- · 《智慧健康》刊物宗旨[05/29]
- · 《智慧健康》征稿要求[05/29]
- · 《智慧健康》投稿方式[05/29]
- · 《智慧健康》收稿方向[05/29]
- · 《智慧健康》栏目设置[05/29]
智慧健康研究综述: 从云端到边缘的系统(2)
作者:网站采编关键词:
摘要:1.1 健康大数据在云端的存储 随着医疗信息化的不断发展以及各类医疗传感器技术的快速发展,实时产生的健康大数据越来越多,在单机系统或便携移动设
1.1 健康大数据在云端的存储
随着医疗信息化的不断发展以及各类医疗传感器技术的快速发展,实时产生的健康大数据越来越多,在单机系统或便携移动设备中存储数据变得越来越困难[7].并且,大多数传感器健康数据都是实时生成的,特别是一些由可穿戴设备产生的健康监测数据,必须及时地上传和处理,以免错过最佳时机.如表1所示,对于健康大数据在云端的存储,根据研究侧重点的不同,本文将从3个方面来讨论:面向异构数据的存储、高可靠性和高容错性的存储、基于隐私和安全的存储.
Table 1 Storage System of Smart Health in Cloud表1 智慧健康大数据的云端存储系统ReferencesFocusDataTechnologyAdvantageRef[8]Data Complexity OptimizationHealth DataNoSQLOvercome Pattern DifferencesRef[9]Data Complexity OptimizationHealth DataSQL∕NoSQLData for Different StructuresRef[10]Reliability, Fault ToleranceImage and EHRHDFSHigh Fault ToleranceRef[11]Reliability, Fault ToleranceHospital FileDFSMass StorageRef[12]Privacy and SecurityEHRRAID-3Data SecurityRef[13]Privacy and SecurityHealth DataEncryptionPersonal Privacy
1.1.1 面向数据复杂性优化的存储
与传统的互联网大数据不同,各类医疗健康设备会产生大量复杂的异构健康数据,这些结构各异的医疗健康数据很难用一种统一的模式去规范和定义,传统的关系型数据库将很难满足医疗健康数据异构性和复杂性的存储要求[14].如何存储健康大数据成为了智慧健康研究的一项关键挑战.目前,得益于非关系型数据库的出现和快速发展,商业和开源解决方法都开始利用非关系型数据库来代替传统的关系型数据库去处理健康大数据.与传统的关系型数据库系统相比,非关系型数据库打破了模式字段的限制,提供了无模式的数据存储,更加灵活.一些常见的非关系型数据库如表2所示:键值数据库、文档数据库、列数据库、图形数据库和时间序列数据库.
Table 2 NoSQL Databases in Medical Health表2 非关系型数据库在医疗健康中的应用场景DatabaseTypeApplicationRedisKey-ValueHealth Data CacheMemcachedKey-ValueHealth Data CacheMongoDBDocumentHeterogeneous Health DataCouchDBDocumentHeterogeneous Health DataHBaseColumnMassive Health DataNeo4JGraphMedical Information SearchInfluxDBTime SeriesElectronic Health Record
由于非关系型数据库不需要固定的表格模式,对于异构健康大数据的存储,采用非关系型数据库是一种常见的做法.Lin等人[8]提出了一种基于非关系型数据库的快速处理、存储、检索和分析医疗健康大数据的综合方法.该方法基于非关系型数据库,使用以患者为中心的数据架构,以实现数据的快速存储和灵活扩展,其中的时间序列模式可以用于生成患者记录的可视化表示,可以作为医生给患者提供咨询的参考.Lin等人提出的方法可以克服各类医疗健康大数据的模式差异,并且确保了灵活性和大规模存储.
医疗健康大数据一般来自多个不同的源,例如各类功能形式各异的医疗传感器、大型医疗设备和便携医疗设备等,这些数据形式和结构都不相同,因此数据库必须采用一系列不同的模型来存储和处理不同形式的医疗健康大数据.Kaur等人[9]提出了一个管理健康大数据的框架,该框架结合了关系型数据库和非关系型数据库(图形和文档数据库),以适应云中各种不同形式的医疗健康大数据.综上所述,基于非关系型数据库的智慧健康服务可以有效地应对异构健康大数据的存储问题.
1.1.2 高可靠性和高容错性的存储
由于健康大数据的特殊性,健康大数据不仅数据量十分巨大,同时也要求非常高的安全性,对于数据丢失的情况是零容忍的.为此,在为医疗健康大数据设计存储和文件管理系统方面展开了一系列工作,文件和存储系统不仅要满足存储海量的医疗健康数据的需求,同时需要保障高可靠性和高容错能力,以提供可靠的医疗信息服务.分布式文件系统是由大量存储节点通过网络连接在一起的大型文件系统,可以存储海量的数据,并且数据通常会通过保持副本等的方法来保障服务的高可靠性[15].目前,许多研究采用了分布式文件系统来解决海量医疗健康数据的存储问题,并保障医疗服务的高可靠性和高容错性.
HDFS(Hadoop distributed file system)是Hadoop的一个分布式文件系统,可以存储海量大数据.Yang等人[10]试图解决在云端存储共享医学图像和电子病历的问题,开发了一种基于HDFS的医学成像文件系统(medical image file accessing system, MIFAS),该系统是一个带有分布式文件系统的医学成像系统,可以实现高可靠性的医疗数据存储,并具有高容错性.
文章来源:《智慧健康》 网址: http://www.zhjkzz.cn/qikandaodu/2020/0715/380.html