基于骨质疏松治疗的临床管理大数据中心平台

1.本发明涉及一种医疗数据管理平台，具体地说，涉及基于基于骨质疏松治疗 的临床管理大数据中心平台。


背景技术：

2.骨质疏松症是一种全身性骨代谢性疾病，其特点是骨量减少，骨骼微结构破 坏，最终导致骨骼脆性增加，容易骨折。骨质疏松症患者的临床表现为骨量减少、 骨微结构退化、骨强度下降和骨脆生长、体弱、腰背部骨痛变形等严重影响生命 的症状，本病多见于绝经后妇女和老年患者，骨折风险随年龄增长而增加，骨量 峰值通常在30到40岁之间，40岁以后，骨量将以每年1％的速度减少，70岁以 后，骨丢失率有所下降，但整体骨量仍呈下降趋势，骨质疏松症是一种慢性退行 性疾病，与高血压、高脂血症并列，被世界卫生组织列为老年人三大常见病，在 世界多发病中排名第七。骨质疏松和骨质疏松性骨折严重威胁着人类的健康，影 响着人们的生活质量，给家庭带来沉重的负担。骨质疏松症的治疗是当今社会的 一个重要健康问题。


技术实现要素：

3.本发明的目的在于提供基于人工智能、大数据和算法的创伤信息系统，以解 决上述背景技术中提出的问题。
4.为实现上述目的，提供了基于骨质疏松治疗的临床管理大数据中心平台，包 括骨质数据收集模块、骨质数据处理与分析模块、骨质数据管理模块和可视化界 面模块，骨质数据收集模块从医院云数据处理中心中获取患者的骨质数据，患者 骨质数据分为实时临床骨质数据和历史骨质数据，其中临床骨质数据是由患者正 在临床就医期间采集到的骨质数据，而历史骨质数据是诊疗后的患者骨质数据， 实时临床骨质数据和历史骨质数据都被收集并保存进医院云数据处理中心，以备 调用和使用；骨质数据处理与分析模块用来进一步分析患者的骨质病征，分为骨 质数据处理单元和骨质数据分析单元，其中，骨质数据处理单元需要对医院云数 据处理中心中患者的骨质数据进行预处理，对于缺省的患者的骨质数据进行筛除， 对于重复的患者的骨质数据进行删除，对于置信度值较低的患者的骨质数据还需 要进一步核验，接着对清洗后的骨质数据进行聚类，以降低医院云数据处理中心 的存储压力，利用谱聚类的方法，将数据依据特征进行切分，完成数据聚类，骨 质数据分析单元对数据聚类后的骨质数据进行打分，根据不同骨质病征的取值得 出每位患者因采取的治疗，骨质数据管理模块实现对患者骨质数据的管理，包括 添加病征、删减病征和修改病征，骨质数据管理模块与医院云数据处理中心无线 局域网进行相连，对于实时临床骨质数据进行添加病征、删减病征和修改病征的 操作时，会先缓存上述三种操作记录，当医院云数据处理中心的管理员审核后， 缓存的操作行为将在医院云数据处理中心更新，最后通过可视化界面模块实现医 疗人员和骨质疏松患者的交互，交互包括患者查看自身的检测报告、病征、病征 评分、医疗指征，医生可查看该患者的检测报告、病征、病征评分、历
史相似病 征指征。
5.进一步的，所述骨质数据的病征包括血钙磷、碱性磷酸酶、血甲状旁腺激素、 骨更新的标记物以及晨尿钙肌酐比值，其中，血钙磷和碱性磷酸酶在原发性骨质 疏松症中，血清钙磷以及碱性磷酸酶水平通常是正常的，骨折后数月碱性磷酸酶 水平可升高，血甲状旁腺激素来查甲状旁腺功能除外继发性骨质疏松症，骨更新 的标记物，包括骨特异的碱性磷酸酶，抗酒石酸酸性磷酸酶，骨钙素ⅰ型原胶原 肽等，晨尿钙肌酐比值，来辅助检查有骨影像学检查和骨密度检测。
6.进一步的，骨质数据处理单元需要对医院云数据处理中心中患者的骨质数据 进行预处理，对于缺省的患者的骨质数据进行筛除，对于重复的患者的骨质数据 进行删除，对于置信度值较低的患者的骨质数据还需要进一步核验，由医院云数 据处理中心的管理员进行核验，为了保证平台的安全性，每个周期内只有一个管 理员能进行相关操作。
7.进一步的，为了能选取合适的医院云数据处理中心的管理员，采用结合了拜 占庭将军思想的共识机制，并定义上一个医院云数据处理中心的管理员为主节点， 参与选取医院云数据处理中心的管理员为从节点，其他参与者为参与投票竞争的 节点，初始时刻下，还没有一个主节点的时候，所有节点的身份都是从节点，每 一个节点都有自己的计时器，当计时达到了超时时间，该节点会转变为参与投票 竞争的节点，接着成为参与投票竞争的节点，会首先给自己投票，然后向集群中 其他所有的节点发起请求，要求大家都给自己投票，然后，其他收到投票请求且 还未投票的从节点会向发起者投票，发起者收到反馈通知后，票数增加，当得票 数超过了集群节点数量的一半，该节点晋升为主节点，主节点会立刻向其他节点 发出通知，广播该节点是主节点，收到通知的节点全部变为从节点，并且各自的 计时器清零，由此选举出医院云数据处理中心的管理员。
8.进一步的，所述骨质数据处理单元，利用谱聚类的方法，将数据依据特征进 行切分，完成数据聚类，假设有n个数据集x＝{x1,x2,
…
,xn}，其中，x1表示第 一个患者的骨质疏松病征值，x2表示第二个患者的骨质疏松病征值，xn表示第n个 患者的骨质疏松病征值，对于这些数据根据图论的思想可以构建数据相似图g， 记为g＝(v,e)，其中v＝{v1,v2,
…
,vn}表示顶点，v1表示第一个患者所对应的 顶点，v2表示第二个患者所对应的顶点，vn表示第n个患者所对应的顶点，e表 示边的集合，定义权值w
ij
表示顶点i到顶点j的权值，w
ij
＞0，s
ij
表示顶点i与顶 点j的相似性，可利用k邻近法衡量相似图，该方法取与顶点最近的k个顶点，该 顶点与这k个顶点的权值都大于0，但这会导致最后所得的相似矩阵不一定是对 称的，因为一个点vi在另外一个点vj的k个近邻中，并不能保证vj也在vi的k个近 邻中，当两个顶点vi与vj只要其中一个点在另外一个点的k个近邻中，则令 w
ij
＝w
ji
，只有这两个顶点同时都不在任何一方的k个近邻中，则令w
ij
＝w
ji
＝0， 可得：
[0009][0010]
其中，knn(
·
)表示k近邻方法，当两个顶点vi与vj只同时在双方的k个近邻中， 则令w
ij
＝w
ji
，只要有一方不在另外一方的k个近邻中，则令w
ij
＝w
ji
，可得：
[0011][0012]
进一步的，构建非规范化的图拉普拉斯矩阵l，即l＝d-w，其中d为n个 度构成的对角矩阵，即：
[0013][0014]
其中，d1为第一个度，d2为第2个度，dn为第n个度，对于第i个度(i∈[1,n])， 有对于权值w，所有顶点之间的权值构成一个n
×
n的邻接矩阵， 记为：
[0015][0016]
其中，w
11
表示第一个顶点的权值，w
12
表示第一个顶点到第二个节点的权值， w
1n
表示第一个顶点到第n个节点的权值，w
21
表示第二个顶点到第一个节点的权 值，w
22
表示第二个顶点的权值，w
2n
表示第二个顶点到第n个节点的权值，w
n1
表 示第n个顶点到第一个节点的权值，w
n2
表示第n个顶点到第二个节点的权值，w
nn
表示第n个顶点的权值，图拉普拉斯矩阵l是半正定对称矩阵，并且最小特征值 为0，满足对于任意向量f，有：
[0017][0018]
其中，f
t
为向量f的转置，fi为第i个向量，fj为第j个向量，采用ncut的切割 方法对数据集进行切割，定义第j组指示向量hj＝[h
1j
,h
2j
,
…
,h
kj
,
…
,h
nj
]，有：
[0019][0020]
其中，aj为vj的子集集合，h
1j
表示第j组第一个指示向量，h
2j
表示第j组第 二个指示向量，h
kj
表示第j组第k个指示向量，h
nj
表示第j组第n个指示向量， vol(aj)表示aj中所有边的权值和，由于图拉普拉斯矩阵l是对称矩阵，得到：
协方差：a
ij
＝cov(xi,fj)，对x标准化，即那么元素a
ij
可以表示为 a
ij
＝ρ(xi,fj)，ρ表示xi和fj的相关系数，矩阵＝的行元素平方和可记为 表示原始变量xi对公共因子的依赖程度，并且满足对公共因子的依赖程度，并且满足矩阵a的行元素平方和可记为表示公共因子fj对 x的贡献，有 [0027]
其中为衡量公共 因子fj重要性的尺度参量，的值越大，fj对x的影响就越大。
[0028]
进一步的，为了计算并量化骨质数据的分数情况，对 求逆，即可得到因子得分：
[0029][0030]
对于第i个因子的得分可以写成：fi＝b
i1
x1 b
i2
x2
…
b
ip
x
p
(i＝ 1,2,
…
,m)，b
ij
是第i个因子的得分对应于第j个变量xj的系数，最后利用kmo检 验，公式如下：
[0031][0032]
若kmo＞0.9表示统计检验的结果非常合适，变量间的相关性非常强，偏相 关性非常弱，因子分析的效果非常好，若0.9＞kmo＞0.8表示统计检验的结果 很合适，若0.8＞kmo＞0.7表示统计检验的结果合适，若0.7＞kmo＞0.6表示 统计检验的结果勉强合适，若0.6＞kmo＞0.5表示统计检验的结果不太合适， 若0.5＞kmo表示统计检验的结果不合适，需要重新更新变量矩阵a。
[0033]
进一步的，骨质数据管理模块实现对患者骨质数据的管理，包括添加病征、 删减病征和修改病征，其中修改病征还需结合kmo相关系数为了松弛约束条件， 需要定义合理的检验阈值th来减轻管理员的审核压力，其中0＜th＜1。
[0034]
进一步的，通过可视化界面模块实现医疗人员和骨质疏松患者的交互，其中， 对于骨质疏松患者，可在可视化界面模块查看自身的检测报告、病征、病征评分、 医疗指征，能够对患者的病征起到诊疗的作用，对于医生，可查看该患者的检测 报告、病征、病征评分、历史相似病征指征，通过对比比较历史相似病征指征， 并结合患者的检测报告、病征、病征评分，为患者提供合理的骨质疏松病征分析。
[0035]
本发明的有益效果：通过医院云数据处理中心下，在wifi搭建的局域网环 境下，采用结合了拜占庭将军思想的共识机制，能够实现整个医院患者骨质疏松 数据的私有云
平台安全管理，灵活的选举云管理员机制，并且由其他候选人分布 式公开监督，能够有效监测管理员的操作行为，在保证患者数据安全性的基础上， 能够根据收集到的临床患者的骨质情况自动进行聚类和打分，使用了谱聚类方法， 与传统的聚类方法相比，具有在任意形状的样本空间上聚类并且收敛于全局最优 解的优点，通过对样本数据的图拉普拉斯矩阵的特征向量进行聚类，从而达到对 样本数据进行聚类的目的，其本质是将聚类问题转换为图的最优划分问题，是一 种点对聚类算法，通过谱聚类，能够将病征相似的患者数据聚为一类，并统计该 患者的历史诊疗意见、治疗措施，而本实施例提到的因子分析利用降维的思想， 由骨质病征相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量表示 成少数的公共因子和仅对某一个变量有作用的特殊因子线性组合而成，就是要从 数据中提取对变量起解释作用的少数公共因子，因子分析是主成分的推广，相对 于主成分分析，更倾向于描述原始变量之间的相关关系，根据分数提供不同的医 疗指征，并且基于骨质疏松治疗的临床管理大数据中心平台还具有可视化功能，， 能够实现医疗人员与患者一对一、一对多的骨质疏松数据管理，通过管理实时/ 历史的患者检测报告、病征、病征评分、医疗指征，能够对患者的病征起到诊疗 的作用，并通过对比分析历史相似病征指征，结合患者的检测报告、病征、病征 评分，为患者提供合理的骨质疏松病征分析，有效减轻医疗人员的工作压力，增 强诊疗意见的说服性、可靠性，搭建一个良好的、易于沟通和管理的面向医疗人 员和患者的骨质疏松治疗的临床管理大数据中心平台。
附图说明
[0036]
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造 的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可 以根据以下附图获得其它的附图。
[0037]
图1是本发明结构示意图。
具体实施方式
[0038]
结合以下实例对本发明作进一步描述。
[0039]
参见图1，本发明旨在提供基于人工智能、大数据和算法的创伤信息系统， 以解决上述背景技术中提出的问题。
[0040]
为实现上述目的，提供了基于骨质疏松治疗的临床管理大数据中心平台，包 括骨质数据收集模块、骨质数据处理与分析模块、骨质数据管理模块和可视化界 面模块，骨质数据收集模块从医院云数据处理中心中获取患者的骨质数据，患者 骨质数据分为实时临床骨质数据和历史骨质数据，其中临床骨质数据是由患者正 在临床就医期间采集到的骨质数据，而历史骨质数据是诊疗后的患者骨质数据， 实时临床骨质数据和历史骨质数据都被收集并保存进医院云数据处理中心，以备 调用和使用；骨质数据处理与分析模块用来进一步分析患者的骨质病征，分为骨 质数据处理单元和骨质数据分析单元，其中，骨质数据处理单元需要对医院云数 据处理中心中患者的骨质数据进行预处理，对于缺省的患者的骨质数据进行筛除， 对于重复的患者的骨质数据进行删除，对于置信度值较低的患者的骨质数据还需 要进一步核验，接着对清洗后的骨质数据进行聚类，以降低医院云数据处理中心 的存储压力，利用谱聚类的方法，将数据依据特征进行切分，完成数据聚类，骨 质数据
分析单元对数据聚类后的骨质数据进行打分，根据不同骨质病征的取值得 出每位患者因采取的治疗，骨质数据管理模块实现对患者骨质数据的管理，包括 添加病征、删减病征和修改病征，骨质数据管理模块与医院云数据处理中心无线 局域网进行相连，对于实时临床骨质数据进行添加病征、删减病征和修改病征的 操作时，会先缓存上述三种操作记录，当医院云数据处理中心的管理员审核后， 缓存的操作行为将在医院云数据处理中心更新，最后通过可视化界面模块实现医 疗人员和骨质疏松患者的交互，交互包括患者查看自身的检测报告、病征、病征 评分、医疗指征，医生可查看该患者的检测报告、病征、病征评分、历史相似病 征指征。
[0041]
具体的，所述骨质数据的病征包括血钙磷、碱性磷酸酶、血甲状旁腺激素、 骨更新的标记物以及晨尿钙肌酐比值，其中，血钙磷和碱性磷酸酶在原发性骨质 疏松症中，血清钙磷以及碱性磷酸酶水平通常是正常的，骨折后数月碱性磷酸酶 水平可升高，血甲状旁腺激素来查甲状旁腺功能除外继发性骨质疏松症，骨更新 的标记物，包括骨特异的碱性磷酸酶，抗酒石酸酸性磷酸酶，骨钙素ⅰ型原胶原 肽等，晨尿钙肌酐比值，来辅助检查有骨影像学检查和骨密度检测。
[0042]
具体的，骨质数据处理单元需要对医院云数据处理中心中患者的骨质数据进 行预处理，对于缺省的患者的骨质数据进行筛除，对于重复的患者的骨质数据进 行删除，对于置信度值较低的患者的骨质数据还需要进一步核验，由医院云数据 处理中心的管理员进行核验，为了保证平台的安全性，每个周期内只有一个管理 员能进行相关操作。
[0043]
具体的，为了能选取合适的医院云数据处理中心的管理员，采用结合了拜占 庭将军思想的共识机制，并定义上一个医院云数据处理中心的管理员为主节点， 参与选取医院云数据处理中心的管理员为从节点，其他参与者为参与投票竞争的 节点，初始时刻下，还没有一个主节点的时候，所有节点的身份都是从节点，每 一个节点都有自己的计时器，当计时达到了超时时间，该节点会转变为参与投票 竞争的节点，接着成为参与投票竞争的节点，会首先给自己投票，然后向集群中 其他所有的节点发起请求，要求大家都给自己投票，然后，其他收到投票请求且 还未投票的从节点会向发起者投票，发起者收到反馈通知后，票数增加，当得票 数超过了集群节点数量的一半，该节点晋升为主节点，主节点会立刻向其他节点 发出通知，广播该节点是主节点，收到通知的节点全部变为从节点，并且各自的 计时器清零，由此选举出医院云数据处理中心的管理员。
[0044]
具体的，为了能保证数据的同步，需要进行如下操作：
[0045]
(1)将患者的骨质数据提交到主节点；
[0046]
(2)由主节点把骨质数据复制到集群内所有的从节点，如果一次复制失败， 会不断进行重试；
[0047]
(3)从节点接收到复制的骨质数据，会反馈给主节点。
[0048]
(4)如果主节点接收到超过半数的从节点反馈，表明复制成功，于是提交 患者的骨质数据，并通知医疗人员患者的骨质数据提交成功。
[0049]
(5)由主节点通知集群内所有的从节点提交数据，从而完成数据同步流程。
[0050]
具体的，所述骨质数据处理单元，利用谱聚类的方法，将数据依据特征进行 切分，完成数据聚类，假设有n个数据集x＝{x1,x2,
…
,xn}，其中，x1表示第一 个患者的骨质疏松病征值，x2表示第二个患者的骨质疏松病征值，xn表示第n个 患者的骨质疏松病征值，对于
这些数据根据图论的思想可以构建数据相似图g， 记为g＝(v,e)，其中v＝{v1,v2,
…
,vn}表示顶点，v1表示第一个患者所对应的 顶点，v2表示第二个患者所对应的顶点，vn表示第n个患者所对应的顶点，e表 示边的集合，定义权值w
ij
表示顶点i到顶点j的权值，w
ij
＞0，s
ij
表示顶点i与顶 点j的相似性，可利用k邻近法衡量相似图，该方法取与顶点最近的k个顶点，该 顶点与这k个顶点的权值都大于0，但这会导致最后所得的相似矩阵不一定是对 称的，因为一个点vi在另外一个点vj的k个近邻中，并不能保证vj也在vi的k个近 邻中，当两个顶点vi与vj只要其中一个点在另外一个点的k个近邻中，则令 w
ij
＝w
ji
，只有这两个顶点同时都不在任何一方的k个近邻中，则令w
ij
＝w
ji
＝0， 可得：
[0051][0052]
其中，knn(
·
)表示k近邻方法，当两个顶点vi与vj只同时在双方的k个近邻中， 则令w
ij
＝w
ji
，只要有一方不在另外一方的k个近邻中，则令w
ij
＝w
ji
，可得：
[0053][0054]
具体的，构建非规范化的图拉普拉斯矩阵l，即l＝d-w，其中d为n个度 构成的对角矩阵，即：
[0055][0056]
其中，dn为第一个度，d2为第2个度，dn为第n个度，对于第i个度(i∈[1,n])， 有对于权值w，所有顶点之间的权值构成一个n
×
n的邻接矩阵， 记为：
[0057][0058]
其中，w
11
表示第一个顶点的权值，w
12
表示第一个顶点到第二个节点的权值， w
1n
表示第一个顶点到第n个节点的权值，w
21
表示第二个顶点到第一个节点的权 值，w
22
表示第二个顶点的权值，w
2n
表示第二个顶点到第n个节点的权值，w
n1
表 示第n个顶点到第一个节点的权值，w
n2
表示第n个顶点到第二个节点的权值，w
nn
表示第n个顶点的权值，图拉普拉斯矩阵l是半正定对称矩阵，并且最小特征值 为0，满足对于任意向量f，有：
[0059][0060]
其中，f
t
为向量f的转置，fi为第i个向量，fj为第j个向量，采用ncut的切割 方法对数据集进行切割，定义第j组指示向量hj＝[h
1j
,h
2j
,
…
,h
kj
,
…
,h
nj
]，有：
[0061][0062]
其中，aj为vj的子集集合，h
1j
表示第j组第一个指示向量，h
2j
表示第j组第 二个指示向量，h
kj
表示第j组第k个指示向量，h
nj
表示第j组第n个指示向量， vol(aj)表示aj中所有边的权值和，由于图拉普拉斯矩阵l是对称矩阵，得到：
[0063][0064]
其中，hk表示第k组指示向量，ak为vk的子集，为vk的子集的补集，集 合对于切割的第k个数据集可表示为记h＝[h1,h2,
…
,hn]，那么， 因 此有h
t
dh＝i，最后可得到松弛化的目标函数：mintr(h
t
lh)，并满足约束条 件h
t
dh＝i，其中，h为h的矩阵形式，tr(
·
)表示矩阵求迹。
[0065]
优选的，经骨质数据处理单元谱聚类后，原来的n个骨质数据更新为m个骨 质数据，并且0m＜n，分析单元假设有m个样本，p个指标，则可构成大小为 m
×
p的样本矩阵
其均值为 u＝(u1,u2,
…
,u
p
)’，协方差矩阵为σ
p
×
p
＝(σ
ij
)。
[0066]
因子分析存在映射关系：x1,x2,
…
,x
p
→
f1,f2,
…
,fm(m≤p)，且满足：
[0067][0068]
f1,f2,
…
,fm被称为公共因子，εi(i＝1,2,
…
,p)为特殊因子，它们都是无法观 测的随机变量，公共因子f1,f2,
…
,fm出现在每一个原始变量xi(i＝1,2,
…
,p)的表 达式中，可以理解为原始变量共同拥有的某些特征；每个特殊因子εi9i＝ 1,2,
…
,p)仅仅出现在与之相应的第i个原始变量，因子分析映射关系矩阵方程形 式为：x＝u af ε，假设其中， e(
·
)表示求期望，var(
·
)表示求方差，diag(
·
)表示对角矩阵，是特殊因子ε1对x1的方差贡献，是特殊因子ε2对x2的方差贡献，是特殊因子ε
p
对x
p
的方差贡献， a
p
×m＝(a
ij
)为因子载荷矩阵，并且a的秩为m，var(x)＝e[(x-u)(x-u)
′
]＝ e[(af ε)(af ε)
′
]＝ae(ff’)a’ ae(fε’) e(εf’)a’ e(εε’)＝avar(f)a’ var(ε)＝aa’ d，对于矩阵a的元素a
ij
，表示原始变量xi与公共因子fj之间的 协方差：a
ij
＝cov(xi,fj)，对x标准化，即那么元素a
ij
可以表示为 a
ij
＝ρ(xi,fj)，ρ表示xi和fj的相关系数，矩阵＝的行元素平方和可记为表示原始变量xi对公共因子的依赖程度，并且满足共因子的依赖程度，并且满足矩阵a的行元素平方和可记为表示公共因子fj对 x的贡献，有
ꢀꢀ
其中为衡量公共 因子fj重要性的尺度参量，的值越大，fj对x的影响就越大。
[0069]
优选的，为了计算并量化骨质数据的分数情况，对求逆，即可得到因子得分：
并且基于骨质疏松治疗的临床管理大数据中心平台还具有可视化功能，能够实现 医疗人员与患者一对一、一对多的骨质疏松数据管理，通过管理实时/历史的患 者检测报告、病征、病征评分、医疗指征，能够对患者的病征起到诊疗的作用， 并通过对比分析历史相似病征指征，结合患者的检测报告、病征、病征评分，为 患者提供合理的骨质疏松病征分析，有效减轻医疗人员的工作压力，增强诊疗意 见的说服性、可靠性，搭建一个良好的、易于沟通和管理的面向医疗人员和患者 的骨质疏松治疗的临床管理大数据中心平台。
[0077]
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发 明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，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实质和范围。