1 绪论
1.1 研究背景与意义
医院作为疾病预防与诊治的综合性机构，医疗水平的高低一直以来受到社会各界的广泛关注。随着计算机技术的发展，现有医疗水平的提高，不仅有赖于医疗技术的提升，还有赖于计算机技术在相关领域上的应用[1]。医疗信息的电子化管理，已经在各个医疗机构有效运用，为医院提供着有效的电子化服务[2,3]。虽然各个医院的电子化进程不一，但是为了最大程度地保存患者病案数据和提供高速的访问服务，院方需要针对性地采购物理服务器、大批量的存储硬盘和交换机，以及高速的网络服务，且需要专业的运维人员现场操作才能完成物理环境的搭建，必要的时候还需要长期配备运维岗位，这些都需要花费高额的费用，而且一旦出现类似停电和网络异常等不可避免的风险，将会导致用户数据的不一致性。另一方面，传统的电子病案系统除了对电子病案信息进行存储外，包括归纳学习系统在内的多种医疗系统已经得到广泛应用，但都使用的是高维度的医疗数据[4,5]，造成数据分析体量大、效率低等问题。
云平台也即云计算平台，是一种可以为软件和设备提供远程访问、数据存储和数据处理的一种工具。近年来，越来越多的科研人员致力于研究如何使云平台技术在医院信息管理模块发挥更大的价值[6,7]。云平台以虚拟资源的方式，向软件和设备提供一种数据存储、处理和远程访问的工具，包括：高可扩充性存储解决方案，提供用户海量的数据存储需求；云产品服务商提供的私有网络（Virtual Private Cloud，简称 VPC）方案，做到了网络空间的隔离，保证了管理端的安全性，同时提供 IPsec 实现局域网之间的隧道通信[8,9]。研究将系统部署在云平台以解决本地部署产生的高成本和高运维风险问题，对院方来说具有很重要的意义[10]。
在医院对公众提供疾病预防和诊疗服务过程中，会产生诊疗数据和消费数据等大量非结构化数据，这些数据对疾病的诊断分析有很大的分析价值。对医生和管理员来说，现有系统提供的统计功能可满足统计需求，但是实时用药和收费信息等统计数据并不能及时反馈到药房和科室；其次，现有检查结果只是提供具体检测项目的检测值，并不能提供准确度较高的诊断结果。本论文通过分析患者诊疗数据，研究疾病诊断辅助决策模型，为医生对患者疾病的诊断提供辅助决策的依据。与此同时，通过设计实现统计分析模块，为相关人员提供数据统计查询操作的功能，提高管理效率。
...........................
1.2 国内外研究现状
电子病案系统（Electronic Medical Record System，简称 EMR）是一种使用计算机技术对患者病案数据进行存储和管理的系统，解决了纸质病案带来的存储和管理不便的问题，为用户提供查看完整病案数据的功能，并提供医生进行疾病诊断的依据[10,11]，本节就国内外相关研究工作做一定的介绍。
(1)国外研究现状
Bussery Justin 等人为解决生物医学转化研究的成功率低的问题，对云平台的技术和发展进行研究，构建了一个可提供异构类型数据的安全托管平台，为多种临床数据和实验数据提供存储和分析工具[12]。
Arthur 等人对比当前运行的多套电子病案管理系统的优缺点，从数据存储角度出发分析系统性能[13]。Indranil Bardhan 等人开发一种新的模型，用于预测患有充血性心力衰竭患者再入院的可能性，包含三个因素的研究，即是否再入院、时间及频率信息，跟踪调查了德克萨斯州的 67 家医院患者并分析其临床数据，证明了该模型较其他同类型模型有较高的识别度[13]。
Shameer K 等人尝试开发数据驱动，以电子病案系统产生的数据为数据源，采用特征选择和机器学习方法构建相应模型，以减少由中风、心力衰竭和心肌梗塞等慢性病引起的再住院的概率。选取心力衰竭的临床数据，使用 Navie Bayes(朴素贝叶斯)设计了一个多部建模策略，基于特征选择算法将独立模型的预测风险的特征组合成复合模型，并使用 5 倍交叉验证方法进行训练和测试，增强了该模型的可用性[14]。
Reddy 等人针对已住院群体的电子健康记录，首先采用回归模型诊断原发性心力衰竭再住院的患者，然后结合 Cox 比例风险回归模型和随机森林方法对再住院概率进行预测，使用F-Measure 和 Recall 等指标验证对方法的有效性进行验证[15]。
Jianli Xiao 通过研究 SVM 和 KNN 算法在交通事件检测上的应用，使用自研的集成学习方法提高交通事件检测的鲁棒性[16]。Merkel D 研究了 Docker 技术在实际项目中的应用，针对公有云和私有云中 Docker 技术应用产生的实际问题进行讲解，并就高可用性、弹性服务和服务部署等多个方面进行研究[17]。
.........................
2 相关理论及技术
2.1 特征选择
特征选择（Feature Selection），也称之为属性选择（Attribute Selection）或者是特征子集选择（Feature Subset Selection），是指从特征空间中选择一个特征子集，实现为后续算法提供优质模型的一种方法[24,25] 。
2.1.1特征选择框架
特征选择在本质上是一个优化组合的问题，是一个不断选择更优的特征子集的过程。特征选择的基本框架可用图 2-1 表示。
特征选择框架包含四部分，即：
(1)子集生成
使用某种生成搜索策略生成有效的特征子集，用以选择原始特征集合中若干特征，构成特征子集。产生的特征子集被送到评价函数。
(2)评价函数
利用相关评价标准评判生成的特征子集。
(3)停止条件
对评价函数结果的一种判定，满足条件则进行结果验证，否则继续进行步骤 1 和 2。
(4)结果验证
对满足评价条件的特征子集进行结果验证。
...............................
2.2 分类算法
分类(Classification)是数据挖掘和模式识别研究中的一个重要领域，按照某类标准给对象贴标签后进行分类。常见的分类算法有 K-近邻算法（K-Nearest Neighbor，简称 KNN）、朴素贝叶斯算法（Naive Bayes，简称 NB）、决策树算法和支持向量机算法（Support Vector Machines，简称 SVM）等[32]。本文使用上述算法对病患数据进行分析，并评估分类模型的优劣。
2.2.1KNN
KNN 算法核心思想是，在一定的距离范围内，如果未知样本和 K 个最接近样本中大多数同属一个类别，则将其划分为该类别。其中，KNN 中除未知样本外，周围所有数据都已被正确分类[33]。通过计算对象间欧氏距离来划定样本并判定各自属性，以此来解决对象间匹配问题[34]。KNN 算法简单使用实例如图 2-4 所示。
.................................
3 疾病诊断辅助决策模型研究 ................................ 15
3.1 数据预处理 .................................... 153.1.1适用性界定 ................................... 15
3.1.2数据清洗 ....................... 16
4 基于云平台的数据操作服务研究 ............................. 25
4.1 数据库选择 ........................... 25
4.2 数据库结构设计 ........................... 25
5 电子病案系统设计及实现 .......................................... 39
5.1 系统分析 .............................................. 39
5.1.1用户角色 ................................... 39
5.1.2系统功能性需求 ........................... 40
5 电子病案系统设计及实现
5.1 系统分析
5.1.1用户角色
基于云平台的电子病案系统面向患者、医生和管理员三类用户提供数据服务，所有用户通过 Web 浏览器访问本系统，并根据权限获取相关信息。
(1)患者可以通过本系统查看个人的健康数据，包括检测项目、医生诊断结果和数据分析结果等信息。
(2)医生是本系统的主要用户群体，通过本系统实现患者病历信息的录入、查看和修改等，并根据数据分析结果为患者提供进一步的诊疗建议。
(3)管理员主要面向科室主任及以上级别的用户，实现对科室医生和统计数据等信息的管理。
电子病案系统的设计开发除了满足基本的病案信息管理外，还要对数据进行分析并有效展示，因此就功能性需求来说需满足以下几点：1)患者可以查看自己病历的详细信息，包括既往史和现病史等信息；2)医生可以对自己的患者进行病历的录入、查询和编辑操作，系统根据患者诊疗信息将该患者追加到医生的患者列表中，同时，医生还可以查看本人权限下的相关统计结果；3)管理员可以管理用户数据和病历信息，并就科室医生信息进行管理，还可查看本系统提供的所有统计数据。
..............................
6 总结与展望
6.1 工作总结
本文以医院在实际运行中提供的服务内容和产生的相关数据为基础，对数据操作进行了设计开发，并利用贝叶斯分类算法构建疾病诊断辅助决策模型，最后在数据操作和疾病诊断辅助决策模型的基础上，设计开发了基于云平台的电子病案系统，帮助医院减少运维成本和风险。同时，疾病诊断辅助决策模型可依据患者诊断情况，预测患者是否患有某种疾病，医生以分类结果为依据为患者做进一步诊断。论文主要工作如下：
(1)论文分析了选题背景与意义，结合国内外研究现状提出本文的主要研究内容，详细介绍了特征选择的三种方法、用于数据分类的四种常用算法，以及评估分类算法有效性的若干种评价指标。
(2)论文基于对数据结构和特征选择及分类方法研究，设计了疾病诊断辅助决策模型。该模型首先需要整理已有的数据，经过适用性界定、数据清洗和数据集成等步骤实现数据预处理，其次选用常用的四种特征选择方法降低数据维度，借助分类算法及评价指标对分类结果进行评估。
(3)论文对基于云平台的数据操作服务，从数据库选择、结构设计到具体数据操作等内容进行研究，并就数据库查询优化进行说明。其中，数据库结构设计分为主从结构和读写分离，通过对比 JDBC、Hibernate 和 Mybatis 提供的访问控制，选择 Mybatis 作为本系统数据交互的插件。
(4)论文在基于云平台数据操作服务和疾病诊断辅助决策模型研究的基础上，综合分析电子病案系统需求后，对系统架构进行设计，实现了前后台交互过程中的安全访问控制和密码安全控制，以及病案信息管理和病案模板管理等功能，并选用 Docker 技术作为系统的快速有效部署方式。
本研究通过对基于云平台的电子病案系统各模块进行设计和实现，在很大程度上满足了实际病案应用过程中的存储和访问需求，且疾病诊断辅助决策模型的研究及应用，为医生的诊断提供辅助决策功能，其性能和便捷性均优于以往的电子病案系统。
参考文献（略）