医疗健康大数据服务平台技术架构

简介:

医疗健康大数据服务平台是一个包含多个业务系统、多个自身管理软件、是一系列软、硬件和人员、政策支持的综合系统体系,统一建设医疗健康云计算服务中心,集中存储居民医疗卫生信息和居民电子健康档案等数据,满足社会大众、医务工作者、各级卫生主管部门、第三方机构的应用需求。

医疗健康大数据服务平台是一个包含多个业务系统、多个自身管理软件、是一系列软、硬件和人员、政策支持的综合系统体系,统一建设医疗健康云计算服务中心,集中存储居民医疗卫生信息和居民电子健康档案等数据,满足社会大众、医务工作者、各级卫生主管部门、第三方机构的应用需求。 医疗健康大数据服务平台总体架构如下图所示。


image
图 医疗健康大数据服务平台总体架构

如上图所示,医疗健康大数据服务平台分为资源层、服务层和展现层。其中层功能如下:

1、展现层

负责对用户提供医疗健康信息、以及分析与挖掘信息服务,支持4大类用户,包括:社会公众、医务工作者、卫生主管部门和第三方机构。通过本平台,既可以获得医疗健康数据服务结果展示,也可以获得医疗健康数据分析与挖掘服务结果展示。本平台对外提供 Web页面接入方式或移动通讯终端(android、iOS)接入方式。

2、服务层

服务层主要是平台建设过程中能够提供的所有应用相关服务。应用服务大致可分为业务应用类服务、数据资源类服务、工具软件类服务和其他类服务。业务应用类服务主要面向不同的用户提供解决具体业务功能需要,主要包括公众服务、医院诊疗服务、综合卫生服务、大数据分析服务等;数据类服务按业务所划分的各类数据服务。工具软件类服务主要提供给数据的维护和采集、清洗、整合、分析、统计等。

3、资源层

资源层负责医疗健康大数据和数据分析与挖掘相关应用资源的一体化存储和管理。资源层又可分为三层:虚拟化业务管理平台、虚拟化数据管理平台和物理资源层。其中:

物理资源层提供各种数据资源、应用资源的实际存储,包括:医疗健康相关的所有数据,建设的数据资源中心和应用服务资源中的所有资源。本层将提供关系数据库系统、非关系数据库、数据仓库等多种类型的数据管理系统。

虚拟化数据管理平台采用虚拟化技术对所有物理资源进行封装,对上层提供各种虚拟化资源。对内部,虚拟化数据管理平台通过异构式数据集成与管理、虚拟化资源调度、数据划分、负载均衡、实时备份监控、故障恢复等多种手段保证整个平台的高性能、高可用性、高可扩展性。

虚拟化业务管理平台负责对所有的应用服务相关资源进行管理和调度。根据功能,它又可以划分为:虚拟化数据资源中心和虚拟化应用服务组件资源中心。其中:数据资源中心针对不同的需求,对不同业务部门不同结构数据进行分析、抽取、加工,形成面向主题的综合数据,为组织内各个层面的人员提供高效的、用于宏观决策的各种信息。应用服务资源中心应用服务组件资源中心通过提供数据挖掘等服务,使卫生行业管理者们能够利用各种历史数据和现在的数据进行各种复杂分析、预测和辅助决策。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
8月前
|
存储 数据采集 搜索推荐
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
本篇文章探讨了 Java 大数据在智慧文旅景区中的创新应用,重点分析了如何通过数据采集、情感分析与可视化等技术,挖掘游客情感需求,进而优化景区服务。文章结合实际案例,展示了 Java 在数据处理与智能推荐等方面的强大能力,为文旅行业的智慧化升级提供了可行路径。
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
|
9月前
|
存储 SQL 监控
数据中台架构解析:湖仓一体的实战设计
在数据量激增的数字化时代,企业面临数据分散、使用效率低等问题。数据中台作为统一管理与应用数据的核心平台,结合湖仓一体架构,打通数据壁垒,实现高效流转与分析。本文详解湖仓一体的设计与落地实践,助力企业构建统一、灵活的数据底座,驱动业务决策与创新。
|
9月前
|
消息中间件 负载均衡 中间件
⚡ 构建真正的高性能即时通讯服务:基于 Netty 集群的架构设计与实现
本文介绍了如何基于 Netty 构建分布式即时通讯集群。随着用户量增长,单体架构面临性能瓶颈,文章对比了三种集群方案:Nginx 负载均衡、注册中心服务发现与基于 ZooKeeper 的消息路由架构。最终选择第三种方案,通过 ZooKeeper 实现服务注册发现与消息路由,并结合 RabbitMQ 支持跨服务器消息广播。文中还详细讲解了 ZooKeeper 搭建、Netty 集群改造、动态端口分配、服务注册、负载均衡及消息广播的实现,构建了一个高可用、可水平扩展的即时通讯系统。
1023 0
|
6月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
7月前
|
存储 分布式计算 资源调度
【赵渝强老师】阿里云大数据MaxCompute的体系架构
阿里云MaxCompute是快速、全托管的EB级数据仓库解决方案,适用于离线计算场景。它由计算与存储层、逻辑层、接入层和客户端四部分组成,支持多种计算任务的统一调度与管理。
668 1
|
9月前
|
Ubuntu 编译器 C语言
在Ubuntu22.04平台上交叉编译针对Rv1126架构的GCC13.2.0编译器的步骤。
遵循上述步骤,您应该能够在Ubuntu 22.04平台上成功交叉编译适用于RISC-V架构RV1126的GCC 13.2.0编译器,允许您为目标硬件构建应用程序和操作系统组件。
611 10
|
9月前
|
消息中间件 分布式计算 大数据
“一上来就搞大数据架构?等等,你真想清楚了吗?”
“一上来就搞大数据架构?等等,你真想清楚了吗?”
181 1
|
9月前
|
文字识别 运维 监控
架构解密|一步步打造高可用的 JOCR OCR 识别服务
本文深入解析了JOCR OCR识别服务的高可用架构设计,涵盖从用户上传、智能调度、核心识别到容错监控的完整链路,助力打造高性能、低成本的工业级OCR服务。
397 0
架构解密|一步步打造高可用的 JOCR OCR 识别服务
|
8月前
|
SQL 存储 监控
流处理 or 批处理?大数据架构还需要流批一体吗?
简介:流处理与批处理曾是实时监控与深度分析的两大支柱,但二者在数据、代码与资源上的割裂,导致维护成本高、效率低。随着业务对数据实时性与深度分析的双重需求提升,传统架构难以为继,流批一体应运而生。它旨在通过逻辑、存储与资源的统一,实现一套系统、一套代码同时支持实时与离线处理,提升效率与一致性,成为未来大数据架构的发展方向。
|
8月前
|
算法 Java 大数据
Java 大视界 --Java 大数据在智能医疗远程手术机器人控制与数据传输中的技术支持(215)
本文深入探讨 Java 大数据在智能医疗远程手术机器人控制与数据传输中的关键技术应用,涵盖数据采集、分布式计算、延迟补偿算法、数据压缩与加密传输等内容,并结合多个跨国手术案例,展示 Java 大数据如何赋能远程医疗,实现高精度、低延迟、安全可靠的手术支持,为医疗行业的数字化转型提供坚实技术支撑。