数据分析提供相关数据支撑。大数据平台把各个子系统的数据进行整合,分析,机器学习,训练模型...利用大数据技术发现潜在的关系、模式,从而帮助医师提高诊断精度、预测治疗效果、降低医疗成本,帮助医药公司发现潜在的药物不良反应、帮助公共卫生部门及时发现潜在的流行病的医疗健康大数据平台。