基于XML電子病歷的索引策略應(yīng)用與研究.pdf

1、電子病歷的標(biāo)準(zhǔn)化、集成化、網(wǎng)絡(luò)化一直是我國(guó)醫(yī)院信息系統(tǒng)改革的三大問(wèn)題。正在發(fā)展的XML技術(shù)有強(qiáng)大的可擴(kuò)充性、靈活性和有與生俱來(lái)的網(wǎng)絡(luò)特性，可以成功地解決了電子病歷表示和存儲(chǔ)問(wèn)題。但是如何快速處理已固有的電子病歷(靜態(tài)的電子病歷)和日趨更新的電子病歷(動(dòng)態(tài)的電子病歷)，還有待于我們進(jìn)一步研究。 本文首先介紹了基于XML電子病歷的相關(guān)技術(shù)，然后著重對(duì)基于XML的電子病歷的索引技術(shù)進(jìn)行研究，討論和分析了半結(jié)構(gòu)化數(shù)據(jù)索引技術(shù)的原理和特點(diǎn)

2、。接著，改進(jìn)了傳統(tǒng)混合索引策略的同時(shí)，引入了的更新策略，使其適應(yīng)基于XML電子病歷快速地實(shí)時(shí)更新。最后，通過(guò)實(shí)驗(yàn)證實(shí)了它的可行性和優(yōu)越性。 XML具有便于長(zhǎng)期保存病歷、信息交換和查詢，強(qiáng)大的可擴(kuò)充、靈活性和與生俱來(lái)的網(wǎng)絡(luò)背景。因此，完全以XML來(lái)描述電子病歷可以達(dá)到不依賴于任何一種開發(fā)語(yǔ)言、任何一種數(shù)據(jù)庫(kù)，是目前存儲(chǔ)電子病歷的最佳選擇。同時(shí)，我們必需考慮到，日趨網(wǎng)絡(luò)化的電子病歷具有時(shí)時(shí)更新的特性，應(yīng)該構(gòu)造一個(gè)好的索引策略，來(lái)減少

3、電子病歷查詢和處理的時(shí)間。所以，基于XML的電子病歷的索引策略是值得我們研究的。 本文首先對(duì)課題的研究背景和國(guó)內(nèi)外研究背景作了簡(jiǎn)單介紹，并概述了研究意義和內(nèi)容，然后對(duì)基于XML電子病歷的概念和相關(guān)技術(shù)進(jìn)行一一介紹。從目前電子病歷的索引技術(shù)出發(fā)，對(duì)當(dāng)前幾種索引技術(shù)方法進(jìn)行了較為詳細(xì)的概述。針對(duì)當(dāng)前索引技術(shù)的缺點(diǎn)，結(jié)合結(jié)構(gòu)索引和倒排索引的優(yōu)點(diǎn)，使用一種混合索引。同時(shí)，為了減少空間和時(shí)間開銷，對(duì)傳統(tǒng)的混合索引策略進(jìn)行改進(jìn)；同時(shí)，針對(duì)網(wǎng)

4、絡(luò)化電子病歷，引進(jìn)了更新策略。以適應(yīng)基于XML電子病歷的實(shí)時(shí)更新。主要研究工作如下： 緒論介紹了課題的背景，闡述了國(guó)內(nèi)外研究情況，并概述了論文的意義和主要工作。傳統(tǒng)的混合索引策略可同時(shí)支持對(duì)包含路徑和關(guān)鍵詞的查詢表達(dá)式檢索，但它僅支持靜態(tài)數(shù)據(jù)集合，而網(wǎng)絡(luò)上的信息卻是動(dòng)態(tài)的，所謂動(dòng)態(tài)的數(shù)據(jù)集合就是指對(duì)集合本身而言支持記錄的插入、刪除和更新操作。對(duì)于每天發(fā)展變化的網(wǎng)絡(luò)來(lái)說(shuō)，為使用戶及時(shí)得到網(wǎng)絡(luò)化電子病歷的更新信息，如何建立索引策略是

5、論文的主要工作。 第一章電子病歷是記錄有關(guān)病人健康和醫(yī)護(hù)狀況的終身電子信息載體，具有“全、準(zhǔn)、快、易”優(yōu)點(diǎn)。本章介紹了電子病歷概念及其體系結(jié)構(gòu)的同時(shí)，還概述了良構(gòu)型(Well-formed)和有效型(Valid)的XML，是SGML，的一個(gè)子集，又是對(duì)HTML的補(bǔ)充。具有XML具有平臺(tái)無(wú)關(guān)性、存儲(chǔ)格式不受顯示格式的制約等優(yōu)點(diǎn)。介紹了電子病歷的四種存儲(chǔ)技術(shù)和分析它們的優(yōu)缺點(diǎn)，得出Native XML數(shù)據(jù)庫(kù)法以自然方式存儲(chǔ)和處理XM

6、L數(shù)據(jù)，沒(méi)有因數(shù)據(jù)模型的轉(zhuǎn)化帶來(lái)的信息丟失和性能下降，故用該方法存儲(chǔ)電子病歷是最佳的。同時(shí)，概述了基于XML電子病歷處理相關(guān)技術(shù)，比如XPath，XQquery，DTD等；最后，論述了電子病歷的搜索引擎，指出了它主要指標(biāo)有響應(yīng)時(shí)間、查全率、查準(zhǔn)率和相關(guān)度等，說(shuō)明了創(chuàng)建索引的過(guò)程。 第2章詳細(xì)介紹了當(dāng)前基于XML電子病歷的索引技術(shù)，包括值索引、節(jié)點(diǎn)索引、路徑索引、結(jié)構(gòu)索引、倒排索引。其中，結(jié)構(gòu)索引是利用XML文檔樹的層次性，通過(guò)分

7、析、解讀文檔的層次，進(jìn)行文檔劃分、關(guān)鍵詞的索引和用戶的查詢，達(dá)到更準(zhǔn)確地掌握文本所表達(dá)思想和信息。倒排索引源于實(shí)際應(yīng)用中需要根據(jù)屬性的值來(lái)查找記錄。這種索引表中的每一項(xiàng)都包括一個(gè)屬性值和具有該屬性值的各記錄的地址，是由屬性值來(lái)確定記錄的位置，而不是由記錄來(lái)確定屬性值。同時(shí)，也介紹了若干種著名的倒排索引方法。 第3章首先介紹了結(jié)構(gòu)摘要、雙擬關(guān)系、Dewey編碼的概念，引出了混合索引策略，即結(jié)構(gòu)索引和倒排索引相結(jié)合，來(lái)提高查全率、查

8、準(zhǔn)率和相關(guān)度。針對(duì)電子病歷傳統(tǒng)混合索引中的結(jié)構(gòu)索引策略，是對(duì)基于XML電子病歷的文檔樹的結(jié)點(diǎn)進(jìn)行Dewey編碼，保持了結(jié)構(gòu)關(guān)系上的信息，保存了整個(gè)文檔的位置關(guān)系；同時(shí)，引入雙似關(guān)系，保留了唯一路徑，使具有相同路徑的文本數(shù)據(jù)都集中在該路徑的節(jié)點(diǎn)之中，避免了相同標(biāo)簽路徑的重復(fù)訪問(wèn)缺陷，大幅度地提高了性能。在混合索引中的倒排索引策略，用開散列表(OpenHashTable)來(lái)存儲(chǔ)詞典，且使其總是駐留內(nèi)存，實(shí)現(xiàn)快速地查詢關(guān)鍵字。針對(duì)動(dòng)態(tài)的電子病

9、歷，混合索引策略是在改進(jìn)的基礎(chǔ)上，再引進(jìn)了更新策略，適應(yīng)了實(shí)時(shí)更新的電子病歷的混合索引策略。在講解的過(guò)程中，在附錄中還給出了索引系統(tǒng)實(shí)現(xiàn)的主要算法，如Dewey編碼算法，倒排索引結(jié)構(gòu)的創(chuàng)建算法，倒排索引緩存區(qū)的LRU替換算法和動(dòng)態(tài)電子病歷的混合索引算法。 第4章首先，介紹了建立索引系統(tǒng)過(guò)程。(1)電子病歷預(yù)處理，包括信息的格式支持與轉(zhuǎn)換以及信息過(guò)濾。(2)對(duì)XML電子病歷文檔進(jìn)行解析，輸出文檔DOM樹；對(duì)解析后的DOM樹中所有的

10、文本內(nèi)容節(jié)點(diǎn)進(jìn)行分詞。(3)建XML文檔樹。分詞后的每一個(gè)特征詞都作為XML文檔樹中的葉子節(jié)點(diǎn)，實(shí)現(xiàn)XML文檔向XML文檔樹的映射，構(gòu)建了XML文檔樹。(4)對(duì)XML電子病歷文檔樹的結(jié)點(diǎn)進(jìn)行Dewey編碼，通過(guò)編碼直接判斷結(jié)點(diǎn)之間的結(jié)構(gòu)關(guān)系。XML電子病歷的文檔樹的進(jìn)行編碼后，引入雙擬關(guān)系，大大減少索引構(gòu)造的時(shí)空開銷。 接著，說(shuō)明實(shí)驗(yàn)環(huán)境和所使用的實(shí)驗(yàn)數(shù)據(jù)集。 最后，通過(guò)實(shí)驗(yàn)驗(yàn)證了效果。對(duì)電子病歷進(jìn)行Dewey編碼，同時(shí)