一种医疗数据折叠显示方法及显示设备

技术领域

本发明涉及医疗图像数据处理的技术领域，尤其涉及一种医疗数据折叠显示方法及显示设备。

背景技术

在目前健康码数据的处理归集过程中，存在以下问题：一、健康码折叠通道不足，局限于单一个体的二码合一，当需要整理大量人员信息时无法进行规整的整合；二、单一个体的二码合一所显示的信息也不足，不利于辅助信息的额外归入。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有健康码图像数据处理存在的问题，提出了本发明。

因此，本发明解决的技术问题是：解决在目前健康码数据的处理归集过程中，一、健康码折叠通道不足，局限于单一个体的二码合一，当需要整理大量人员信息时无法进行规整的整合；二、单一个体的二码合一所显示的信息也不足，不利于辅助信息的额外归入，对严格的疫情信息掌控造成影响；三、出示健康码后再展示行程码，需要一定的时间，容易导致人员聚集和排长队的情况的问题。

为解决上述技术问题，本发明提供如下技术方案：一种医疗数据折叠显示方法，包括控制端联网获取不同对象的相应数据码，整合成初始数据库，其中，所述数据码包括相互映射的健康码及行程码；构建环状拓扑集合子集，并将各所述数据码依次纳入至所述拓扑集合子集相应的节点位置；依据确定的各所述节点位置确定相应的层级；确定同比参照物，并获取不同层级上的相应所述同比参照物；标定不同层级所述同比参照物；于所述拓扑集合子集中连通不同层级各所述同比参照物，整合不同对象相应所述数据码，并于显示界面进行触屏显示。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：构建所述拓扑集合子集具体包括，构建环状拓扑集合数据模型，并依据所要纳入的所述数据码确定所述数据模型的节点数量及环链半径；将各所述数据码纳入至所述数据模型相应的节点位置处；其中，所述数据模型的节点数量与所述数据码数量一致，所述数据模型的环链半径由所述数据模型的节点数量等比确定，以形成均匀的圆环状模型结构。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：所述数据模型的节点位置处设置有用于对该节点位置所述数据码进行数据压缩的压缩层，且所述压缩层设置有多层。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：相邻所述数据模型的节点间设置有一组链路压缩点。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：所述同比参照物包括检测时间、检测地区及检测波动曲线限值误差。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：标定不同层级所述同比参照物具体包括，获取各所述数据码中的相应健康码；截图识别出相应健康码上的显示信息；扫描所述显示信息，并识别出预先确定的所述同比参照物；确定所述同比参照物的位置，采用数据矩阵进行标定，并定义当采用所述数据矩阵进行归一后，所述同比参照物位置矩阵为单位矩阵时标定成功。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：移动端联网获取不同对象的相应所述数据码后，对各所述数据码进行图像预处理，其中，进行图像预处理具体包括，选定各所述数据码中的相应健康码作为主处理单元；OCR识别出相应健康码上的显示信息；依据识别出的显示信息，在虚拟资源池中将所述显示信息绘制成第二健康码；构建多层图层信息流，将所述第二健康码纳入至第一图层中；标定图层连接节点，连通多层图层信息流；将后续各辅助信息纳入至除第一图层外的其他图层中，虚拟3D架构化各所述数据码信息。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：在虚拟资源池中将显示信息绘制成所述第二健康码具体包括，虚拟资源池中获取数据报文；以任一识别信息为例，计算所选识别信息特征得分；根据所述所选识别信息特征得分从所选识别信息中选取出最佳特征值，基于选取出的所述最佳特征值绘制相应的所述第二健康码。

作为本发明所述的医疗数据折叠显示方法的一种优选方案，其中：确定所述所选识别信息特征得分时构建数据比对模型：

其中，|X|,|Y|分别表示中文分词结果中节点X的字符串和源数据库中节点Y的字符串，Z(X,Y)表示节点X和节点Y之间的字符串编辑距离,SIM(X,Y)表示节点X和节点Y的文本相似度；

所述数据比对模型的权重系数为：

其中，ρ表示权重系数，x

当SIM(X，Y)≥0.8，ρ∈[0.7，0.8]时符合权重系数输出。

为解决上述技术问题，本发明还提供如下技术方案：一种医疗数据折叠显示设备，所述显示设备应用上述健康码数据可折叠处理显示方法，具体包括以下部件，联网端口，用于联网获取不同对象的相应数据码，并整合成初始数据库；数据处理单元，对接所述初始数据库，用于对所述初始数据库中的数据进行相应的整合，形成环状拓扑集合子集，并同步进行层级标定；整合显示单元，与所述数据处理单元连接，依据同比参照物的标定，连通不同层级的所述数据码，形成界面显示。

本发明的有益效果：本发明提供一种医疗数据折叠显示方法及显示设备，构建环状拓扑集合子集，获取同比参照物后标定不同层级，连通后形成多通道数据连通，丰富了健康码的折叠通道，对大量人员信息的整合起到有效规整；同时，通过对各数据码进行图像预处理，构建多层图层信息流，增加了单个数据码的辅助信息纳入通道，有利于疫情信息的全面掌控。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明提供的医疗数据折叠显示方法的整体方法流程图。

图2为本发明提供的图像预处理的方法流程图。

图3为本发明提供的构建拓扑集合子集的方法流程图。

图4为本发明提供的标定不同层级同比参照物的方法流程图。

图5为本发明提供的医疗数据折叠显示设备的模块图。

图6为本发明涉及的环状拓扑集合数据模型第一示例图。

图7为本发明涉及的环状拓扑集合数据模型第二示例图。

图8为本发明涉及的检测波动曲线限值误差示例图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。

在目前健康码数据的处理归集过程中，存在以下问题：一、健康码折叠通道不足，局限于单一个体的二码合一，当需要整理大量人员信息时无法进行规整的整合；二、单一个体的二码合一所显示的信息也不足，不利于辅助信息的额外归入，对严格的疫情信息掌控造成影响；三、出示健康码后再展示行程码，需要一定的时间，容易导致人员聚集和排长队的情况。

故此，请参阅图1，本发明首先提供一种医疗数据折叠显示方法，包括：

S1：控制端联网获取不同对象的相应数据码，整合成初始数据库，其中，数据码包括相互映射的健康码及行程码；

需要说明的是，使用者将控制端联网，在申请获取相应权限后，能够通过网络传输收取不同对象的相应数据码。其中，数据码的获取过程可宽泛理解成文件夹的联网传输收取。

数据码整合至spl server系统数据库中，整合方式即为现有的统计方式，直接进行相应的数据统计即可。

不同对象获取对应的健康码及行程码后，逐一成组成对应的数据码，整合至splserver系统数据库中，整合过程即为现有的数据统计方式，在此不做多余赘述。其中，splserver系统数据库为现有专业的数据归类处理数据系统。

进一步的，考虑到单一个体的二码合一所显示的信息也不足，不利于辅助信息的额外归入，故此，控制端联网获取不同对象的相应数据码后，对各数据码进行图像预处理，其中，请参阅图2，进行图像预处理具体包括：

S1.1：选定数据码中的相应健康码作为主处理单元；

S1.2：OCR识别出相应健康码上的显示信息；

需要说明的是，OCR识别模块进行OCR识别功能，为现有识别技术的运用，在此不做赘述。

其中，识别出的信息具体包括：识别健康码照片、姓名、更新时间和健康码颜色。

S1.3：依据识别出的显示信息，在虚拟资源池中将显示信息绘制成第二健康码；

需要说明的是：虚拟资源池的构建运用了虚拟化技术，是一种基于容器的完全虚拟化技术。每个引擎通过唯一的OS内核对系统识别资源进行管理，都具备精细化的资源绘制能力。

虚拟资源池基于服务链的思想构建，通过虚拟化技术与云显示信息建立一个租户级的虚拟映射。数据报文在网络中传递时，通过流量引导技术将业务流量导入对应的虚拟资源池。

需要说明的是，流量引导即为现有的数据传输方式，利用数据报文将相应的数据含量传输至虚拟资源池中，在此不做多余的技术赘述。

更进一步的，在虚拟资源池中将显示信息绘制成第二健康码具体包括：

S1.31：虚拟资源池中获取数据报文；

需要说明的是，在信息传输过程中，各自对应信息是以数据报文的形式进行传输，而后送至虚拟资源池中；

S1.32：以任一识别信息为例，计算所选识别信息特征得分；

其中，所选识别信息特征得分＝数据报文反应特征/历史对象特征；

数据报文反应特征即为所选识别信息的传输分词量，历史对象特征即为所有特征传输分词量；

具体的，确定所选识别信息特征得分时构建数据比对模型：

其中，|X|,|Y|分别表示中文分词结果中节点X(节点即为当前识别信息特征下的特征分词点，用以区别不同识别信息特征，此项节点技术为现有技术的创造性运用，将节点技术用以区别不同识别信息特征)的字符串和源数据库中节点Y的字符串，Z(X,Y)表示节点X和节点Y之间的字符串编辑距离,SIM(X,Y)表示节点X和节点Y的文本相似度；

数据比对模型的权重系数(即所选识别信息特征得分)为：

其中，ρ表示权重系数，x

当SIM(X，Y)≥0.8，ρ∈[0.7，0.8]时符合权重系数输出；

S1.33：根据特征得分从所选识别信息中选取出最佳特征值，基于选取出的最佳特征值绘制相应的第二健康码。

其中，最佳特征值由特征得分从高至低选取出得分最高的特征，整合相应调整，绘制出最佳的能反映特征的画像，一方面提高了绘制效率，另一方面减少了运算压力，对虚拟资源池的要求不至于很高，侧面减少了硬件的成本。

S1.4：构建多层图层信息流，将第二健康码纳入至第一图层中；

需要说明的是，图层信息流的构建为现有构建技术，在此不做多余赘述，具体可参见常规的计算机运行程序，实现多层信息存储即可；而后，将第二健康码纳入至第一图层中即为将第二健康码中的信息流存储至第一图层中，实现纳入过程，此处同样为现有常规技术，在此不做多余赘述；

S1.5：标定图层连接节点，连通多层图层信息流；

标定连接节点的过程即为计算机程序随机标定显示信息即可，计算机“打样”后，通过标定的位置为参照进行图层之间的连接，实现不同图层之间存储信息的交互，标定及连接过程均为计算机程序的常规实现，在此不做多余赘述；

S1.6：将后续各辅助信息纳入至除第一图层外的其他图层中，虚拟3D架构化数据码信息；

信息纳入及虚拟3D架构化数据码信息均为计算机程序的常规实现，在此不做多余赘述。

S2：构建环状拓扑集合子集，并将各数据码依次纳入至拓扑集合子集相应的节点位置；

进一步的，请参阅图3，构建拓扑集合子集具体包括：

S2.1：如图6和图7示例，构建环状拓扑集合数据模型，并依据所要纳入的数据码确定数据模型的节点数量及环链半径；

S2.2：将数据码纳入至数据模型相应的节点位置处；

其中，数据模型的节点数量与数据码数量一致，数据模型的环链半径由数据模型的节点数量等比确定，以形成均匀的圆环状模型结构。

具体的，数据模型的节点位置处设置有用于对该节点位置数据码进行数据压缩的压缩层，且压缩层设置有多层。

额外的，相邻数据模型的节点间均通过计算机常规程序设置有一组链路压缩点，设置方法及模型算法为现有程序的常规运用，在此不做多余赘述。

S3：依据确定的各节点位置确定相应的层级；

依据上述步骤中的计算机打样过程依据实现了不同图层之间的标定，依据标定位置即可确定各节点，而后依据确定的各节点位置确定相应的层级，不同图层对应不同的节点位置，确定过程为现有中央处理器的数据处理存储实现；

S4：确定同比参照物，并获取不同层级上的相应同比参照物；

具体的，同比参照物包括检测时间、检测地区及检测波动曲线限值误差，如图8所示。

S5：请参阅图4，标定不同层级同比参照物，具体包括：

S5.1：获取各数据码中的相应健康码；

S5.2：截图识别出相应健康码上的显示信息；

S5.3：扫描显示信息，并识别出预先确定的同比参照物；

具体的，对目标数据进行截图后通过pytesseract库对截图进行图像识别，最终解析出目标数据，定义如下，

from selenium import webdriver

driver＝webdriver.Chrome()

driver.get('url')

driver.get_screenshot_as_png()

driver.save_screenshot('file_path')

pytesseract库对截图进行图像识别的方法定义如下，

import pytesseract

from PIL import Image

image＝Image.open('截图.png')

code＝pytesseract.image_to_string(image)

print(code)。

若使用OCR识别的方式来进行爬取，只需关注真实人眼所见内容，截图后进行图像识别即可。

需要说明的是：OCR程序可直接识别文字内容，无需分析网站是否使用ajax等异步加载技术。OCR(Optical Character Recognition，光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题，ICR(Intelligent Character Recognition)的名词也因此而产生。衡量一个OCR系统性能好坏的主要指标有：拒识率、误识率、识别速度、用户界面的友好性，产品的稳定性，易用性及可行性等。

S5.4：确定同比参照物的位置，采用数据矩阵进行标定，并定义当采用数据矩阵进行归一后，同比参照物位置矩阵为单位矩阵时标定成功。

其中，数据矩阵表述为：

C

S6：于拓扑集合子集中连通不同层级各同比参照物，整合不同对象相应数据码，并于显示界面进行触屏显示。

额外的，请参阅图5，本发明还提供一种医疗数据折叠显示设备，应用上述医疗数据折叠显示方法，具体包括以下部件：

联网端口，用于联网获取不同对象的相应数据码，并整合成初始数据库；

数据处理单元，对接初始数据库，用于对初始数据库中的数据进行相应的整合，形成环状拓扑集合子集，并同步进行层级标定；

整合显示单元，与数据处理单元连接，依据同比参照物的标定，连通不同层级的数据码，形成界面显示。

本发明提供一种医疗数据折叠显示方法及显示设备，构建环状拓扑集合子集，获取同比参照物后标定不同层级，连通后形成多通道数据连通，丰富了健康码的折叠通道，对大量人员信息的整合起到的有效规整；同时，通过对各数据码进行图像预处理，构建多层图层信息流，增加了单个数据码的辅助信息纳入通道，有利于疫情信息的掌控。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。