智慧医疗的核心基石——异构医疗大数据采集技术
我国的医疗信息化建设始于20世纪90年代，经过近30年的发展，医学影像、病理检验、病历、医嘱等临床资料，都实现了在物联网环境下以某种数字化格式进行存储、传输的信息化革命。我们拥有了第一手的海量临床医疗数据，并且这些数据每年都呈指数级增长，宣告大数据时代已经到来。用大数据与移动互联网技术相结合，实现便捷的医疗服务和降低医疗成本已成为可能，智慧医疗就是用以解决“看病难，看病贵”、实现广大百姓“健康梦”的医疗模式。
智慧医疗的本质是利用物联网技术，打通患者与医务人员、医疗机构、医疗设备的关联，建立健康档案区域医疗信息平台，逐步达到信息化。智慧医疗的概念已初具雏形，但仍然只是一种未来医疗模式。我国智慧医疗的发展，目前仍受阻于区域医疗信息平台的建立。究其原因，主要是因为现在所拥有的大数据，都是孤立的、碎片化的，分散的存储在各医院的各个系统之中，盘踞一方、各自为政
各医疗软件系统数据融合难：在医院信息化之初，并未采用顶层设计，而是用逐步填充的方式推进，缺乏全面的统筹管理；加上医学领域的科室多、管理复杂，各科室的医疗设备与软件厂家各不相同，各个软件的临床数据交互困难，这些是导致医疗数据孤岛普遍存在，阻碍医疗大数据中心构建的根本原因。
虽然乏善可陈，但也不乏具有前瞻性的特例——深圳市南山区的卫生信息平台，全区5家医院、40多个社区中心，利用统一的HIS系统、统一的PACS系统、统一的LIS系统建立起了一个区域医疗数据中心，5家医院和40多个社区中心相当于一个医院，信息共享与交互变得很简单，区内人民看病也不需要重复检查，卫计委与医院进行数据分析也变得简单。
对于绝大多数医院来说，要建立像南山区一样的区域医疗数据中心，首要任务就是要解决医院内部、医院之间的异构医疗数据融合问题。
医疗数据标准化制度缺失：医疗领域信息化之初，没有对采集到的临床数据进行标准化制度建设。例如，同样是血常规检查，A医院用甲厂家的系统以甲的分类方式输出检查指标，B医院用乙厂家的系统按乙的方式输出检查指标……结果就是同样的一份血常规化验单，各指标的数值相同，但排列方式却各不相同。如何使各个医院的各类临床数据按同一标准输出结构化数据，是建立健康档案区域医疗信息平台必须要解决的问题。
运用接口联通数据的痛点：对医院来说，将不同软件之间的数据融合到同一数据中心，是一项耗资、耗时、耗力的工作。耗资——让原软件厂商增加一个接口的费用动辄3、5万，打通医院几十个系统的接口费用大；耗时——每个接口的开发需要一定的周期，而接口之间要相互衔接，让所有系统对接变得遥遥无期；耗力——各家的软件系统需要各自的实施人员才能进入，现场工程师的排期需要劳心劳力；后期维护麻烦——通过N多接口联通而建立起来的大数据中心，一旦出现故障，问题排查相对困难。对医院院长而言，更希望以简单易行的方法建立大数据中心。
在湖南宜章县的医疗系统，利用博为软件101大数据集成平台的“异构数据融合技术”，在两个月时间内，很好的攻克了以上问题，建立起了县内30家医院之间信息的互联互通，并直接促成区域内远程会诊平台的建立与运用。宜章县的大数据集成平台已经嵌入县卫生系统专网，卫生局通过对一定时间段内各个医院患者的诊断分析、用药分析，可以统计本县的高发病、常见病、新型病以及病患的年龄结构等项目的精确数量，帮助卫生局及时对流行病、慢性常见病等做出决策反应，向广大人民普及疾病症状以及预防、应对措施，基本达到“预防小病发生、避免小病发展成大病”目的。通过区域医疗信息平台的建立，宜章县卫生系统向智慧医疗靠近了一大步。
除了采集专业的医疗机构、检验中心的临床数据之外，智慧医疗大数据的建设，还囊括针对生命体征检测的各类可穿戴设备的数据采集。因为智慧医疗强调的是个体数据，而非样本数据，将人类生命个体的每一次呼吸、每一次心跳、每个基因状况的相关指标都记录在医疗大数据中心，通过个体数据的分析与研究实现对疾病的精准治疗与预防措施，才是智慧医疗的“智慧”之所在。异构医疗大数据采集技术对智慧医疗的作用，可见一斑。
如今，通过异构大数据采集技术建立区域医疗信息平台成功跨越了智慧医疗发展道路上的又一个障碍，“在互联网时代没有实现不了的要求”，人类终将突破大数据应用、线上线上互联等重重阻碍，实现智慧医疗，实现“健康梦”。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点博为101异构数据采集引擎开辟大数据集成新路径
目前，中国三大通信运营商（中国移动、中国联通、中国电信）成鼎立状态，没了人口红利，运营商们陷入资费、广告、技术混战中。如何改变利润缩减现状，最大化稳固现有利润点，找到更多新利润增长点成为制胜关键。
数据成为运营商利润增长要塞
大数据时代到来，信息成为战略资产。通信运营商通过多年积累，手握大量用户数据，渗透各行各业，每天都有大量有价值的数据从管道、业务平台、支撑系统中产生，所以，运营商在数据占有方面有着无可比拟的天然优势。
运营商深知大数据的商业智能应用带来的巨大机遇，各地纷纷建立大数据中心，企图迅速实现“业务驱动”到“数据驱动”的转变。
数据孤岛成大数据集成症结
然而，海量数据储存于集团各地分公司，分公司不同业务数据又独立储存于不同系统之中，系统林立，数出多门，系统数据无法关联、共享，而各地的大数据中心建设规划不同、标准不一，跨地区、跨业务的数据难以整合。加之数据不完整、不一致、时效性差等问题存在，大数据建设与应用工作推进困难重重，不能实现大数据集成，大数据应用无疑是无源之水。
博为101异构数据采集引擎开辟大数据集成新路径
只需在各分公司电脑上安装博为的大数据集成软件，就能轻松实现跨地区、跨系统的数据抓取集成。
博为软件自主研发的101异构数据采集技术，打破实现异构数据连通只能采用数据接口的局限，无需原开发商配合、无需系统源代码、也无需数据库开放，即可实现数据实时获取、精准融合和无缝集成，颠覆了传统的信息孤岛资源开放以数据库为着眼点的思路，开辟了新型异构数据集成、融合模式。
深度拥抱大数据，催生新利润增长点
采用博为101异构数据采集技术完成大数据采集，为大数据的深度挖掘和应用奠定基础，改变通信运营商的盈利结构，加速了通信行业的转型。
运营商通过大数据应用提升自身管理研发能力，实现精细化运营，改进用户体验，提高产业服务水平。通过整合市场部门、销售部门、服务部门等各部门的数据，从不同角度分析了解客户，对客户形象进行精准刻画，制定有针对性的营销计划、产品组合或商业决策，提升客户价值；判断客户对企业产品、服务的感知，有针对性的进行改进和完善；通过情感分析、语义分析等技术，可以针对客户的喜好、情绪，进行个性化的业务推荐。
大数据应用可盘活运营商掌握的数据资产，挖掘实现数据价值，创新应用合作和商业模式。运营商可在数据中心的基础上，搭建大数据分析平台，对数据进行分析，为相关企业提供相应的数据分析报告，如为移动互联网广告主提供RTB数据应用服务，为银行提供征信数据服务，为景区提供游客来源地聚类分析数据服务，为政府提供基于位置的大数据服务应用，包括实时路况分析、城市规划与应急响应支持、公共安全与管理等。这也是未来通信运营商的重要利润来源。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点登录没有账号？
&登录超时，稍后再试
免注册 快速登录
大数据技术解读 引领未来也须应对挑战
中关村在线 贾凯强
　　第1页：大数据技术的分类　　大数据技术是在传统数据处理手段无法应对海量数据的实时需求的情况下，采用新的来应对大数据爆发进行数据处理的技术。大数据技术一般可以包括基础架构支持、数据采集、数据存储、数据计算和数据展现交互等。　　大数据技术的分类　　大数据技术涵盖的范围十分广阔。基础架构支持方面主要包括了支撑大数据处理的基础架构级数据中心管理、云计算平台、云存储设备及技术、网络技术、资源监控等技术。而为了处理数据，则需要有大规模物理资源的云数据中心和具备高效的调度管理功能的云计算平台的支撑。　　数据采集技术方面包含了数据采集的手段和数据处理技术。一般来讲数据采集最基础的需要各类传感器和软硬件设施，然后需要进行ETL（采集、转换和加载）过程，对数据进行清洗、过滤、校验、转换等各种预处理，然后将有效的数据转换成为合适的格式及类型。而部分企业还需要为了应对多源异构的数据采集和存储访问设计数据总线，以便于企业各个应用和服务之间的数据交换及共享。　　数据存储技术则是在经历了转换之后，针对海量数据进行存储归档。一般会采用分布式文件系统以及分布式数据库进行存储，将数据分布到多了存储点中，提供备份、安全、访问接口及协议等机制。大数据技术在不断发展中　　而数据计算一般包括了数据查询、统计、分析、预测、挖掘、图谱处理、BI商业智能等各项相关技术，数据计算是数据处理的关键组成，也是大数据技术的核心部分。通过数据计算可以将大数据从数据转换为价值。　　数据展现交互是与用户最贴近的一步。由于数据的最终使用者为用户，目标为给生产、运营、规划提供决策支持，因此一般会选择更为直观便捷的方式将数据的价值和内涵展示出来，让用户能够更有效的利用数据发挥价值。这一步出传统的报表和图形之外，当前最流行的手段莫过于可视化工具和人机交互等。　　第2页：大数据技术面临的挑战　　大数据技术面临的挑战　　大数据技术在不断的发展过程中并非一帆风顺，其也遇到了不少挑战。大数据面临问题并不少　　在大数据采集方面，如在不损失数据本身价值的情况下尽可能的将数据集的量降低变小是个问题，在数据的清洗和去除过程中，如何有效的处理大数据，让其不损失价值，从一个平面的大数据中提取高附加价值的概念、理论以及知识才是关键。　　大数据管理方面则需要面对多种不同类型的数据。由于当前数据以非结构化数据为主，而且这一趋势正在加强，如何面对分布、多态、异构的大数据进行管理，还需要更为有效和快捷的手段。　　大数据存储方面，结构化数据尽管存储较为便捷，可是在海量数据的查询、统计和更新方面效率较低；如果面对非结构化数据，如、音频、文本、图片等，存储、检索都会存在一定困难，而且占用空间较大。对于半结构化数据，存储、分析都需要进行结构化数据转换，或者按照非结构化数据存储，难度较大而且不利于实时处理。技术在发展 挑战与机遇并存　　数据计算方面，分布式计算与并行计算都可以提供有效的技术支持，但是如何提供有效的利用手段，开战大数据分析处理还需要进一步研究，而且在计算方面尽力“傻瓜式”开发的现在，如何找到切实可靠的理想结果也是一个重点。　　大数据应用领域，应用大数据辅助具体行业的落地仍然有待提高，如何快速开展治安防控、警情研判及指挥决策，发掘行业信息资源价值，提高领域大数据的利用率都需要进一步的落地实施。　　大数据技术的提高是显而易见的，但是大数据落地是一个重大课题。提高大数据技术，增强大数据应用还会是很长时间里的主旋律。
（责任编辑：李亮 HA011）
和讯网今天刊登了《大数据技术解读 引领未来也须应对挑战》一文，关于此事的更多报道，请在和讯财经客户端上阅读。
提 交还可输入500字
你可能会喜欢
热门新闻排行榜
和讯热销金融证券产品
【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。
违法和不良信息举报电话：010- 传真：010- 邮箱：yhts@ 本站郑重声明：和讯信息科技有限公司系政府批准的证券投资咨询机构[ZX0005]。所载文章、数据仅供参考，投资有风险，选择需谨慎。传感网异构数据采集及数据融合技术的研究与实现_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
传感网异构数据采集及数据融合技术的研究与实现
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩66页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢