基于模糊聚類(lèi)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(lèi)是采用模糊數(shù)學(xué)語(yǔ)言描述事物特征的數(shù)學(xué)處理方法，能夠根據(jù)所研究對(duì)象本身的屬性，構(gòu)建多個(gè)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(shí)現(xiàn)對(duì)聚類(lèi)處理?xiàng)l件的準(zhǔn)確定義。從數(shù)學(xué)特性的角度來(lái)看，與信息參量相關(guān)的數(shù)據(jù)度量集合越客觀(guān)，最終計(jì)算所得的聚類(lèi)處理?xiàng)l件也就越準(zhǔn)確[1-2]。簡(jiǎn)單來(lái)說(shuō)，聚類(lèi)就是將全部數(shù)據(jù)集都劃分成簇或類(lèi)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(shuō)的最大相似性聚類(lèi)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(tái)，可根據(jù)診療意見(jiàn)的不同，對(duì)數(shù)據(jù)信息進(jìn)行集中分類(lèi)。隨著平臺(tái)應(yīng)用時(shí)間的延長(zhǎng)，診療意見(jiàn)信息的累積量也會(huì)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(wèn)題。為解決上述問(wèn)題，傳統(tǒng)拆分型整合系統(tǒng)通過(guò)計(jì)算醫(yī)療服務(wù)信息全局最優(yōu)解的方式，對(duì)已生成的大數(shù)據(jù)參量進(jìn)行按需存儲(chǔ)，再按照分級(jí)應(yīng)對(duì)的方式，實(shí)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(wèn)題，易導(dǎo)致診療意見(jiàn)參考性下降。

為避免上述情況的發(fā)生，設(shè)計(jì)基于模糊聚類(lèi)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(lèi)矩陣，再根據(jù)模糊集合的標(biāo)定結(jié)果，得到完整的數(shù)據(jù)整合結(jié)果。

1 硬件設(shè)計(jì)

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(fù)極之間，可在R、C 兩類(lèi)電阻元件的作用下，控制D1、D2兩個(gè)異構(gòu)體結(jié)構(gòu)兩端的傳輸電壓水平，從而使得整個(gè)系統(tǒng)內(nèi)部的傳輸電流始終保持相對(duì)穩(wěn)定的數(shù)值狀態(tài)。R 級(jí)電阻的接入阻值水平相對(duì)較小，對(duì)智慧醫(yī)院異構(gòu)數(shù)據(jù)的整合能力也就相對(duì)較弱，僅能將大規(guī)模傳輸電子量劃分成多個(gè)小型應(yīng)用結(jié)構(gòu)[4]。C 級(jí)電阻的接入阻值水平相對(duì)較大，對(duì)于智慧醫(yī)院異構(gòu)型數(shù)據(jù)的整合能力也較強(qiáng)，在整合系統(tǒng)內(nèi)可有效驅(qū)動(dòng)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(kù)主機(jī)中，從而生成長(zhǎng)期存儲(chǔ)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(lèi)算法的支持下，改變智慧醫(yī)院數(shù)據(jù)的原始存儲(chǔ)形式，并從中提取出大量有用信息，一部分用于生成整合運(yùn)行指令，另一部分則可直接借助傳輸信道反饋至各級(jí)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(shí)間內(nèi)，能夠記錄智慧醫(yī)院多源異構(gòu)數(shù)據(jù)的實(shí)際存在形式，并可剔除其中邊緣界線(xiàn)不完整的信息參量，將其暫時(shí)存儲(chǔ)于系統(tǒng)數(shù)據(jù)庫(kù)主機(jī)中[7-8]。由于模糊聚類(lèi)算法的存在，異構(gòu)數(shù)據(jù)統(tǒng)籌元件的作用能力相對(duì)有限，因此系統(tǒng)主機(jī)在執(zhí)行過(guò)程中，并不會(huì)出現(xiàn)較為明顯的過(guò)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(kāi)關(guān)5 類(lèi)結(jié)構(gòu)共同組成。其中，ARM 負(fù)責(zé)與異構(gòu)數(shù)據(jù)統(tǒng)籌元件等上級(jí)硬件結(jié)構(gòu)體相連，可準(zhǔn)確掌握系統(tǒng)主機(jī)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(jí)能力，能夠按照模糊聚類(lèi)算法的應(yīng)用需求，對(duì)智慧醫(yī)院多源異構(gòu)數(shù)據(jù)的傳輸路徑進(jìn)行重新規(guī)劃，一方面安排系統(tǒng)數(shù)據(jù)庫(kù)主機(jī)中的信息傳輸行為，另一方面對(duì)已生成整合指令的作用價(jià)值進(jìn)行驗(yàn)證[9-10]。HCM 受到管控開(kāi)關(guān)的直接作用，當(dāng)開(kāi)關(guān)處于閉合狀態(tài)時(shí)，HCM 可立即進(jìn)入連接狀態(tài)，并對(duì)智慧醫(yī)院多源異構(gòu)數(shù)據(jù)進(jìn)行二次整合處理；當(dāng)開(kāi)關(guān)處于斷開(kāi)狀態(tài)下，HCM 可立即進(jìn)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(yùn)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(jì)

在各級(jí)硬件執(zhí)行結(jié)構(gòu)的支持下，按照模糊集合標(biāo)定、模糊聚類(lèi)矩陣計(jì)算、數(shù)據(jù)整合函數(shù)的處理流程，實(shí)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(lèi)的智慧醫(yī)院多源異構(gòu)數(shù)據(jù)整合系統(tǒng)設(shè)計(jì)。

2.1 模糊集合標(biāo)定

模糊集合是一個(gè)相對(duì)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(lèi)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(yùn)行時(shí)間的延長(zhǎng)，集合結(jié)構(gòu)所收錄的數(shù)據(jù)信息總量也會(huì)逐漸增大，直至能夠完全包含各類(lèi)醫(yī)療數(shù)據(jù)信息[11-12]。從宏觀(guān)角度來(lái)看，模糊集合存在的意義與系統(tǒng)數(shù)據(jù)庫(kù)主機(jī)類(lèi)似，都具備較強(qiáng)的信息存儲(chǔ)能力，但前者更注重對(duì)醫(yī)療數(shù)據(jù)信息的整合與加工，在執(zhí)行存儲(chǔ)指令的同時(shí)，可提取現(xiàn)有信息中的必要處理?xiàng)l件，并以此為基礎(chǔ)，完善模糊聚類(lèi)算法的實(shí)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(biāo)定結(jié)果表示為：

其中，U1、U2代表兩個(gè)不同的異構(gòu)電壓數(shù)值，I1、I2代表兩個(gè)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(lèi)矩陣

模糊聚類(lèi)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(biāo)定結(jié)果的情況下，模糊聚類(lèi)矩陣可為系統(tǒng)主機(jī)提供準(zhǔn)確的信息判別條件，而當(dāng)系統(tǒng)數(shù)據(jù)庫(kù)主機(jī)達(dá)到額定上限存儲(chǔ)條件后，即可認(rèn)為模糊聚類(lèi)矩陣也隨之進(jìn)入最大數(shù)值飽和狀態(tài)。在模糊聚類(lèi)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(shí)的傳輸電流情況，而縱向數(shù)值描述了整合指令執(zhí)行時(shí)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(huì)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(biāo)。模糊聚類(lèi)矩陣表達(dá)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(lèi)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(xún)限定條件。在整合系統(tǒng)中，由于模糊聚類(lèi)算法的應(yīng)用能力較強(qiáng)，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(huì)不斷擴(kuò)張，直至能夠完全滿(mǎn)足多源異構(gòu)數(shù)據(jù)的實(shí)際傳輸需求[15-16]。在模糊聚類(lèi)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(rèn)為上述兩項(xiàng)物理指標(biāo)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(gè)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(shí)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?xí)r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(yàn)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(jìn)行驗(yàn)證。在相同的實(shí)驗(yàn)環(huán)境下，通過(guò)不同實(shí)驗(yàn)指標(biāo)來(lái)驗(yàn)證所設(shè)計(jì)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(duì)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(biāo)在連續(xù)上升狀態(tài)后，開(kāi)始逐漸趨于相對(duì)穩(wěn)定的數(shù)值狀態(tài)。而傳統(tǒng)系統(tǒng)的STB 指標(biāo)數(shù)值呈現(xiàn)出先上升后略微下降的趨勢(shì)。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(shuō)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(shí)際生成速率。

分析表2 可知，該次實(shí)驗(yàn)以15 min 為一個(gè)單位時(shí)長(zhǎng)，該文系統(tǒng)的醫(yī)療數(shù)據(jù)生成速率在整個(gè)實(shí)驗(yàn)過(guò)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(gè)單位時(shí)長(zhǎng)中，始終保持絕對(duì)穩(wěn)定的數(shù)值存在狀態(tài)，而從第二個(gè)單位時(shí)長(zhǎng)開(kāi)始，其數(shù)值水平則開(kāi)始不斷上升，到第四個(gè)單位時(shí)長(zhǎng)，則又開(kāi)始呈現(xiàn)相對(duì)穩(wěn)定的數(shù)值存在狀態(tài)，整個(gè)實(shí)驗(yàn)過(guò)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(shí)驗(yàn)研究結(jié)果表明，隨著基于模糊聚類(lèi)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(biāo)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(kāi)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(jiàn)的生成提供了可參考條件。

4 結(jié)束語(yǔ)

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(lèi)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(guò)模糊集合標(biāo)定的方式，建立標(biāo)準(zhǔn)的數(shù)據(jù)整合函數(shù)。實(shí)驗(yàn)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(shí)際生成速率開(kāi)始不斷加快，不僅為醫(yī)療診斷意見(jiàn)的生成提供了可參考條件，也實(shí)現(xiàn)了對(duì)醫(yī)療體系內(nèi)非同種數(shù)據(jù)信息的有效區(qū)分。