[发明专利]基于云平台的远程移动医疗管理系统

摘要

本发明涉及基于云平台的远程移动医疗管理系统，患者移动客户端根据患者生理数据采集仪所采集的患者生理数据生成对应患者本人的生理数据病症曲线及对应患者各种生理数据的病症异样参考值；云平台在预设时期内提取在云平台已注册的所有患者的患者信息及性别、年龄、出生地、职业等信息生成针对所有患者的预诊病症模型并得到当前患者的预诊病症；云平台安装预设转发准则发送患者信息、患者生理数据值集合、病症异样参考值和预诊病症给对应的医院服务子系统进行远程诊断，由专家医生形成具有其签名的电子就诊病历给患者。该远程移动医疗管理系统能有效借助患者处移动客户端和云平台初步作出对医生诊断病症有价值的参考信息，提高远程移动医疗效率。

主权项

基于云平台的远程移动医疗管理方法，用于包括有患者生理数据采集仪、患者移动客户端、医生客户端、医院服务子系统、药店服务子系统以及云平台所形成的远程移动医疗管理系统，患者生理数据采集仪连接患者移动客户端，患者移动客户端和医生客户端分别连接医院服务子系统，医院服务子系统和药店服务子系统分别连接云平台；其特征在于，所述基于云平台的远程移动医疗管理方法包括如下步骤1至步骤9：步骤1，医院通过医院服务子系统在云平台处注册登记以获得用户名和登录密码，并登记医院信息以及医院内的所属医生信息；患者通过患者移动客户端在云平台处注册登记以获得用户名和登录密码，且登记患者自身的患者信息和联系电话；药店通过药店服务子系统在云平台处注册登记以获得用户名和登录密码，并登记该药店中各药品的信息及对应价格；云平台对医院服务子系统、患者以及药店服务子系统对应的用户名和登录密码分别作加密处理；患者信息至少包括患者的性别信息、年龄信息、出生地信息、工作地信息、居住地信息、职业信息、学历信息、病史信息、身高信息和体重信息；其中，云平台加密用户名和登录密码的过程包括如下步骤1‑1至步骤1‑5：步骤1‑1，云平台生成供用户填写注册登记信息的注册页面，并提供专门供上传用户头像图片的图片添加控件；所述注册页面上设置有供用户注册登记的注册操作时限，以使用户只能在限定的注册操作时限内完成注册登记过程；其中，云平台预先限定所添加图片像素值的最大值为Pixelsmax；注册页面具有供输入用户名的用户名输入框以及供键入登陆密码的U个按照预设顺序排列的数值密码框；设定排序号为u的第u个数值密码框中所键入的数值为Qu；0≤Qu≤9；6≤U≤10；1≤u≤U；步骤1‑2，用户在填写完毕包括用户名和登录密码的注册信息后，通过注册页面上的图片添加控件将用户选择的头像图片添加到云平台，并由云平台存储用户所填写的用户名；步骤1‑3，云平台提取用户所添加头像图片的像素值，并得到所添加头像图片的高度值、宽度值以及所添加头像图片的特征值；其中，所添加头像图片标记为JPG，所添加头像图片JPG的像素值标记为PixelsJPG；所添加头像图片JPG的高度值标记为HighJPG，所添加头像图片JPG的宽度值标记为WidthJPG；所添加头像图片JPG的特征值标记为FeatureJPG；FeatureJPG=log2(PixelsJPGHighJPG·WidthJPG-HighJPG·WidthJPGHighJPG+WidthJPG);PixelsJPG≤Pixelsmax;]]>步骤1‑4，云平台根据用户所添加头像图片的特征值以及用户在各数值密码框中键入的数值，分别计算各键入数值与所添加头像图片特征值之间的差值，并以所得到的差值集合作为用户的登录密码；其中，用户的登录密码标记为Password；Password＝{Differu}；Differu＝Qu‑FeatureJPG；Differu表示第u个数值密码框中所键入的数值Qu与所添加头像图片特征值FeatureJPG之间的差值；步骤1‑5，云平台监测到用户试图通过输入密码的形式再次登录时，云平台在判断当前用户名和对应该用户的头像图片已经被云平台存储且用户在各数值密码框中输入的数值均对应满足步骤1‑4中的差值集合时，则云平台认定用户键入了正确的用户名和对应的登录密码；否则，云平台拒绝用户登录到该云平台的系统中；步骤2，利用患者生理数据采集仪按照预设采集周期采集患者的各种预先设定的生理数据，并将采集的各种生理数据值作为患者生理数据值集合发送给患者移动客户端处理；其中，患者生理数据值集合标记为S，S＝{Pi}，i＝1,2…,I；预设采集周期标记为T，采集到的生理数据值标记为Pi表示在患者生理数据值集合S中的第i种生理数据的名称，I表示患者生理数据值集合S中生理数据的种类个数；N表示在采集周期T内所采集到的生理数据Pi的总个数，表示针对生理数据Pi在采集周期T内所采集到的第n个生理数据值；所要采集的生理数据种类由患者生理数据采集仪预先设定；步骤3，在患者成功登陆患者移动客户端后，患者移动客户端根据所接收的患者生理数据值集合以及患者信息，生成对应患者本人的生理数据病症曲线以及得到对应患者各种生理数据的病症异样参考值；其中，患者本人的生理数据病症曲线方程以及患者的病症异样参考值计算公式如下：f(DataPi,nPhy)=DecidePiPhyDataPiPhy‾·DataPi,nPhy+log2(DataPiPhy‾),DecidePiPhy>ϵ00,DecidePiPhy≤ϵ0;i=1,2...,I;]]>DecidePiPhy=1IΣi=1I(DataPi,nPhy-DataPiPhy‾)2;DataPiPhy‾=1IΣi=1IDataPi,nPhy+ΔPiPhy;n=1,2,...,N;]]>f(·)表示生理数据病症曲线方程，ε0表示预设的生理数据病症筛选阈值，表示对应患者生理数据Pi的病症异样参考值；表示在采集周期T内所对应患者生理数据Pi的均值，表示针对生理数据Pi处于正常状态时的偏移量常量；步骤4，云平台在预设时期内提取在该云平台已注册的所有患者的患者信息，并根据各患者的性别信息、年龄信息、出生地信息、工作地信息、居住地信息、职业信息、学历信息、病史信息、身高信息和体重信息生成针对所有患者的预诊病症模型，由云平台根据所得预诊病症模型以及当前患者所登记的患者信息，得到当前患者的预诊病症，以供当前患者初步了解自己的病症情况；其中，预诊病症模型标记为Symptom：Symptom＝{Symptomg}，g＝1,2,…,G；Symptomg=Symptom1,σξw∈(σ0,σ1];Symptom2,σξw∈(σ1,σ2];Symptom3,σξw∈(σ2,σ3];...SymptomG-1,σξw∈(σG-2,σG-1];SymptomG,σξw∈(σG-1,σG];;]]>σξw=110Σr=110(ξrw-λξrw·ξrw‾)2;λξrw=(ξrw)2Σr=110(ξrw)2;ξrw‾=110Σr=110ξrw;]]>ξ1w=ξGenderw,ξ2w=ξAgew,ξ3w=ξBornPlacew,ξ4w=ξWorkPlacew,ξ5w=ξResidencew;]]>ξ6w=ξJobw,ξ7w=ξEducationw,ξ8w=ξMedicalhistoryw,ξ9w=ξHeightw,ξ10w=ξWeightw;]]>ξGenderw=NumGenderw(Symptomw′)W,ξAgew=NumAgew(Symptomw′)W,]]>ξBornPlacew=NumBornPlacew(Symptomw′)W,ξWorkPlacew=NumWorkPlacew(Symptomw′)W,]]>ξResidencew=NumResidencew(Symptomw′)W,ξJobw=NumJobw(Symptomw′)W,]]>ξEducationw=NumEducationw(Symptomw′)W,ξMedicalhistoryw=NumMedicalhistoryw(Symptomw′)W,]]>ξHeightw=NumHeightw(Symptomw′)W,ξWeightw=NumWeightw(Symptomw′)W;]]>其中，Symptomg表示云平台得出的第g种预诊病症，G表示云平台所能得出预诊病症的总种类数；Patientw表示第w个患者，W表示在云平台处已注册的所有患者的总个数；Symptom'w表示患者Patientw已经经医生确认的病症名称，Genderw表示患者Patientw的性别信息，Agew表示患者Patientw的年龄信息，BornPlacew表示患者Patientw的出生地信息，WorkPlacew表示患者Patientw的工作地信息，Residencew表示患者Patientw的居住地信息，Jobw表示患者Patientw的职业信息，Educationw表示患者Patientw的学历信息，Medicalhistoryw表示患者Patientw患过病症Symptom'w的病史信息，Heightw表示患者Patientw的身高信息，Weightw表示患者Patientw的体重信息；表示在云平台处已注册且与患者Patientw同性别且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同年龄且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同出生地且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同工作地且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同居住地且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同职业且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同学历且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同样具有病史且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同样身高且患有Symptom'w病症的患者总个数，表示在云平台处已注册且与患者Patientw同样体重且患有Symptom'w病症的患者总个数；和所指的个数中均包括有患者Patientw；σ0～σG均为云平台预设的预诊病症分类常量；步骤5，患者移动客户端将其所属患者的患者信息、患者生理数据值集合及所得对应病症异样参考值发送至云平台，由云平台按照预设转发准则将患者信息、患者生理数据值集合、对应的病症异样参考值以及步骤4中云平台所得该患者的预诊病症在数据网络通畅时启动发送程序并发送给对应的医院服务子系统；云平台的预设转发准则如下：DecidePiPhy>DecidePi,th0Phy→HospitaloptDecidePiPhy≤DecidePi,th0Phy→Hospitaldisopt;Hospitalopt=Min(σscore,T1Escore,T1+δmedi-mal,T1);]]>σscore,T1=1MΣm=1M(Scorem-Escore,T1)2;Escore,T1=1MΣm=1M(Scorem);]]>表示预设的对应患者生理数据Pi的病症异样判决阈值，Hospitalopt表示患者评价系数最高的医院，Min(·)表示取最小值，Scorem表示第m个患者对医院的评价打分值，M表示在云平台处已注册且给医院作评价打分的患者总个数，表示在已知时间段T1内所有M个患者对医院评价打分的平均值，表示在已知时间段T1内患者对医院评价打分的波动值，表示医院在已知时间段T1内的医疗事故率；Hospitaldisopt表示在云平台处注册且除去患者评价系数最高医院后而剩余的医院；→表示云平台针对患者信息、患者生理数据值集合以及对应病症异样参考值的转发方向；步骤6，各医院的医院服务子系统在至少接收到两次云平台转发的患者信息、患者生理数据值集合以及对应的病症异样参考值后，医院服务子系统自动提取患者的病症特征信息，并根据所提取患者的病症特征信息发送至所属医院中对应该病症的初诊科室的医生客户端，由初诊科室的初诊医生对患者当前病症做出初诊结论，并将初诊结论、患者的初诊序号以及患者数据转发给与初诊结论相对应的专家科室的医生客户端；所述患者数据包括了患者信息、患者生理数据值集合以及对应的病症异样参考值；其中，所述医院服务子系统自动提取患者病症特征信息的过程包括如下步骤6‑1至步骤6‑4：步骤6‑1，医院服务子系统根据云平台所转发患者信息、患者生理数据值集合以及对应的病症异样参考值的次数，得到患者上一次各生理数据的前置偏差值；其中：σPi,KPhy=1KΣn=1K((DataPi,nPhy-DataPiPhy‾′)2),DataPiPhy‾′=1KΣn=1KDataPi,nPhy+ΔPiPhy;]]>表示患者第K次时所对应生理数据Pi的前置偏差值；K表示云平台所转发患者信息、患者生理数据值集合以及对应病症异样参考值的次数；表示针对生理数据Pi处于正常状态时的偏移量常量；步骤6‑2，医院服务子系统根据云平台所转发患者信息、患者生理数据值集合以及对应的病症异样参考值的次数，得到患者至当前次数时各生理数据的后置偏差值；其中：σPi,K+1Phy=1K+1Σn=1K+1((DataPi,nPhy-DataPiPhy‾′)2),DataPiPhy‾′=1K+1Σn=1K+1DataPi,nPhy+ΔPiPhy;]]>表示患者第K+1次时所对应生理数据Pi的后置偏差值；K+1表示当前云平台所转发患者信息、患者生理数据值集合以及对应病症异样参考值的次数；表示针对生理数据Pi处于正常状态时的偏移量常量；步骤6‑3，医院服务子系统分别预设各生理数据的病症特征判决阈值，并且医院服务子系统根据所得患者各生理数据对应的前置偏差值和后置偏差值，得到患者对应生理数据的突发偏差值；其中：表示对应患者生理数据Pi的突发偏差值，表示对应患者生理数据Pi的前置偏差值，表示对应患者生理数据Pi的后置偏差值；对应生理数据Pi的病症特征判决阈值标记为步骤6‑4，医院服务子系统根据所得患者各生理数据的突发偏差值以及预设的各生理数据的病症特征判决阈值分别进行病症判断，以判断患者是否出现病症：当时，表示患者的生理数据Pi出现异常，则医院服务子系统指示患者出现了对应生理数据Pi的病症；当时，表示患者的生理数据Pi未出现异常，则医院服务子系统指示患者的生理数据Pi正常；步骤7，专家科室中的专家医生利用自己的医生客户端接收初诊科室发送来的初诊结论、患者的初诊序号以及患者信息，并建立患者在该医院的电子就诊病历，同时由该医生客户端对患者的电子就诊病历做加密处理，以保护患者个人隐私信息；其中，所述医生客户端加密处理患者的电子就诊病历过程包括如下步骤7‑1至步骤7‑4：步骤7‑1，医生客户端预先存储所属专家医生的电子防伪签章彩色图片，并以电子防伪签章彩色图片作为医生开具电子就诊病历的审核凭证；其中，所述专家医生的电子防伪签章彩色图片记为j表示医院服务子系统所赋予专家医生的电子签章序号，J表示医院服务子系统所赋予各专家医生的总的电子签章个数；Doctj表示拥有电子签章序号为j的医生；步骤7‑2，医生客户端获取专家医生电子防伪签章彩色图片中各颜色的灰度色阶值以及电子防伪签章彩色图片的高度值和宽度值，得到专家医生电子防伪签章彩色图片的签章防伪指数；其中，专家医生对应的签章防伪指数记为专家医生电子防伪签章彩色图片中颜色的灰度色阶值记为电子防伪签章彩色图片的高度值记为电子防伪签章彩色图片的宽度值记为σGrayscaleDoctj=1VΣv=1V((GrayscalevDoctj-τGrayscaleDoctj)2);v=1,2,...,V;]]>其中，V是指专家医生电子防伪签章彩色图片中所有颜色的总种类数，表示第v种颜色在电子防伪签章彩色图片中的灰度色阶值；步骤7‑3，医生客户端将所得所述专家医生对应的签章防伪指数发送给医院服务子系统存储备案，并且同时由医院服务子系统将备案的该专家医生的签章防伪指数和医院服务子系统的身份信息整合，以得到供患者查阅电子就诊病历的验证码信息；其中，对应所述电子就诊病历的验证码信息标记为HospitolDoctj表示专家医生Doctj所供职的医院服务子系统，TDoctj表示专家医生的签章防伪指数的有效时间值；步骤7‑4，医生客户端将供患者查阅电子就诊病历的验证码信息以短信息的形式发送给患者在云平台留下联系电话的移动终端中，以实现患者在签章防伪指数的有效时间内通过云平台查阅自己的电子就诊病历；步骤8，专家医生处的医生客户端分别提取接收的患者的各种生理数据值，并将提取的各种生理数据值分别与对应的正常生理数据值做比对判断，以供专家医生决定是否对当前患者做出远程诊疗，并由专家医生处的医生客户端得出患者各生理数据的异样值，以帮助专家医生提前了解患者的生理数据变化情况；其中，患者生理数据Pi的异样值记为ζPi：σDataPi,nPhy,T1=1N′Σn=1N′(DataPi,nPhy-EDataPiPhy)2,EDataPiPhy=1N′Σn=1N′DataPi,nPhy;]]>N'表示专家医生处的医生客户端在时间段T1内所接收患者生理数据Pi的个数，表示在时间段T1内患者生理数据Pi的波动值，表示专家医生处的医生客户端针对正常人群的生理数据Pi已经预先设定好的正常波动常量；当患者生理数据集合中的任一种生理数据未处于该种生理数据的正常范围内时，则专家医生处的医生客户端做出告警提醒；否则，专家医生处的医生客户端不予告警；步骤9，专家医生通过医生客户端对患者做出远程就诊邀请且在患者完成远程就诊确认后，专家医生通过其医生客户端在医院服务子系统处对确认远程就诊的患者进行备案；在患者支付诊断费用后，专家医生诊断患者病症并将针对患者病症开出的包括有该专家医生执业信息的电子处方分别提供给云平台以及该专家医生所属的医院服务子系统进行实时备案；患者通过患者移动客户端登录云平台以查看专家医生给出的电子处方，并按照电子处方在云平台所提供的已备案的药店服务子系统处购买药物，完成远程移动医疗过程。