基于整合醫(yī)療信息的預(yù)約掛號服務(wù)客戶端研究優(yōu)化方法＊

陳勇

（河北省承德醫(yī)學(xué)院附屬醫(yī)院信息網(wǎng)絡(luò)中心，河北 承德 067000)

1 引言

隨著醫(yī)院智能信息化管理建設(shè)的發(fā)展，建立預(yù)約掛號服務(wù)客戶端，進行醫(yī)院預(yù)約掛號智能信息化管理，提高信息化環(huán)境下的預(yù)約掛號服務(wù)客戶平臺的服務(wù)質(zhì)量，從而提高預(yù)約掛號服務(wù)的在線管理能力，相關(guān)的預(yù)約掛號服務(wù)客戶端設(shè)計方法研究受到人們的極大重視[1]。國外在互聯(lián)網(wǎng)的依托下醫(yī)療發(fā)展迅速，美國醫(yī)療研究人員建立了遠程中風(fēng)治療與護理指導(dǎo)系統(tǒng)，該系統(tǒng)可以為病人提供遠程的治療服務(wù)；德國研究人員推廣了一個遠程皮膚病學(xué)信息系統(tǒng)，可通過智能手機進行在線治療。而在國內(nèi)，雖然互聯(lián)網(wǎng)發(fā)展迅猛，但在醫(yī)療行業(yè)還停留在為患者提供掛號預(yù)約服務(wù)，利用手機APP 提供功能簡單的服務(wù)，但實用性和成熟度還有所欠缺。對預(yù)約掛號服務(wù)客戶端的設(shè)計是建立在對醫(yī)療綜合信息整合和大數(shù)據(jù)挖掘基礎(chǔ)上，通過智能化的信息管理系統(tǒng)設(shè)計，進行預(yù)約掛號服務(wù)客戶端設(shè)計，提高預(yù)約掛號服務(wù)客戶端的智能化水平[2]。

傳統(tǒng)方法的預(yù)約掛號服務(wù)客戶端系統(tǒng)設(shè)計，其人機交互性普遍不好。LYU Y X等人中提出基于B/S技術(shù)的醫(yī)院預(yù)約掛號服務(wù)客戶端系統(tǒng)設(shè)計方法，構(gòu)建由信息采集模塊、信息融合模塊和程序加載模塊構(gòu)成的總體結(jié)構(gòu)模型，通過融合調(diào)度和信息挖掘[3]，進行客戶端系統(tǒng)設(shè)計，但該系統(tǒng)的信息整合性能不好。龐偉林等人提出基于模糊PID控制的醫(yī)院預(yù)約掛號服務(wù)客戶端系統(tǒng)可靠性設(shè)計方法，建立客戶端系統(tǒng)控制指令的轉(zhuǎn)換模型，通過模糊度挖掘和信息調(diào)度，進行客戶端系統(tǒng)設(shè)計[4]，但該方法的進行系統(tǒng)設(shè)計的輸出可靠性不好。

針對上述問題，本文提出基于整合醫(yī)療信息的預(yù)約掛號服務(wù)客戶端系統(tǒng)優(yōu)化方法。首先構(gòu)建預(yù)約掛號服務(wù)客戶端的數(shù)據(jù)庫，然后通過人機交互設(shè)計方法，進行預(yù)約掛號服務(wù)客戶端的醫(yī)療信息輸出轉(zhuǎn)換和人機輸出接口控制，在嵌入式的ARM 平臺中，實現(xiàn)預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合和客戶端的系統(tǒng)優(yōu)化。最后進行仿真測試分析，展示了本文方法在提高預(yù)約掛號服務(wù)客戶端醫(yī)療整合能力方面的優(yōu)越性能。

2 預(yù)約掛號服務(wù)客戶端醫(yī)療信息數(shù)據(jù)庫存儲結(jié)構(gòu)和挖掘

2.1 醫(yī)療信息數(shù)據(jù)庫存儲結(jié)構(gòu)

采用融合差分聚類，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合的調(diào)節(jié)參數(shù)c，通過模糊C 均值調(diào)度，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息采樣的凸函數(shù)：

式中，z(t)，Z(t1)表示在t時間內(nèi)的融合差分聚類參數(shù)，r(s)，φ(s)分別表示醫(yī)療信息整合速率及模糊度調(diào)度速率，f(x)表示信息采樣函數(shù)參數(shù)變化量。根據(jù)存儲介質(zhì)的速度，采用統(tǒng)計平均分析方法，預(yù)約掛號服務(wù)客戶端醫(yī)療信息副本相關(guān)特征量為：

上式中，X(t)表示在t時間內(nèi)的存儲介質(zhì)速度量，y(t)表示醫(yī)療掛號服務(wù)客戶端信息特征數(shù)。通過迭代控制，結(jié)合模擬平臺的網(wǎng)格結(jié)構(gòu)，當(dāng)0≤μ≤1時，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息序列分布模型，其表達為：

其中：

上式中，TC為不同的站點的醫(yī)療信息采樣結(jié)果，f 為預(yù)約掛號服務(wù)客戶端的信息采樣時延，|Xcode(f)|為信息加權(quán)特征量。

為了實現(xiàn)預(yù)約掛號服務(wù)客戶端醫(yī)療信息存儲和挖掘，構(gòu)建醫(yī)院預(yù)約掛號服務(wù)的信息序列分布樣本模型，結(jié)合數(shù)據(jù)存儲結(jié)構(gòu)設(shè)計[5]，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息的存儲結(jié)構(gòu)模型如圖1所示。

圖1 預(yù)約掛號服務(wù)客戶端醫(yī)療信息存儲結(jié)構(gòu)模型

在圖1所示的預(yù)約掛號服務(wù)客戶端醫(yī)療信息存儲結(jié)構(gòu)中，設(shè)預(yù)約掛號服務(wù)客戶端的統(tǒng)計樣本集滿足，且A∩B=φ，假設(shè)預(yù)約掛號服務(wù)客戶端醫(yī)療信息的測度平均集為：，采用底層數(shù)據(jù)加載的方法進行預(yù)約掛號服務(wù)客戶端的醫(yī)療信息融合，從而提高預(yù)約服務(wù)管理能力[6]。

2.2 醫(yī)療信息大數(shù)據(jù)挖掘

建立預(yù)約掛號服務(wù)客戶端醫(yī)療信息大數(shù)據(jù)融合模型，根據(jù)醫(yī)院預(yù)約掛號服務(wù)每個存儲媒體的差異度，構(gòu)建預(yù)約掛號服務(wù)客戶端醫(yī)療信息數(shù)據(jù)分布擬合函數(shù)為：

其中，a(t)為預(yù)約掛號服務(wù)客戶端醫(yī)療信息分布數(shù)據(jù)點xi和xj之間的模糊相關(guān)度，θ(t)為節(jié)點x和y間的網(wǎng)絡(luò)距離。

結(jié)合統(tǒng)計信息分析和大數(shù)據(jù)回歸分析方法，計算預(yù)約掛號服務(wù)客戶端醫(yī)療信息評估結(jié)果[7]，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合數(shù)據(jù)分割模型，其表達為：

式中，k表示預(yù)約掛號服務(wù)客戶端醫(yī)療信息評估參數(shù)，τk表示客戶端系統(tǒng)醫(yī)療信息評估參數(shù)結(jié)果值。采用副本相關(guān)融合的方法，進行醫(yī)療信息大數(shù)據(jù)挖掘，得到醫(yī)療信息大數(shù)據(jù)挖掘和訪問結(jié)構(gòu)圖，如圖2所示。

圖2 醫(yī)療信息大數(shù)據(jù)挖掘和訪問

3 預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合

3.1 醫(yī)療信息融合調(diào)度

為了反映醫(yī)院預(yù)約掛號服務(wù)評估的內(nèi)部特征，建立預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合的目標(biāo)函數(shù)，在每個站點控制數(shù)據(jù)的傳輸，得到傳輸目標(biāo)函數(shù)為：

上式中，ak為預(yù)約掛號服務(wù)客戶端醫(yī)療信息的統(tǒng)計相關(guān)特征量，br為局部收斂參數(shù)。

在OptorSim中進行客戶端的數(shù)據(jù)訪問控制，得到數(shù)據(jù)網(wǎng)格項目開發(fā)的關(guān)聯(lián)規(guī)則信息為：

式中，ai表示客戶端數(shù)據(jù)訪問分布集，br表示客戶端數(shù)據(jù)訪問控制參數(shù)，u表示客戶端數(shù)據(jù)開發(fā)調(diào)度特征。

根據(jù)副本R 的排序表，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息融合統(tǒng)計量分析模型為：

式中，J為副本R是排序系數(shù)，2π△f為輸入的客戶端醫(yī)療信息的標(biāo)量時間序列，φj為第j個客戶端醫(yī)療信息融合特征點的適應(yīng)度函數(shù)。結(jié)合統(tǒng)計信息分析和大數(shù)據(jù)回歸分析方法，進行預(yù)約掛號服務(wù)客戶端醫(yī)療信息的信息融合和信息調(diào)度設(shè)計[8]。結(jié)合聯(lián)合概率密度估計，計算用戶任務(wù)信息融合度為DCT(xt)=p(xt|d0，…，t)，得到醫(yī)院預(yù)約掛號服務(wù)客戶端醫(yī)療信息融合調(diào)度模型，其表達為：

式中，xk為采樣醫(yī)院預(yù)約掛號服務(wù)中的醫(yī)療信息統(tǒng)計序列，m為預(yù)約掛號服務(wù)客戶端醫(yī)療信息融合的嵌入維數(shù)，μik為相關(guān)特征量。結(jié)合醫(yī)療信息融合調(diào)度，進行信息整合。

3.2 醫(yī)療信息整合輸出

通過信息融合調(diào)度，進行預(yù)約掛號服務(wù)客戶端醫(yī)療信息數(shù)據(jù)輸出和資源共享設(shè)計，結(jié)合數(shù)據(jù)網(wǎng)格的數(shù)據(jù)資源分布，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合的時間窗口函數(shù)為△w=wmax-wmin，則得到醫(yī)療信息數(shù)據(jù)分布函數(shù)：

上式中，*為卷積運算。假設(shè)d1=d2=…=dp，預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合的平均互相關(guān)函數(shù)為：

上式中，P為主要特征，x(t)為預(yù)約掛號服務(wù)客戶端醫(yī)療信息的差異度函數(shù)，τ為預(yù)約掛號服務(wù)客戶端醫(yī)療信息的粒子整合系數(shù)。

在模糊調(diào)度集Si(i=1，2，…，L)中，預(yù)約掛號服務(wù)客戶端信息特征量滿足以下條件：

則信息優(yōu)化整合的目標(biāo)函數(shù)為：

上式中，s(n)表示代表數(shù)據(jù)網(wǎng)格的計算資源，v(n)表示醫(yī)院預(yù)約掛號服務(wù)樣本序列，ωk-1表示掛號服務(wù)模糊調(diào)度目標(biāo)參數(shù)，表示采樣第i個的醫(yī)療信息統(tǒng)計序列系數(shù)，Yk-1表示系統(tǒng)逆變器等效增益。

假設(shè)預(yù)約掛號服務(wù)客戶端醫(yī)療信息指數(shù)分布的判別函數(shù)為αk≥0，且αk=1 時，采用副本優(yōu)化器進行預(yù)約掛號服務(wù)客戶端的信息共享輸出，得到信息共享輸出模型，其表達為：

式中，p 為預(yù)約掛號服務(wù)客戶端的信息下垂控制參數(shù)。綜上分析，實現(xiàn)代表數(shù)據(jù)網(wǎng)格的計算資源的客戶端設(shè)計和醫(yī)療信息整合及共享輸出設(shè)計。

4 系統(tǒng)集成實現(xiàn)與測試

通過人機交互方法，進行預(yù)約掛號服務(wù)客戶端的醫(yī)療信息輸出轉(zhuǎn)換和人機輸出接口控制，在嵌入式的ARM平臺中，實現(xiàn)預(yù)約掛號服務(wù)客戶端醫(yī)療信息整合和客戶端的系統(tǒng)優(yōu)化，得到軟件實現(xiàn)流程如圖3所示。

圖3 預(yù)約掛號服務(wù)客戶端軟件設(shè)計流程

在進行醫(yī)療信息整合中的仿真軟件為Matlab7.0.1。對預(yù)約掛號服務(wù)客戶端醫(yī)療信息原始數(shù)據(jù)的采樣率為30KPS/s，自相關(guān)特征采樣率為f1=0.3KHz，信息整合的終止采樣率f2=0.05KHz，得到在預(yù)約掛號服務(wù)客戶端的醫(yī)療信息整合的平均任務(wù)執(zhí)行時間如圖4所示。

圖4 平均任務(wù)執(zhí)行時間

分析圖4得知，本文方法進行預(yù)約掛號服務(wù)客戶端的醫(yī)療信息整合的平均任務(wù)執(zhí)行時間較短，測試不同訪問模式下預(yù)約掛號的時間開銷，如圖5所示。

圖5 預(yù)約掛號的時間開銷

分析上述測試結(jié)果得知，通過構(gòu)建預(yù)約掛號服務(wù)客戶端，預(yù)約掛號的時間開銷縮短，提高了預(yù)約掛號服務(wù)水平。

5 結(jié)束語

構(gòu)建預(yù)約掛號服務(wù)客戶端，通過醫(yī)院信息資源調(diào)度和信息整合，提高預(yù)約掛號服務(wù)的在線管理能力，本文提出基于整合醫(yī)療信息的預(yù)約掛號服務(wù)客戶端系統(tǒng)。采用融合差分聚類，建立預(yù)約掛號服務(wù)客戶端醫(yī)療信息大數(shù)據(jù)融合模型，結(jié)合統(tǒng)計信息分析和大數(shù)據(jù)回歸分析方法，得到預(yù)約掛號服務(wù)客戶端醫(yī)療信息評估結(jié)果，采用副本相關(guān)融合的方法，進行醫(yī)療信息大數(shù)據(jù)挖掘，通過信息融合調(diào)度，進行預(yù)約掛號服務(wù)客戶端醫(yī)療信息的大數(shù)據(jù)挖掘和資源共享。分析得知，該系統(tǒng)提高了醫(yī)院信息資源調(diào)度和信息整合水平，降低了預(yù)約掛號的時間成本。