基于Hadoop大数据技术的脑卒中智能诊疗平台研发要点

1、基于基于 Hadoop 大数据技术的脑卒中智大数据技术的脑卒中智 能诊疗平台研发能诊疗平台研发 可行性报告和经费概算可行性报告和经费概算 目目 录录 一、 项目可行性报告.1 （一） 项目实施的意义1 （二） 现有基础条件2 （三） 技术解决方案4 3.1研究内容以及相应的解决方案4 3.1.1 构建脑卒中医疗数据仓库.4 3.1.2 建立单病种电子病历.5 3.1.3 构建柔性临床路径.7 3.1.4 对海量脑卒中医疗数据进行数据挖掘.9 3.2关键技术10 3.3主要创新点11 （四） 项目实施目标和市场分析11 4.1主要技术指标11 4.2主要经济指标12 4.3知识产权12 二、 经费概算.12 （一） 经费概算列表12 （二） 经费概算说明14 1 基于基于 Hadoop 大数据技术的脑卒中智能诊大数据技术的脑卒中智能诊 疗平台研发疗平台研发 一、一、 项目可行性报告项目可行性报告 （一）（一） 项目实施的意义项目实施的意义 脑卒中是一种以脑部缺血及出血性损伤症状为主要临床表现的疾病，又称 作脑中风或脑血管意外，具有极高的病死率和致残率，主要分为出血性脑卒中 (脑出血或蛛网

2、膜下腔出血)和缺血性脑卒中(脑梗塞、脑血栓形成)两大类，以 脑梗塞最为常见。脑卒中发病急，病死率高，是世界上最重要的致死性疾病之 一。据世界卫生组织（WHO）公布的数据，全世界每年有 1600 万人死于心脑 血管疾病，占总死亡率的 60.7%。根据我国卫生部最新统计数据显示，我国每 年发生脑卒中达 200 万，现幸存脑卒中病人 700 万，其中 450 万病人不同程 度丧失劳动力和生活不能自理，致残率高达 75%。正是由于这种疾病的高致 死率，引起了各大医疗机构的重视。 以往的医疗系统，存在着几大问题：一、只是对脑卒中病人数据单纯的记 录，无法将这些记录的数据转化为有用的信息，为医院治疗脑卒中病人提供必 要的数据基础。医院对于数据的处理，仅限于录入、修改、删除、统计和查询 等数据库的低层次应用，缺乏对数据的集成和分析，更谈不上在这大量的数据 资源中挖掘深层次的、隐含的、有价值的知识；二、各大医院使用各自的医疗 系统，同样的病人数据采用不同的记录规则，导致了脑卒中病人信息无法集成， 例如浙一医院和它的各个附属医院，因为使用的电子病历系统的差异，各个附 属医院的脑卒中病人数据无法被浙一医院

3、使用，大量的病人数据只是成了摆设， 出现了“数据丰富，无法统一”的现象。因此如何充分利用这些宝贵的信息资源 来为疾病的诊断和治疗提供科学的指导、为医院领导决策提供科学依据，已经 成为迫切需要解决的问题。三、目前各大医院的医疗系统只是针对普通疾病， 而脑卒中病人信息的记录方式，诊疗方式无法在现有医疗系统中体现，无法为 脑卒中病人提供更高效，更高质量的治疗。 基于以上存在的问题，脑卒中智能诊疗平台研发已经迫在眉睫。首先，诊 2 疗平台运用人工智能领域的知识，将案例推理、数据挖掘技术等应用到脑卒中 诊疗中，设计脑卒中临床路径，协助医生治疗，提高诊断的效率和准确度。其 次，使用诊疗平台的各大医疗机构，在平台的统一数据格式下可以实现最大化 的数据共享和使用，将各大医疗机构的脑卒中病人数据集中，为将来的数据挖 掘提供强大的基础。在脑卒中智能诊疗平台的帮助下，将极大程度的帮助医生 治疗脑卒中病人，提高治疗的效率和质量，从而降低脑卒中病人的致死率。 （二）（二） 现有基础条件现有基础条件 项目团队由浙江爱达公司、浙江工业大学、浙江大学医学院附属第一医院 联合组成。在医疗信息系统的理论和应用研究上已有一

4、定积累。 浙江爱达科技有限公司开发了电子病历系统、PACS 系统、住院病人随访系 统等医院关键信息系统，已经在多家医院投入使用，在医疗系统方面有着大量 的技术人员和技术经验。在国内率先提出了柔性临床路径，获得了卫生管理部 门的高度重视。现在已有的电子病历系统、PACS 系统、住院病人随访系统都 可以移植到脑卒中智能诊疗平台中，为平台的成功构建提供了良好的技术基础。 浙江工业大学在数据库技术、数据挖掘技术、信息安全技术、图论与 Petri 网技术等领域发表论文 100 余篇，其中 SCI 收录 28 篇，EI 收录 50 余篇。为本 项目的顺利进行提供了有力的科研和技术保障以及学术理论上的支持。 浙一医院神经外科为国家重点学科，外科中心拥有独立的神经外科实验室， 可进行显微神经外科操作培训、颅底外科解剖训练及神经干细胞培养和脑组织 移植的相关基础和临床科研工作。该中心还拥有西门子 PET/ /CT、西门子回旋 加速器、瓦里安直线加速器、飞利浦 3.0T 磁共振、多排螺旋 CT、三维脑血管 DSA 系统、手术显微镜、术中多普勒超声仪、超声手术刀、四合一 YAG 激光、 神经内镜、面神经监护

5、仪、神经刺激仪、术中脑电图监测系统、开颅高速气钻 及微型磨钻等一系列先进设备。开展重症监护、颅脑创伤、脑血管疾病、小儿 神经外科、脑肿瘤及脊髓脊柱等神经外科疾病的诊治，并积极筹建功能神经外 科与伽玛刀中心。因此，该医院在脑中风领域上有很丰富的治疗经验和先进的 医疗设施，能够为平台的搭建提供足够的数据支持和有关脑中风专业知识的指 3 导，也为平台的前期推广提供有效的途径。 项目团队大部分成员通过合理组织，包含了所需的各方面专业技术和管理 人员，包括了由博士和高级职称人员组成，具有相关的技术知识和经验的研究 人员；包括了具有几十年医院临床经验和管理经验的高级医务人员；也包括了 具有丰富医院信息系统开发经验和技术的计算机开发人员。项目团队主要成员 和骨干成员介绍如下： 项目负责人项目负责人：张端，男，博士，副教授，硕导博士，副教授，硕导，1972 年生。他主要从事信 息系统和控制工程的研究。迄今为止，他承担和参与了多项国家基金、863、省 部级项目以及多项企业合作项目；申请和授权发明专利 8 项；发表论文 20 与篇， 其中 SCI 收录 7 篇，EI 收录 10 篇，并在图论与 Petri

6、 网技术领域发表了 3 篇 SCI 论文，为本项目的研发打下了坚实的理论基础。目前主要研究方向为：智 能医疗信息系统。 主要项目主要项目： 1. 负责国家自然科学基金项目，研究内容：复杂动态过程的控制和优 化，2007.12009.12 2. 作为副组长共同负责 863 计划项目，研究内容：复杂生产过程的策 略研究， 2006.122008.12 3. 参与 863 计划项目，研究内容：复杂生产过程的集成建模与协调优 化控制技术研究，2009.4 4. 负责企业合作项目，研究内容：智能外贸信息系统，时间： 2010.62011.6； 5. 负责企业合作项目，研究内容：医疗用品包装图像检测系统，时间： 2011.62011.12； 6. 参与企业合作项目，研究内容：海南 RFID 智能卡一卡通系统的研 发，2010.32011.12； 7. 参与企业合作项目，研究内容：供电局机房监控系统， 2006.12008.12； 4 承担工作承担工作：作为项目负责人，负责项目的关键技术研究和任务分工，并管 理经费的合理使用，保障项目质量和时间进度，同时，负责与合作单位的协调 和沟通。 项目主要成员

7、项目主要成员：潘剑威，男，浙江大学医学院附属第一医院神经外科副主 任医师，从事神经外科工作 10 年，主攻脑血管外科，擅长脑动脉瘤、动静脉畸 形、脑动脉狭窄等脑血管疾病的介入手术治疗。 承担工作承担工作：负责与合作单位的协调和沟通，并承担部分需求分析工作。 项目主要成员项目主要成员：庄华亮，男，博士，归国留学人员博士，归国留学人员，1967 年生。分别于 1994 和 1997 年在浙江工业大学获得工学学士和工学硕士学位。1998 年赴新加 坡南洋理工大学电气工程学院，2000 年获硕士学位。2000 年 至 2002 年, 新加 坡国立大学化学与环境工程系担任科研工程师。2002 年 至 2003 年, 在新加坡 策技系统公司担任研发工程师。2004 年至 2009 年, 新加坡南洋理工大学电气工 程学院自动控制与仪器仪表系学习,获博士学位。2009 年至 2011 年, 新加坡南 洋理工大学电气工程学院卫星研发中心担任研究员(research associate) 。2012 年 起浙江琴江科技有限公司从事智能系统和模式识别领域的研发工作。 主要项目主要项目： 1.参与新加坡环境部

8、委托项目“ modeling and optimal control of pulse-jet fabric filters”， 2009.12011.6 2.参与新加坡国防部委托项目“Multi-spectral satellite image analysis and object detection”, 2006.12007.12 承担工作承担工作：负责柔性临床路径系统的软件项目管理和数据挖掘算法开发。 （三）（三） 技术解决方案技术解决方案 3.1研究内容以及相应的解决方案研究内容以及相应的解决方案 3.1.1 构建脑卒中医疗数据仓库构建脑卒中医疗数据仓库 目前浙一医院及其附属医院都有自己的数据库，脑卒中电子病历数据处于 5 分散状态，而且由于采用不同的数据库技术，各种病历之间的格式也不统一。 因此，需要对这些数据进行整合，以 Hadoop 的分布式数据仓库 Hive 为技术平 台建立一个完整的医疗数据仓库，以备数据挖掘之需。数据仓库构建的整个过 程包括数据抽取，数据转换和数据加载，即 ETL。 1） 数据抽取 本研究需要从各家医院的数据库中抽取有关脑卒中的电子病历数据，所以需

9、 要利用数抽取工具 Sqoop，从脑卒中电子病历所用的各种传统关系型数据库中 抽取数据。然后在 Hadoop 平台上建立 Hive 临时数据库，用于存储抽取到的脑 卒中数据。 2） 数据转换 由于各家医院的电子病历系统建立方式不同，所以其数据存储的模式也有差 距，这就导致了格式上的差异。而且脑卒中有很多分支，包括缺血性和出血性 的，再往下还可以细分出很多病种，比如脑梗死，脑栓塞，颅内出血，蛛网膜 下出血等。各医院之间对这些病又都有自己的治疗方式和流程。因此，这会导 致抽取过来的数据格式多样和混乱。本研究需要对这些数据进行格式的转换和 统一。由于该数据仓库最终目的是用于数据挖掘，所以我们可以删除一些不重 要的信息，比如病人的姓名，证件号码以及家庭住址等。一些电子病历会有数 据不全的现象，比如病人的其他相关症状等信息，我们采用缺省值方式对这些 字段进行补齐。最终保留病人的临床表现（口眼歪斜，半身不遂，老年痴呆等） ， 相应的诊断结果（出血性中风或缺血性中风） ，治疗手段，所用的药物，治疗结 果以及后遗症等信息。然后对这些数据进行重组，再建立一个新的 Hive 数据库， 保存重组信息。 3） 数据加载 由于原先的重组数据库都是针对每家医院的电子病历系统分别建立的，因此， 我们需要将这些分散的数据库整合到一起。第三次建立 Hive 数据库，作为最终 的数据仓库，将各个重组数据库数据加载到数据仓库中，完成整个数据仓库的 建立。 整个数据仓库的 ETL 过程如图 3-1 所示： 6 图 3-1 基于 Hive 的分布式脑卒中医疗数据仓库 ETL 过程 3.1.2 对海量脑卒中医疗数据进行数据挖掘对海量脑卒中医疗数据进行数据挖掘 目前，医生对脑卒中的临床分类诊断的正确率只有 70%左右；以头颅 CT 和核磁共振检查诊断较为可靠，但其价格昂贵；且因 CT 和核磁共振检查需搬 动病人，易加重病情；尤其是 CT 和核磁共振检查对早期脑缺血常出现假阴性。 寻求对脑卒中作早期分类诊断的正确适用方法，一直成为医学研究中的重要课 题。因此，本研究利用决策树算法分析海量脑卒中电子病历中的临床症状指标 和诊断结果进行分析，生成一套精确而且通用的判别标准。当医生输入病人的 临床指标后，系统会根据先前制定的标准对这些指标进行分析，得出正确的诊 断结果。 此外，当前各医院对脑卒中的治疗

《基于Hadoop大数据技术的脑卒中智能诊疗平台研发要点》由会员206****923分享，可在线阅读，更多相关《基于Hadoop大数据技术的脑卒中智能诊疗平台研发要点》请在金锄头文库上搜索。