首页 > 文献资料
-
基于Hadoop的食品安全预警系统架构
针对海量的食品安全数据，传统食品安全预警系统架构往往存在运算速度慢、处理效率低等缺点，本文提出了一种基于Hadoop的食品安全预警系统架构，该架构以Hadoop框架为基础，分别设定了基于分布式爬虫的数据获取模块、基于数理统计和数据挖掘的数据分析、存储模块和预警模块。该架构具有层次清晰、扩展性高等特点，适合运用和推广。
-
Hadoop环境下医学影像存储的设计
目的 医学影像在临床诊断、科学教研中发挥着越来越重要的作用,本文探讨通过云平台解决医学影像数据量剧增、检索效率低等问题的可行性.方法 将传统的光纤存储局域网络集中式存储和分布式文件系统(Hadoop Distributed File System,HDFS)存储相结合,形成一种混合式存储架构.其中通过文件序列化的方式解决HDFS不适合医学影像小文件存储的问题,通过集中式存储解决医学影像实时性访问的问题.结果 随着客户端数量增加,在混合式存储方式下,医学影像数据的读、写速度较传统的集中式存储都有明显的提高.结论 采用Hadoop平台的混合式存储方式可以满足剧增的医学影像数据的存储要求,并且可以提高数据的读写速度.
关键词： 医学影像 Hadoop 小文件存储 实时性访问 医学数字成像和通信标准 -
基于Hadoop的医学影像数据平台应用研究
基于医学影像数据的特点和目前医学影像数据管理存在的问题，我们设计了医学影像数据平台的架构，并对关系数据和非关系数据的存储和管理进行了设计。尤其是对影像数据的分布式存储进行了研究，我们利用Hadoop技术、结合分布式文件系统(HDFS)和集中存储（FCSAN）两者的优点和医学影像的特点设计了一套两者相结合的医学影像“在线一归档”二级存储架构，解决了PACS系统的扩展性和可用性问题。后，基于上述的研究内容，设计了实验，验证了本文所提方法的医学影像数据平台具有的诸多优势。
-
公共卫生大数据平台探索与实践
分析了公共卫生大数据应用需求,提出了公共卫生大数据平台的功能和技术架构,讨论了平台实现涉及的关键技术.宁波市公共卫生大数据平台可为政府科学决策、卫生研究提供有力的数据和技术支撑.
-
中国疾病预防控制信息系统网络日志大数据分析
目的 利用大数据分析平台,对中国疾病预防控制信息系统网络日志进行分析,为优化信息技术基础资源配置和提高网络安全管理提供依据.方法 基于Hadoop和Spark为核心的大数据分析平台,完成对2016年1—7月中国疾病预防控制信息系统网络日志数据的处理、分析和结果展示.结果 初步掌握了系统资源利用、用户行为、用户分布、系统非正常访问等情况,同时也发现了日志格式不规范、内容有缺失等不足之处,提出了改进办法.结论 利用大数据平台可实现大型业务系统海量日志的高效分析和展示,及时发现有效信息,对于优化系统资源,掌握用户情况及网络安全管理至关重要.
-
基于Hadoop环境BP改进算法的脉象识别应用研究
目的 分析脉象识别误差大小的影响因素,提高对海量脉诊数据的处理速度,探索减小脉象主观识别误差的方法.方法 运用基于Hadoop环境的MapReduce分布式计算方法改进BP算法,采用改进的BP算法对脉诊样本数据进行自学习,从而减小拟和误差.将中医电子脉诊仪采集的脉诊数据作为神经网络输入层,采用动量-学习率自适应调整快速BP算法对神经网络进行训练.结果 在训练集(75%)768 M共35890条数据中,单机模式正确预测29150条,正确率为81.22%;MapRedece并行改进的BP算法模式正确预测35841条,正确率为99.86%.结论 与传统BP算法相比,基于Hadoop环境的MapReduce分布式计算方法改进的BP算法模型拟合度误差更小,精确度更高.
-
基于Hadoop的中医药数据管理策略研究
目的 为解决传统方法采集、存储和处理海量中医药数据的低效问题,探索数据管理的新策略.方法 根据中医药数据的典型特征,设计基于Hadoop的分层管理架构,对串行数据挖掘算法进行MapReduce 化改进;部署单节点服务器和分布式集群,采用8组不同规模的数据集,进行数据采集实验和串并行算法实验.结果 数据传输时间在非分布式环境下通常超过3000 s,增幅较大,而在分布式集群下一般不超过300 s,增幅平缓;当数据规模超过一定范围后,与伪分布式和完全分布式下的并行算法比较,非分布式下串行算法的运行耗时急剧增加.结论 与传统单节点系统相比,基于Hadoop的中医药数据管理平台采集、存储及处理海量数据的效率明显提高,尤其适用于大规模非结构化或半结构化的中医药数据.
-
组学大数据环境下的基因变异信息并行处理与分析
随着第二代测序技术的发展与应用,其产生的测序数据也呈现快速的增长趋势,如何有效、快速、稳定地对海量测序数据进行分析成为生物研究领域迫切的需求.目前许多传统的测序数据分析软件仅支持单一功能,并不具备完整的数据分析能力,应对海量的测序数据时其处理能力也显著不足.为了应对上述问题,本文设计了一款基于Hadoop框架的测序数据分析软件,整合了现今生物研究领域内常用的多款序列分析软件,从而实现了对测序序列数据的自动化分析.该软件输入原始的测序数据后,经过碱基质量控制、序列比对、SNP位点信息提取、突变基因信息生成等几个过程,终输出详细的突变基因信息报告.该软件实现了自动化的数据分析,提高了数据分析的效率,极大减轻了数据分析人员的工作量.
-
局部序列比对算法及其并行加速研究进展
随着新一代测序技术的发展,传统的序列比对工具已无法满足测序产生的海量生物学数据分析处理的需求,研究如何利用新的计算技术加速序列比对过程具有十分重要的意义.本文回顾了常用的局部序列比对算法,介绍了基于并行计算原理的序列比对算法的加速优化策略和主要进展,详细说明了如何利用新的图形处理器(GPU)计算技术实现高性能的BLAST(basic local alignment search tool)比对算法.后,结合实际需求,提出和讨论了综合利用云计算和GPU 计算实现高性能、高能效的序列比对平台的研究思路.
-
基于云平台的医院大数据中心构建研究
为深度挖掘现有信息系统数据资源,满足医院业务发展需要,提出构建基于云平台的医院大数据中心,主要从各系统数据关联情况、平台架构、应用服务体系等方面进行阐述,建立临床诊疗、业务运营等五大数据主题库,完善了基于大数据的应用服务体系.实践表明,大数据中心的应用能有效提高临床工作效率,提升医院服务能力.
-
基于数据挖掘技术的药物剂量控制系统
目的:服用药物剂量的控制,对临床治疗具有重要的研究意义.方法:以现有的电子病历以及HIS数据作为研究对象,利用Hadoop技术挖掘所定义的关键信息数据,并对此数据进行评估,从而得到关于药品使用剂量关系规则.这些规则是BP神经网络算法的数据来源.经过算法的不断学习这些剂量关系规则后,调整神经网络节点权值,后形成该药品剂量的计算方法.结果:以“反应停”作为实例,对方法做了进一步描述,验证该方法的可行性和正确性.结论:实际应用中可以选择多个因素,形成多维模型,为病人创建合理的服药剂量数据.
-
基于Hadoop的临床科研平台系统建设
目的:解决医院临床科研数据利用问题,唤醒临床工作中产生的“沉睡的数据”.方法:引入基于Hadoop、MongoDB等技术框架的大数据技术,通过ETL工具抽取清洗,整合各临床业务系统的数据,采用ElasticSearch等自然文本语言处理技术,再将其归一、结构化,以便于进行多学科临床科研系统建设探索.结果及结论:满足临床科研人员回顾性研究多重条件检索的要求,并进一步讨论了临床大数据应用重点思考的问题,对提高临床科研工作效率具有较大意义.
关键词： Hadoop ElasticSearch 大数据 临床科研平台 -
基于Hadoop的医疗健康档案大数据平台构建
目的:构建存储海量数据、承载并行交互计算的、快速实现大数据应用分析需求的医疗健康大数据平台.方法:采用Hadoop框架结构,使用Spark计算框架,SDB分布式数据库技术进行构建.结果:使用大数据技术构建出健康档案大数据平台.结论:将大数据技术应用于健康档案平台,建立新的技术方案与思路.
-
整合生物信息的临床数据中心建设方案
随着生物医学基础研究、转化医学研究的深入,基于基因测序的生物信息技术得到长足发展,而临床信息和基因组学数据却缺乏融合,已成为临床诊疗和精准医学研究的瓶颈.介绍整合生物信息的临床数据中心建设,该方案将临床数据和基于基因测序的生物信息进行有机整合,建立分布式海量数据存储和计算的数据中心,实现临床信息和组学数据的融合,提供更加全面的患者及疾病全景且精准的数据视图,支撑临床决策及科研应用.
-
利用大数据开源项目实现医疗临床大数据筛选
目的:用大数据技术,实现对复杂类型数据即席查询、文本搜索处理的临床大数据筛选和分析平台.方法:应用基于Hadoop的文件分布存储(HDFS)、大数据仓库(Hive)、数据抽取技术(Sqoop)以及分布式文本搜索(Solr)大数据开源项目,实现对临床大数据的分布存储管理、即席查询、筛选规则加载和病历文本分析.结果:按照“Bolondi再分期模型对肝切除术后患者总体生存预测”课题的数据筛选要求,平台能帮助研究者从大量的具有复杂结构的临床数据中获取符合规则的样本数据.结论:融合应用大数据开源项目是海量医疗临床数据筛选和分析的有效技术方法.
-
基于Hadoop架构的医疗结果数据发布库及其应用
目的:探索医疗结果数据存储方式,满足患者数据对外发布需求,为科研、数据挖掘等大数据深化应用提供支持.方法:运用Hadoop存储架构,构建临床结果数据发布库,并以发布库为基础开发患者端移动应用.结果:通过建设发布库,实现对临床发布数据的集中存储,在此之上开发朝阳健康云App,实现了医疗数据向患者端的开放.结论:患者数据发布库解决了医疗结果数据的集中存储问题,实现了医疗结果数据向患者端的转移.
-
基于Hadoop的医疗云平台构建研究
随着云计算技术的快速发展，云平台的应用越来越广泛，具有整合资源、数据安全、节约存储等优势。基于医疗数据的特点与医院信息化建设中的问题，利用Hadoop技术，设计了一款高效、可靠、稳定的医疗云平台。首先指明了Hadoop技术的优点与云平台搭建的基础环境，然后提出了医疗云平台分五部分建设的思路，后介绍了应用医疗云平台的初步成效。
-
肿瘤大数据中心信息系统建设初探
目的:为全国范围内肿瘤信息互联互通提供基础支撑,向各级医院提供肿瘤诊疗协作服务.方法:从总体框架、技术架构包括云中心物理架构以及业务架构几个层面规划并设计信息系统.结果:设计肿瘤大数据中心信息系统,能够采集、存储、分析各级医院恶性肿瘤诊疗信息,并提供远程医疗服务.结论:建设肿瘤大数据中心实现区域各级肿瘤专科医院与综合性医院肿瘤信息聚合,并提供远程服务,对优化调整癌症防控策略与防治工作意义重大.
-
基于Hadoop的数据中心在三甲医院的探索研究
随着医疗改革的深入,医院业务量快速增加,医疗数据不断增长,传统数据管理模式整合难、利用难、分析难的弊端正逐步体现.Hadoop是Apache软件基金会开发的开源分布式系统基础架构,可以运行在多台廉价服务器组成的集群上,利用其分布式存储和并行处理数据的特性,高效的计算大量数据.建立基于Hadoop的数据中心可以加强现代化医院对医疗数据的有效管理,也提供了不同以往数据管理模式的新思路.
-
基于大数据的医院运营决策支持系统建设
目的:通过运营决策支持系统的建设,满足医院不同部门对运营管理的数据需求,提升医院的决策水平和管理效率.方法:基于Hadoop大数据技术构建运营决策支持系统,实现数据分析实时准确的展现.结果:基本完成了系统的建设,取得一定的成效,但还存在一些难题.结论:运营决策支持系统的建设,为医院的决策提供数据支持,有助于提高医院医疗质量和管理水平.
关键词： 大数据 Hadoop 医院运营决策支持系统
