项目名称: 基于场景的电子医疗信息的记录机制与信息重放方法研究

项目编号: No.61300090

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 丁熠

作者单位: 电子科技大学

项目金额: 25万元

中文摘要: 在某些应用领域里,比如说医疗领域,它们通常要求从业者保留相关的行为记录以便在未来能审查他们在工作中的行为。对于执行这些应用领域的信息系统而言,最大的挑战在于如何重现在信息集里的某些信息单元的进化过程。这种重现的过程不仅仅能把所有相关的信息当作一个整体来进行回放,同时也能从多维的角度来观察这些信息化以后的信息。 本项目致力于提出一种基于场景的方法(Scenario-Oriented Approach)从而对电子医疗信息实现记录其历史行为的功能,并能对其历史信息进行回放。这种方法是通过把从不同信息源中找出的相关的信息单元按一定的关系组织起来,从而形成一个新的、有意义的场景。基于此种方法,在现实中的医疗行为历史,不仅能够被记录下来,而且在将来也能像播放电影一样,通过回溯的方式被动态的重放。重放的结果也能给决策支持、数据分析、数据挖据等提供更好的帮助。

中文关键词: 基于场景的;建模;记录;信息重放;可视化

英文摘要: Several application domains, such as healthcare domain,require practitioners to retain operational records so as to inspect their day-to-day activities in future. One typical challenge that arises in computerized information systems implemented to manage such real-world application domains, is to reproduce the evolution process of certain information units, which not only can treat all the managed information as a whole, but also show details of the computerized information from multi-dimensions. This project devotes its efforts into a Scenario-Oriented ApproaCH (SOACH) to support the recording and replaying of the healthcare information. The SOACH aims to organize/reorganize related information and knowledge elements from multi sources together as a meaningful information scenario so that medical activities in the real world can be recorded and then be replayed dynamically later for future use, such as, decision-making, analyzing and mining. Within the SOACH, a modeling approach integrated with a recording mechanism, called Scenario Modeling Approach (SMA), will be developed to support the process of replaying the changing history of information units. In addition to the SMA, a language, called Scenario-Oriented Language (SOL), will be proposed and developed to support the SOACH with the construction of the que

英文关键词: Scneario-based;Modeling;Recording;Information Replaying;Visualization

成为VIP会员查看完整内容
0

相关内容

联邦学习智慧医疗综述
专知会员服务
120+阅读 · 2021年11月27日
专知会员服务
69+阅读 · 2021年5月21日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
51+阅读 · 2021年3月28日
《强化学习》简介小册,24页pdf
专知会员服务
270+阅读 · 2020年4月19日
「联邦学习隐私保护 」最新2022研究综述
专知
16+阅读 · 2022年4月1日
零信任策略下云上安全信息与事件管理最佳实践
阿里技术
1+阅读 · 2021年11月25日
机器学习中的数据级联
TensorFlow
0+阅读 · 2021年7月15日
医疗健康大数据隐私保护综述
专知
3+阅读 · 2021年3月28日
【数字孪生】面向智能制造的数字孪生
产业智能官
49+阅读 · 2020年5月10日
【强化学习】易忽略的强化学习知识之基础知识及MDP
产业智能官
17+阅读 · 2017年12月22日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
92+阅读 · 2021年5月17日
Arxiv
18+阅读 · 2020年10月9日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
小贴士
相关VIP内容
联邦学习智慧医疗综述
专知会员服务
120+阅读 · 2021年11月27日
专知会员服务
69+阅读 · 2021年5月21日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
51+阅读 · 2021年3月28日
《强化学习》简介小册,24页pdf
专知会员服务
270+阅读 · 2020年4月19日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员