-
区块链技术在电子病历共享的应用研究
来源:西安电子科技大学学报 发布日期:2020-06-24
由于医疗数据的私密性和敏感性,数据共享和隐私保护是电子病历的关键问题。针对区块链的分散性和抗篡改性等特点,提出基于区块链的电子病历共享模型。首先,构建私有链和联盟链,分别存储用户加密的电子病历与电子病历安全索引记录。其次,提出分布式密钥生成技术与基于类型和身份的代理重加密方案相结合,设计了一种多中心的方案作为数据共享协议,采用委托权益证明算法选取代理节点。最后,对所提方案与现存方案从防篡改、抵抗攻
-
区块链在卒中电子病历共享中的应用
来源:中国卒中杂志 发布日期:2020-06-20
区块链技术在数据共享中具有安全性高、去中心化等特点,是解决卒中电子病历共享难点的有效方法。本文主要基于区块链介绍了一种保证卒中电子病历安全且高效共享的应用方案——在数据层使用椭圆曲线数字签名算法secp256k1曲线进行加密、在共识层使用改进的BFT-RAFT共识机制,并利用单个节点自校验性与多个节点间准实时数据校验的优势,为辅助卒中诊疗及临床研究中数据共享提供一定借鉴价值。
-
浅谈电子病历档案管理存在的问题及对策
来源:云南档案 发布日期:2020-06-20
本文从电子病历的特点与管理现状出发,在深入分析电子病历存在病历系统标准不统一、病历信息存在泄漏隐患、病人个人隐私难以保障等问题基础上,有针对性地提出统一系统标准、保证电子病历安全管理、加强电子病历隐私保护等解决措施,从而实现电子病历的科学管理。
-
神经网络在非结构化电子病历数据抽取中的应用
来源:中国病案 发布日期:2020-06-18
非结构化电子病历采用自然文本录入,系统无法自动识别,不易进行特征抓取与统计查询,本文利用循环神经网络算法,采用Bi-LSTM-CRF模型训练与迭代学习,最终获得6万个术语及上千种常见句式,并在此基础上继续挖掘更多的实体与实体关系,完成电子病历的后结构化转换。神经网络在电子病历后结构化转换过程中的应用前景广泛,但现阶段受病历书写不规范、中文语义复杂等因素影响,数据抓取准确性仍有待提高。随着人工智能以
-
中文电子病历多层次信息抽取方法的探索
来源:中国数字医学 发布日期:2020-06-15
目的:探索新的多层次信息抽取模式,以改进当前以"医学词典"和"正则表达式"为主的电子病历信息抽取技术。方法:通过"文书类别预测模块"和"分类模型",对不同病历文书及章节内容进行区分;并在此基础上,利用"规则+深度学习模型",根据不同文本信息特点搭建相应的信息抽取模型,对不同实体及其语义关系进行识别和建立。结果:通过对文书类别、章节以及实体属性的归纳识别、分层建模,实现了对医疗文本中各种信息的多维解
-
探讨手写签名身份认证技术在我院电子病历系统中的应用及分析
来源:首都食品与医药 发布日期:2020-06-15
目的探讨手写签名身份认证技术在我院电子病历系统中的应用价值。方法选取我院手写签名身份认证技术实施前(2015年1月～2015年12月)、实施后(2016年1月～2017年12月)电子病历系统中的住院案例进行回顾性分析,统计对比改进前后电子病历回收率及平均回收时间、满意度。结果改进后电子病历回收率高于改进前,平均回收时间短于改进前(P<0.05);改进后满意度90.85%高于改进前78.43%(P<
-
电子病历书写质量检查系统1.0的设计与应用
来源:山西医药杂志 发布日期:2020-06-15
根据《病历书写基本规范》(卫医政发[2010]11号)《上海地区病历质控标准2015版》和《上海市病历书写质量24项考核指标(试行版)》(沪病历中心[2018]1号)等诊疗规范,要求强化对病历内涵质量的管控,光靠传统的人工干预已无法实现精细化管理的要求,故我们开发了南翔医院《电子病历质量检查系统1.0》,2019年10月8日上线,2019年11月13日获国家计算机软件著作权登记证书(软著登字第45
-
基于联盟链的可搜索加密电子病历数据共享方案
来源:通信学报 发布日期:2020-06-10
针对云存储电子病历(EMR)中病历数据难以在不同医院间共享的问题,提出了一种区块链上基于可搜索加密的EMR数据共享方案。该方案使用服务器存储EMR密文,私有链存储密文哈希值,联盟链存储关键字索引,以实现EMR的安全存储与共享。利用可搜索加密技术实现在联盟链上对关键字的安全搜索,利用代理重加密技术实现其他数据用户对患者EMR的数据共享。安全性分析表明,所提方案满足密文安全和关键字安全。此外,通过功能
-
基于哨点医院电子病历计算机自动识别技术的流感样病例试点监测评价
来源:中华预防医学杂志 发布日期:2020-06-06
目的比较基于病历资料的医生报告与计算机自动识别方式对门急诊流感样病例(ILI)监测的准确性。方法 2019年4—10月在宜昌市中心医院发热门诊、呼吸内科门诊及急诊内科门诊就诊的患者中,选取国际疾病分类第10版诊断编码属于J00-J22范围且病历症状信息完整的病例,共3 542例,以流感监测专业人员根据ILI病例定义的判断结果为金标准,绘制受试者工作特征(ROC)曲线,计算灵敏度、特异度、诊断一致率
-
基于深度学习的电子病历医疗命名实体识别
来源:电脑知识与技术 发布日期:2020-06-05
电子病历不仅对门诊、住院患者治疗具有指导与干预作用,更能以数字化形式呈现当前医疗服务内容与记录,为患者提供更为高效的医疗服务。为进一步强化深度学习能力,提取有效医疗信息。基于此,结合深度学习计算方式,对电子病历医疗命名实体的识别工作进行分析,借助BP网络构建基本数据模型,希望借助已标注病历数据进行再次训练与测试,强化电子病历命名实体识别工作开展,为现代医疗服务提供精准服务。
027-87841330