基于模糊聚類的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)

毛俊華

（上海市中醫(yī)醫(yī)院信息處，上海 200071）

模糊聚類是采用模糊數(shù)學語言描述事物特征的數(shù)學處理方法，能夠根據(jù)所研究對象本身的屬性，構(gòu)建多個不同的模糊矩陣，并以此為基礎(chǔ)，確定數(shù)據(jù)信息參量之間的隸屬度關(guān)系，從而實現(xiàn)對聚類處理條件的準確定義。從數(shù)學特性的角度來看，與信息參量相關(guān)的數(shù)據(jù)度量集合越客觀，最終計算所得的聚類處理條件也就越準確[1-2]。簡單來說，聚類就是將全部數(shù)據(jù)集都劃分成簇或類的形式，并且需要盡可能縮小數(shù)據(jù)參量之間的誤差值水平，也就是通常所說的最大相似性聚類處理原則。

智慧醫(yī)院是包含人工智能技術(shù)在內(nèi)的醫(yī)療服務(wù)平臺，可根據(jù)診療意見的不同，對數(shù)據(jù)信息進行集中分類。隨著平臺應(yīng)用時間的延長，診療意見信息的累積量也會不斷增加，從而導(dǎo)致非同種數(shù)據(jù)信息難以有效區(qū)分的問題。為解決上述問題，傳統(tǒng)拆分型整合系統(tǒng)通過計算醫(yī)療服務(wù)信息全局最優(yōu)解的方式，對已生成的大數(shù)據(jù)參量進行按需存儲，再按照分級應(yīng)對的方式，實現(xiàn)多源異構(gòu)數(shù)據(jù)的整合處理[3]。然而此系統(tǒng)并不能完全解決多源異構(gòu)醫(yī)療數(shù)據(jù)散亂分布的問題，易導(dǎo)致診療意見參考性下降。

為避免上述情況的發(fā)生，設(shè)計基于模糊聚類的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)，借助異構(gòu)數(shù)據(jù)統(tǒng)籌元件與量化整合芯片，建立關(guān)鍵的模糊聚類矩陣，再根據(jù)模糊集合的標定結(jié)果，得到完整的數(shù)據(jù)整合結(jié)果。

1 硬件設(shè)計

智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)的硬件應(yīng)用體系由多源型處理電路、異構(gòu)數(shù)據(jù)統(tǒng)籌元件、量化整合芯片三部分組成，具體搭建方法如下。

1.1 多源型處理電路

多源型處理電路存在于智慧醫(yī)院異構(gòu)數(shù)據(jù)整合系統(tǒng)的輸入正極與輸出負極之間，可在R、C 兩類電阻元件的作用下，控制D1、D2兩個異構(gòu)體結(jié)構(gòu)兩端的傳輸電壓水平，從而使得整個系統(tǒng)內(nèi)部的傳輸電流始終保持相對穩(wěn)定的數(shù)值狀態(tài)。R 級電阻的接入阻值水平相對較小，對智慧醫(yī)院異構(gòu)數(shù)據(jù)的整合能力也就相對較弱，僅能將大規(guī)模傳輸電子量劃分成多個小型應(yīng)用結(jié)構(gòu)[4]。C 級電阻的接入阻值水平相對較大，對于智慧醫(yī)院異構(gòu)型數(shù)據(jù)的整合能力也較強，在整合系統(tǒng)內(nèi)可有效驅(qū)動大規(guī)模傳輸電子量，并將未完全消耗的部分傳輸至系統(tǒng)數(shù)據(jù)庫主機中，從而生成長期存儲記憶。多源型處理電路示意圖如圖1 所示。

圖1 多源型處理電路示意圖

1.2 異構(gòu)數(shù)據(jù)統(tǒng)籌元件

異構(gòu)數(shù)據(jù)統(tǒng)籌元件可在模糊聚類算法的支持下，改變智慧醫(yī)院數(shù)據(jù)的原始存儲形式，并從中提取出大量有用信息，一部分用于生成整合運行指令，另一部分則可直接借助傳輸信道反饋至各級硬件執(zhí)行結(jié)構(gòu)中[5-6]。ISVCM 設(shè)備作為異構(gòu)數(shù)據(jù)統(tǒng)籌元件的核心應(yīng)用設(shè)備，在單一作用時間內(nèi)，能夠記錄智慧醫(yī)院多源異構(gòu)數(shù)據(jù)的實際存在形式，并可剔除其中邊緣界線不完整的信息參量，將其暫時存儲于系統(tǒng)數(shù)據(jù)庫主機中[7-8]。由于模糊聚類算法的存在，異構(gòu)數(shù)據(jù)統(tǒng)籌元件的作用能力相對有限，因此系統(tǒng)主機在執(zhí)行過程中，并不會出現(xiàn)較為明顯的過量輸入或輸出狀態(tài)。異構(gòu)數(shù)據(jù)統(tǒng)籌元件結(jié)構(gòu)圖如圖2 所示。

圖2 異構(gòu)數(shù)據(jù)統(tǒng)籌元件結(jié)構(gòu)圖

1.3 量化整合芯片

量化整合芯片由ARM、PCM、FCM、HCM、管控開關(guān)5 類結(jié)構(gòu)共同組成。其中，ARM 負責與異構(gòu)數(shù)據(jù)統(tǒng)籌元件等上級硬件結(jié)構(gòu)體相連，可準確掌握系統(tǒng)主機所記錄的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)傳輸情況。PCM、FCM 具備同等的執(zhí)行優(yōu)先級能力，能夠按照模糊聚類算法的應(yīng)用需求，對智慧醫(yī)院多源異構(gòu)數(shù)據(jù)的傳輸路徑進行重新規(guī)劃，一方面安排系統(tǒng)數(shù)據(jù)庫主機中的信息傳輸行為，另一方面對已生成整合指令的作用價值進行驗證[9-10]。HCM 受到管控開關(guān)的直接作用，當開關(guān)處于閉合狀態(tài)時，HCM 可立即進入連接狀態(tài)，并對智慧醫(yī)院多源異構(gòu)數(shù)據(jù)進行二次整合處理；當開關(guān)處于斷開狀態(tài)下，HCM 可立即進入非響應(yīng)狀態(tài)，并可將暫存的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)快速反饋回系統(tǒng)運行環(huán)境中。量化整合芯片結(jié)構(gòu)圖如圖3 所示。

圖3 量化整合芯片結(jié)構(gòu)圖

2 軟件設(shè)計

在各級硬件執(zhí)行結(jié)構(gòu)的支持下，按照模糊集合標定、模糊聚類矩陣計算、數(shù)據(jù)整合函數(shù)的處理流程，實現(xiàn)系統(tǒng)的軟件執(zhí)行環(huán)境搭建，結(jié)合硬件與軟件，完成基于模糊聚類的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)設(shè)計。

2.1 模糊集合標定

模糊集合是一個相對籠統(tǒng)的數(shù)據(jù)邊界限制條件，在智慧醫(yī)院多源異構(gòu)整合系統(tǒng)中，受到聚類思想的影響，模糊集合可將所有數(shù)據(jù)信息參量收錄在內(nèi)，且隨著系統(tǒng)運行時間的延長，集合結(jié)構(gòu)所收錄的數(shù)據(jù)信息總量也會逐漸增大，直至能夠完全包含各類醫(yī)療數(shù)據(jù)信息[11-12]。從宏觀角度來看，模糊集合存在的意義與系統(tǒng)數(shù)據(jù)庫主機類似，都具備較強的信息存儲能力，但前者更注重對醫(yī)療數(shù)據(jù)信息的整合與加工，在執(zhí)行存儲指令的同時，可提取現(xiàn)有信息中的必要處理條件，并以此為基礎(chǔ)，完善模糊聚類算法的實際應(yīng)用能力。設(shè)wmin代表最小多源異構(gòu)數(shù)據(jù)限制系數(shù)，wmax代表最大多源異構(gòu)數(shù)據(jù)限制系數(shù)，聯(lián)立上述物理量，可將模糊集合標定結(jié)果表示為：

其中，U1、U2代表兩個不同的異構(gòu)電壓數(shù)值，I1、I2代表兩個不同的異構(gòu)電流數(shù)值，代表連接電阻均值。

2.2 模糊聚類矩陣

模糊聚類矩陣描述了智慧醫(yī)院多源異構(gòu)數(shù)據(jù)在系統(tǒng)中的傳輸與應(yīng)用能力，在已知模糊集合標定結(jié)果的情況下，模糊聚類矩陣可為系統(tǒng)主機提供準確的信息判別條件，而當系統(tǒng)數(shù)據(jù)庫主機達到額定上限存儲條件后，即可認為模糊聚類矩陣也隨之進入最大數(shù)值飽和狀態(tài)。在模糊聚類矩陣中，智慧醫(yī)院多源異構(gòu)數(shù)據(jù)具備橫向、縱向兩種存在形式，其中橫向數(shù)值描述整合指令執(zhí)行時的傳輸電流情況，而縱向數(shù)值描述了整合指令執(zhí)行時的傳輸電壓情況[13-14]。一般情況下，隨著智慧醫(yī)院多源異構(gòu)數(shù)據(jù)量的增大，傳輸電流與傳輸電壓的數(shù)值水平也會不斷增大。設(shè)i代表電流分值系數(shù)，u代表電壓分值系數(shù)，n代表極大值系數(shù)指標。模糊聚類矩陣表達式為：

2.3 數(shù)據(jù)整合函數(shù)

數(shù)據(jù)整合函數(shù)是以模糊聚類矩陣為基礎(chǔ)建立的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)查詢限定條件。在整合系統(tǒng)中，由于模糊聚類算法的應(yīng)用能力較強，隨著信息傳輸量的增加，整合函數(shù)極限值的覆蓋面積也會不斷擴張，直至能夠完全滿足多源異構(gòu)數(shù)據(jù)的實際傳輸需求[15-16]。在模糊聚類算法的作用空間內(nèi)，設(shè)xmin代表最小的智慧醫(yī)院數(shù)據(jù)多源異構(gòu)參量，xmax代表最大的智慧醫(yī)院數(shù)據(jù)多源異構(gòu)參量，若將信息參量的混亂傳輸行為考慮在內(nèi)，則可認為上述兩項物理指標的差值水平越大，最終所定義的數(shù)據(jù)整合函數(shù)也就越完整。在上述物理量的支持下，聯(lián)立式（2），可將數(shù)據(jù)整合函數(shù)條件表示為：

其中，s、a分別代表兩個不同的多源異構(gòu)數(shù)據(jù)整合查找條件，在系統(tǒng)作用空間內(nèi)，不等式a>s恒成立。kχ代表整合系數(shù)為χ時的智慧醫(yī)院數(shù)據(jù)參量異構(gòu)系數(shù)，kα代表整合系數(shù)為α時的智慧醫(yī)院數(shù)據(jù)參量異構(gòu)系數(shù)。

3 系統(tǒng)性能驗證

在圖4 所示的智慧醫(yī)院網(wǎng)絡(luò)中，將該文系統(tǒng)與傳統(tǒng)系統(tǒng)進行驗證。在相同的實驗環(huán)境下，通過不同實驗指標來驗證所設(shè)計系統(tǒng)的性能。

圖4 網(wǎng)絡(luò)環(huán)境

STB 系數(shù)可以描述多源異構(gòu)醫(yī)療數(shù)據(jù)的分布散亂水平，STB 的值越大，數(shù)據(jù)分布散亂的水平越高。兩種系統(tǒng)的STB 系數(shù)對比結(jié)果如表1 所示。

表1 STB系數(shù)值

表1 所記錄該文系統(tǒng)的STB 指標在連續(xù)上升狀態(tài)后，開始逐漸趨于相對穩(wěn)定的數(shù)值狀態(tài)。而傳統(tǒng)系統(tǒng)的STB 指標數(shù)值呈現(xiàn)出先上升后略微下降的趨勢。該文系統(tǒng)與傳統(tǒng)系統(tǒng)的STB 系數(shù)最大值分別為34.44%與67.15%，說明該文系統(tǒng)的性能優(yōu)于傳統(tǒng)系統(tǒng)。

表2 記錄了兩種系統(tǒng)的多源異構(gòu)醫(yī)療數(shù)據(jù)實際生成速率。

分析表2 可知，該次實驗以15 min 為一個單位時長，該文系統(tǒng)的醫(yī)療數(shù)據(jù)生成速率在整個實驗過程中，始終保持不斷上升的數(shù)值變化狀態(tài)。傳統(tǒng)系統(tǒng)的醫(yī)療數(shù)據(jù)生成速率在第一個單位時長中，始終保持絕對穩(wěn)定的數(shù)值存在狀態(tài)，而從第二個單位時長開始，其數(shù)值水平則開始不斷上升，到第四個單位時長，則又開始呈現(xiàn)相對穩(wěn)定的數(shù)值存在狀態(tài)，整個實驗過程中，該文系統(tǒng)的最大值7.4 Mb/s 與傳統(tǒng)系統(tǒng)的最大值2.6 Mb/s 相比，上升了4.8 Mb/s。

表2 醫(yī)療數(shù)據(jù)生成速率

上述實驗研究結(jié)果表明，隨著基于模糊聚類的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)的應(yīng)用，STB 指標系數(shù)水平得到有效控制，而醫(yī)療數(shù)據(jù)生成速率卻開始不斷上升，不但使得醫(yī)療體系內(nèi)非同種的數(shù)據(jù)信息得到有效區(qū)分，也為診療意見的生成提供了可參考條件。

4 結(jié)束語

與拆分型整合系統(tǒng)相比，智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)在模糊聚類算法的作用下，借助多源型處理電路，連接異構(gòu)數(shù)據(jù)統(tǒng)籌元件與量化整合芯片，再通過模糊集合標定的方式，建立標準的數(shù)據(jù)整合函數(shù)。實驗結(jié)果表明，隨著多源異構(gòu)醫(yī)療數(shù)據(jù)分布散亂水平的下降，多源異構(gòu)醫(yī)療數(shù)據(jù)的實際生成速率開始不斷加快，不僅為醫(yī)療診斷意見的生成提供了可參考條件，也實現(xiàn)了對醫(yī)療體系內(nèi)非同種數(shù)據(jù)信息的有效區(qū)分。