基于計算機數學模型的遠程醫療信息平臺架構研究

摘" 要：為實現對醫療信息數據的共享和最大化利用，避免出現醫療信息孤島問題，基于計算機數學模型，運用思維進化算法（Mind Evolutionary Algorithm，MEA）、反向傳播（Back Propagation，BP）神經網絡算法、區塊鏈技術，完成對遠程醫療信息平臺架構設計。首先，根據計算機數學模型相關理論知識，介紹了基于計算機數學模型的遠程醫療信息平臺架構組成。其次，從MEA+BP神經網絡算法、基于區塊鏈技術的數據存儲模型兩個方面入手，提出一套行之有效的遠程醫療信息平臺架構設計方案。并采用試驗的方式，驗證了該平臺架構設計方案的有效性和可靠性，運用該平臺架構設計方案，可以提高遠程醫療信息平臺運行穩定性和精確性，為后期類似醫療信息平臺設計提供重要的依據和參考。

關鍵詞：計算機" 數學模型" 遠程醫療信息平臺" 區塊鏈" 神經網絡

中圖分類號：G420

Research on the Architecture of Remote Medical Information Platform Based on Computer Mathematical Models

GAO Xiang

Pingliang Vocational and Technicali College， Pingliang， Gansu Province， 744000" "China

Abstract： In order to achieve the sharing and maximum utilization of medical information data and avoid the problem of medical information silos， based on computer mathematical models， the architecture design of a remote medical information platform is completed using the Mind Evolutionary Algorithm （MEA）， Back Propagation （BP） neural network algorithm， and blockchain technology. Firstly， based onaccording to the theoretical knowledge of computer mathematical models， the architecture composition of a remote medical information platform based on computer mathematical models is introduced. Secondly， an effective remote medical information platform architecture design scheme is proposed from two aspects： MEA+BP neural network algorithm and data storage model based on blockchain technology. And the effectiveness and reliability of the platform architecture design scheme were verified through experiments. By using this platform architecture design scheme， the stability and accuracy of the remote medical information platform can be improved， providing important basis and reference for the design of similar medical information platforms in the future.

Key Wwords： Computer; Mathematical model; Remote medical information platform; Blockchain; Neural network

在進行醫療信息遠程期間，通常需要做好對海量信息數據的統一化處理和安全化存儲，并借助遠程醫療信息平臺，為用戶提供精確查詢服務體驗[1]。為了實現以上目標，本文綜合運用MEA+BP神經網絡算法，融合處理具有利用價值的多源醫療信息，并應用區塊鏈技術的不可篡改特性，對存儲最終數據融合結果進行安全、可靠存儲，同時，利用遠程醫療信息平臺對具有價值的醫療信息進行實時共享，從而提高醫療信息的共享水平和利用率[2]。

1" 平臺架構結構設計

遠程醫療信息平臺架構在具體設計時，主要運用思維進化算法（Mind Evolutionary Algorithm，MEA）、反向傳播（Back Propagation，BP）神經網絡算法兩種計算機數學模型，將多源醫療信息數據進行融合統一整體，并運用區塊鏈技術，對最終融合結果進行安全化存儲，然后，應用遠程醫療信息平臺進行醫療信息數據的遠程共享和交互，從而實現對有價值醫療信息數據的最大化利用[3]。遠程醫療信息平臺架構結構圖如圖1所示。從圖1中可以看出，整個平臺架構主要包含以下幾個組成部分。

1.1" 信息層

信息層除了可以用于對信息數據的實時采集外，還用于對信息數據的準確錄入和存儲，在不同的信息采集設備和錄入設備下，所獲得的數據類型也存在很大的差異，為后期遠程化共享醫療信息數據增加了一定的阻力[4]。目前，在移動終端設備的不斷推廣和普及下，各大醫院強化對線上問診、線上買藥等模式的應用和推廣，所以，為保證數據采集質量和效率，相關部門要重視對各種醫療App應用[5]。

1.2" 平臺層

平臺層主要用于對醫療信息數據的統一化處理和共享。多源信息由于信息類型和格式存在較大差異，需運用MEA、BP神經網絡算法兩種計算機數學模型，對患者信息、醫院信息等多源醫療信息數據進行統一化融合處理。當醫療信息數據融合處理結束后，為實現對最終融合結果的保護，避免重要信息數據丟失、泄露，技術人員運用區塊鏈技術對經過融合處理的醫療信息數據進行安全化存儲，從而提高遠程醫療信息平臺安全存儲能力。

1.3" 用戶層

用戶層主要包含患者、醫生、醫院3種信息共享對象。其中，患者借助移動終端，可以實時查看自己感興趣的信息數據；醫生采用網頁查詢的方式，登錄和訪問移動終端，可以實時查詢患者相關就診信息和病例信息。醫院可以同樣采用網頁查詢的方式查詢和了解醫患相關信息。在正式查詢信息數據之前，用戶需要應用遠程醫療信息平臺進行線上建號，并將相關信息數據準確無誤地錄入和存儲至系統數據庫中，從而達到豐富數據庫信息的目的。例如：患者向系統數據庫中錄入和存儲自身的病史等信息；醫生向系統數據庫中錄入和存儲自身履歷以及個人信息等；醫院向系統數據庫中錄入和存儲醫院特色科室、未來發展目標等信息，為保證信息錄入的真實性和可靠性，用戶在進行信息查詢和錄入之前，須通過實名認證檢驗。

2" 平臺架構設計方案

2.1" MEA+BP神經網絡算法

為降低人力成本、物力成本和財力成本，保證數據訓練結果的精確性和有效性，技術人員需運用MEA算法，構建所需要的醫療信息數據融合模型。具體操作如下：首先，運用遺傳算法“種群”等思想，篩選和保留分數較高的子種群，從而確定出最優子種群。其次，對BP神經網絡模型所對應的閾值、初始權值進行優化和確定，促使該神經網絡模型表現出較高的精確度和穩定性。最后，從海量的種群個體中，篩選出全局最優子種群，并完成對BP神經網絡醫療信息數據融合模型構建。

2.2" 基于區塊鏈技術的數據存儲模型

基于區塊鏈技術的數據存儲模型是一種分布式、?去中心化的存儲方式，?其核心特點包括去中心化、?不可篡改、?透明開放和安全可信。應用區塊鏈數據存儲模型進行醫療信息存儲時，通過去中心化的方式工作，?將醫療信息數據分散存儲在多個節點上，?每個節點都保存著完整的賬本副本。?醫療信息數據在實際存儲期間，將各個區塊與上一個哈希值進行連接，從而形成安全可靠的數據鏈。?在存儲過程中，?醫療信息數據首先被分片，?然后加密，?并為每個分片生成唯一的哈希值。?這些分片隨后被分發到網絡中的不同節點進行存儲。?區塊鏈的共識機制確保所有節點上的數據保持一致，?任何嘗試篡改數據的行為都會被迅速檢測并拒絕。?這種模型提高了醫療信息數據的安全性和可信度，?降低了中心化存儲的風險?。

3" 試驗結果與分析

為驗證本文遠程醫療信息平臺架構設計方案的有效性和可靠性，技術人員運用計算機進行試驗驗證，計算機云內存和硬盤大小分別配置為16 GB、2 TB，選用的計算機CPU型號為InterCorei7-9700H。將某醫院一年內醫療信息數據設置為測試樣本，測試樣本數據劃分為診斷信息、消費信息、病歷信息、手術信息、交易信息等。運用計算機、移動終端，完成對樣本數據的輸入；應用固定終端完成對樣本數據輸出。在本文遠程醫療信息平臺設計方案中，重點運用了MEA+BP神經網絡算法，本文平臺設計方案有效性和可靠性驗證轉換為MEA+BP神經網絡算法精度和穩定性驗證，在進行試驗驗證時，重點用到以下兩個評價指標，分別是 平均相對誤差（）和最小誤差平方和（），以上兩個評價指標計算公式如下：

式（1）（2）中：代表樣本數據量；ARe、AMe分別代表運用MEA+BP神經網絡算法所獲得的第個醫療測試診斷信息數據和真實診斷信息數據。通過計算以上兩種評價指標，獲得如表1所示的試驗對比結果。從表1中的數據可以看出，與傳統BP神經網絡算法相比，MEA+BP神經網絡算法所獲得的精度和穩定性數值分別為88.82%、99.84%，這說明該融合算法具有較高的精度和穩定性。

4" 結語

綜上所述，在MEA+BP神經網絡算法的應用背景下， 采用融合處理的方式 將多源醫療信息融合為統一整體，然后，應用區塊鏈技術，安全化存儲最終數據融合結果，同時，利用遠程醫療信息平臺對所存儲的數據融合結果進行實時共享和最大化利用。本次研究成果如下：（1）運用MEA+BP神經網絡算法，可以突破傳統BP神經網絡存在的局限性，實現對醫療數據模型閾值和初始權值的快速確定和優化；（2）應用區塊鏈技術，可以實現對醫療數據融合結果的安全化存儲和管理，為后期醫療信息數據實時共享創造了良好的條件；（3）在構建遠程醫療信息平臺期間，技術人員要基于計算機數學模型，在參照現有醫療平臺的基礎上進行科學開發。

參考文獻

[1]何慶，鐘維堅，田風，等.基于改進遺傳算法的計算機數學模型構建研究[J].中國新通信，2022，24（5）：87-89.

[2]錢超，李海靜，王申.數學模型與計算機：錢塘江河口研究與治理的利器：杭平訪談錄[J].浙江水利科技，2023，51（3）：102-111.

[3]陳銘.一種基于云平臺的遠程醫療信息系統[J].自動化應用，2022（5）：143-145，149.

[4]曹凱，李學周，王志勇，等.海軍遠程醫療平臺與信息化配套裝備設計與應用[J].海軍醫學雜志，2022，43（11）：1241-1245.

[5]李虎.區域醫療信息化云計算服務平臺設計及實現[J].科技創新與應用，2023，13（30）：116-119.