一种基于大数据的5G智能感控预测系统

技术领域

本发明涉及物联网技术应用技术领域，尤其涉及一种基于大数据的5G智能感控预测系统，具体是针对各环节不同质控要素开发应用带有知识库及具有辅助决策的数字化管控系统,构建集实时监管、全程质控、分析评价为一体的医疗质量智能化管控平台。

背景技术

随着现代化医学的发展，有效的控制医院感染已成为医院的一项重要工作，据统计每一年的住院病人中发生院内感染的机率已快达到10％，造成的直接经济损失估计已有两百亿人民币，更重要的是发生医院感染也会给住在医院的其他患者的生命造成威胁。现在，人们普遍认为，针对这种危险的唯一可持续防御措施是提高警惕性、公共教育以及显著减少社区中的“抗生素压力”。

现有技术中，旨在控制院内感染的医院感控系统需要统计和分析大量医学数据，内容复杂，使用手工查阅统计的处理方法，不仅容易出现数据提取的不完整、不全面，而且效率非常的低，由于涉及因素非常多，而且非常复杂，只用人工进行分析无法达到医院的预期效果；特别重要的是无法做到实时的监控和预测，无法对医院抗菌药物进行合理的应用分析与评价。基于上述陈述，为了支持医疗从业者完成复杂的医院感染控制任务，加强社区感染的检测与控制，本发明开发了一种基于大数据的5G智能感控预测系统，该系统可以对感染控制问题的各个方面进行管理。

发明内容

为了解决上述背景技术中提到的现有系统处理效率低，准确性、全面性和实时性差等问题，本发明提供一种基于大数据的5G智能感控预测系统。

为了实现上述目的，本发明采用了如下技术方案：

一种基于大数据的5G智能感控预测系统，包括三个子系统：智能终端采集和预处理子系统、分布式感控数据存储子系统、智能分析预警机制子系统；所述智能终端采集和预处理子系统通过5G、中间件模块对感控数据远程实时获取隔离人员多源异构的体征信息；并采用数据预处理技术，实现体征信息中感染信息的筛选和结构化，建立起动态的感染信息基础数据库；所述分布式感控数据存储子系统通过搭建Hadoop分布式平台将采集获取到的多源异构数据存储到HDFS中，以增加节点扩容系统的方式保证集群资源不受数据量的增大而影响，实现系统对感染信息数据的大容量存储；所述智能分析预警机制子系统通过借助5G、云计算、人工智能等技术，以服务疾病防控实际战场为核心，构建疾病预测预警数学模型，建立交互平台及时向医务人员和/或社区发出预警。

优选的，所述智能终端采集和预处理子系统具体指基于物联网的感控数据智能终端采集和预处理子系统；所述系统首先整合感控数据物联网感知体系、5G网络传输体系、医院现有信息系统(HIS、LIS、PACS、EMR、EIP)及中间件等软硬件资源，实现对结构化、半结构化、非结构化的海量感控数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等；其次利用ETL工具将分布异构的数据源中的数据(如关系数据、平面数据文件等)抽取到临时中间层后进行清洗、转换、集成，将复杂的数据转化为单一的或者便于处理的构型，并对数据通过过滤“去噪”提取出有效数据；最后加载到数据仓库或数据集中，为海量数据安全与存储技术研究提供基础。

优选的，所述分布式感控数据存储子系统具体指分布式海量数据安全与存储数据库子系统；所述系统首先针对医疗数据种类繁多的特点，按照不同的检索信息将其进行分类，以HDFS作为存储地址，其分布式存储的方式保证了医疗数据存在多个副本，不会轻易丢失，同时便于数据的高效查取；其次在服务端方面，基于对称的可搜索加密算法，在上传文件前对文件和检索条件使用进行加密，在用户端方面，通过对文件检索访问的账号分配相应的读写、执行权限，预防出现违规操作和越权行为；最后利用Hash表在数据检索方面速度快的优势，将Hash表创建维护在内存中，当完成一次成功的条件检索后，将条件和返回文件的地址串置入该Hash表，达到更新表信息时避免频繁的远程交互的目的。

优选的，所述智能分析预警机制子系统，首先结合数据集成技术、数据挖掘、人工智能、专家系统和决策支持等技术，根据各健康服务的需求和各服务之间的内在联系，对来自各监控终端数据进行抽取、集成、分析与处理，采用神经网络训练并获得决策的模型、模式和知识库；其次将临床数据库中的数据与医疗大数据进行对比分析，对比实时更新的个人体征数据与确诊病人各个阶段的体征数据，如体温、脉搏、血氧含量等，智能分析模块通过对比数据与大数据分析的阈值相对比，根据分析结果将监控人员划分为：健康人员，疑似患者，普通患者和重病患者。进而，通过5G技术将公共卫生信息平台与医院信息系统链接，调用门诊和住院信息数据，完成发热门诊报表、腹泻门诊报表、AFP报表等各类疾病预防控制部门要求完成上报的数据报表，面向感染控制的智能分析预警机制还将完成疾病报告的自动查重、自动查漏和报卡一致性分析，提高疾病上报的质量控制水平。最后，通过后台程度设置，结合气象因素、环境因素等，建立数据分析模型，分析疾病疫情的流行动态，预测疾病的流行期，实现对不同疾病流行期的智能预警。

本发明还提出了一种基于大数据的5G智能感控预测系统的运行方法，包括以下步骤：

基于大数据的5G智能感控预测系统内的感染事件处理涉及4个主要步骤：

步骤一：智能终端采集和预处理子系统能够实现与现有医院系统的数据对接，自动完成与医院感染相关的感染要素信息的加载，并自动完成各项院感临床数据的转换、计算和匹配工作，最终构成数据库模块；

步骤二：由于医疗数据种类繁多，按照不同的检索信息将其进行分类，分布式感控数据存储子系统以HDFS作为存储地址，不会轻易丢失且便于数据高效查询和加密；

步骤三：智能分析预警机制子系统对来自各监控终端数据进行抽取、集成、分析与处理，该子系统生成一些报告，并对病房和整个医院或社区内住户和整个社区的感染做出相应报告和感染详情；

步骤四：通过智能分析预警机制子系统内人工神经网络和机器学习的反复训练验证，得到最佳预测模型，最终将预测信息和结果通过可视化界面显示出来，当预测值高于设定的预警值时，预测预警模块发出报警，提醒相关人员对指定区域或指定部位进行科学、准确地控制。

与现有技术相比，本发明的有益效果是：

1、本发明针对新发重大传染病场景，研究基于大数据的5G智能感控系统及示范，实现对传染病的实时全面监测、精准动态的智能预警以及科学及时的应对，主要有以下优点：

(1)感染控制智能预警模型的构建

通过构建感染控制智能预警模型，融合人工智能技术分析预警潜在感染患者；通过风险感知和预测，可以精准预测患者感染风险与预期转归，并进行患者分类，从而优化流程实现有效防控；研究可以为卫生行政部门政策制及防控新发重大传染病的暴发提供新思路和依据。

(2)融合5G三大特性的系统方案

研究采用新一代移动通信技术—5G技术贯穿整个系统底层和应用层；5G具备大容量、高速率、低时延的三大显著特性，本发明利用其大容量特性在物联网数据采集传输底层传输海量感控数据；利用其高速率特性在应用层传输远程高清视频等服务；利用其低时延特征在应用层支撑医生进行远程手术等服务。

2、本发明设计的一种基于大数据的5G智能感控预测系统，一方面可实现感染病的状况与趋势可视化、实时性，方便相关人员观察与干预，另一方面可对感染区域做出感染预测，使相关人员能够及时、高效地进行干预，有效地降低感染率，提高感染控制的效率。

3、本发明能够实现对感染事件的智能分析、实时监测、预测预警、干预提示并且实现实时高效数据收集、智能的处理与统计、便捷的查询和分析。

综上，本发明克服了现有技术的不足，设计合理，具有较高的社会使用价值和应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基于大数据的5G智能感控预测系统的功能模块原理图。

图2为本发明提供的一种基于大数据的5G智能感控预测系统的智能终端采集和预处理子系统内感控数据采集及预处理流程图。

图3为本发明提供的一种基于大数据的5G智能感控预测系统的分布式感控数据存储子系统内感控安全存储数据库系统图。

图4为本发明提供的一种基于大数据的5G智能感控预测系统的智能分析预警机制子系统内神经网络训练模型图。

图5为本发明提供的一种基于大数据的5G智能感控预测系统的运行流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

参照图1-5，一种基于大数据的5G智能感控预测系统，包括三个子系统：智能终端采集和预处理子系统、分布式感控数据存储子系统、智能分析预警机制子系统；所述智能终端采集和预处理子系统通过5G、中间件模块对感控数据远程实时获取隔离人员多源异构的体征信息；并采用数据预处理技术，实现体征信息中感染信息的筛选和结构化，建立起动态的感染信息基础数据库；所述分布式感控数据存储子系统通过搭建Hadoop分布式平台将采集获取到的多源异构数据存储到HDFS中，以增加节点扩容系统的方式保证集群资源不受数据量的增大而影响，实现系统对感染信息数据的大容量存储；所述智能分析预警机制子系统通过借助5G、云计算、人工智能等技术，以服务疾病防控实际战场为核心，构建疾病预测预警数学模型，建立交互平台及时向医务人员和/或社区发出预警。

所述智能终端采集和预处理子系统具体指基于物联网的感控数据智能终端采集和预处理子系统；所述系统首先整合感控数据物联网感知体系、5G网络传输体系、医院现有信息系统(HIS、LIS、PACS、EMR、EIP)及中间件等软硬件资源，实现对结构化、半结构化、非结构化的海量感控数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等；其次利用ETL工具将分布异构的数据源中的数据(如关系数据、平面数据文件等)抽取到临时中间层后进行清洗、转换、集成，将复杂的数据转化为单一的或者便于处理的构型，并对数据通过过滤“去噪”提取出有效数据；最后加载到数据仓库或数据集中，为海量数据安全与存储技术研究提供基础。

所述分布式感控数据存储子系统具体指分布式海量数据安全与存储数据库子系统；所述系统首先针对医疗数据种类繁多的特点，按照不同的检索信息将其进行分类，以HDFS作为存储地址，其分布式存储的方式保证了医疗数据存在多个副本，不会轻易丢失，同时便于数据的高效查取；其次在服务端方面，基于对称的可搜索加密算法，在上传文件前对文件和检索条件使用进行加密，在用户端方面，通过对文件检索访问的账号分配相应的读写、执行权限，预防出现违规操作和越权行为；最后利用Hash表在数据检索方面速度快的优势，将Hash表创建维护在内存中，当完成一次成功的条件检索后，将条件和返回文件的地址串置入该Hash表，达到更新表信息时避免频繁的远程交互的目的。

所述智能分析预警机制子系统，首先结合数据集成技术、数据挖掘、人工智能、专家系统和决策支持等技术，根据各健康服务的需求和各服务之间的内在联系，对来自各监控终端数据进行抽取、集成、分析与处理，采用神经网络训练并获得决策的模型、模式和知识库；其次将临床数据库中的数据与医疗大数据进行对比分析，对比实时更新的个人体征数据与确诊病人各个阶段的体征数据，如体温、脉搏、血氧含量等，智能分析模块通过对比数据与大数据分析的阈值相对比，根据分析结果将监控人员划分为：健康人员，疑似患者，普通患者和重病患者。进而，通过5G技术将公共卫生信息平台与医院信息系统链接，调用门诊和住院信息数据，完成发热门诊报表、腹泻门诊报表、AFP报表等各类疾病预防控制部门要求完成上报的数据报表，面向感染控制的智能分析预警机制还将完成疾病报告的自动查重、自动查漏和报卡一致性分析，提高疾病上报的质量控制水平。最后，通过后台程度设置，结合气象因素、环境因素等，建立数据分析模型，分析疾病疫情的流行动态，预测疾病的流行期，实现对不同疾病流行期的智能预警。

本发明还提出了一种基于大数据的5G智能感控预测系统的运行方法，包括以下步骤：

基于大数据的5G智能感控预测系统内的感染事件处理涉及4个主要步骤：

步骤一：智能终端采集和预处理子系统能够实现与现有医院系统的数据对接，自动完成与医院感染相关的感染要素信息的加载，并自动完成各项院感临床数据的转换、计算和匹配工作，最终构成数据库模块；

步骤二：由于医疗数据种类繁多，按照不同的检索信息将其进行分类，分布式感控数据存储子系统以HDFS作为存储地址，不会轻易丢失且便于数据高效查询和加密；

步骤三：智能分析预警机制子系统对来自各监控终端数据进行抽取、集成、分析与处理，该子系统生成一些报告，并对病房和整个医院或社区内住户和整个社区的感染做出相应报告和感染详情；

步骤四：通过智能分析预警机制子系统内人工神经网络和机器学习的反复训练验证，得到最佳预测模型，最终将预测信息和结果通过可视化界面显示出来，当预测值高于设定的预警值时，预测预警模块发出报警，提醒相关人员对指定区域或指定部位进行科学、准确地控制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。