基于XML電子病歷的索引策略應用與研究.pdf

1、電子病歷的標準化、集成化、網(wǎng)絡化一直是我國醫(yī)院信息系統(tǒng)改革的三大問題。正在發(fā)展的XML技術(shù)有強大的可擴充性、靈活性和有與生俱來的網(wǎng)絡特性，可以成功地解決了電子病歷表示和存儲問題。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(動態(tài)的電子病歷)，還有待于我們進一步研究。 本文首先介紹了基于XML電子病歷的相關(guān)技術(shù)，然后著重對基于XML的電子病歷的索引技術(shù)進行研究，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

2、。接著，改進了傳統(tǒng)混合索引策略的同時，引入了的更新策略，使其適應基于XML電子病歷快速地實時更新。最后，通過實驗證實了它的可行性和優(yōu)越性。 XML具有便于長期保存病歷、信息交換和查詢，強大的可擴充、靈活性和與生俱來的網(wǎng)絡背景。因此，完全以XML來描述電子病歷可以達到不依賴于任何一種開發(fā)語言、任何一種數(shù)據(jù)庫，是目前存儲電子病歷的最佳選擇。同時，我們必需考慮到，日趨網(wǎng)絡化的電子病歷具有時時更新的特性，應該構(gòu)造一個好的索引策略，來減少

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

4、絡化電子病歷，引進了更新策略。以適應基于XML電子病歷的實時更新。主要研究工作如下： 緒論介紹了課題的背景，闡述了國內(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支持對包含路徑和關(guān)鍵詞的查詢表達式檢索，但它僅支持靜態(tài)數(shù)據(jù)集合，而網(wǎng)絡上的信息卻是動態(tài)的，所謂動態(tài)的數(shù)據(jù)集合就是指對集合本身而言支持記錄的插入、刪除和更新操作。對于每天發(fā)展變化的網(wǎng)絡來說，為使用戶及時得到網(wǎng)絡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)護狀況的終身電子信息載體，具有“全、準、快、易”優(yōu)點。本章介紹了電子病歷概念及其體系結(jié)構(gòu)的同時，還概述了良構(gòu)型(Well-formed)和有效型(Valid)的XML，是SGML，的一個子集，又是對HTML的補充。具有XML具有平臺無關(guān)性、存儲格式不受顯示格式的制約等優(yōu)點。介紹了電子病歷的四種存儲技術(shù)和分析它們的優(yōu)缺點，得出Native XML數(shù)據(jù)庫法以自然方式存儲和處理XM

6、L數(shù)據(jù)，沒有因數(shù)據(jù)模型的轉(zhuǎn)化帶來的信息丟失和性能下降，故用該方法存儲電子病歷是最佳的。同時，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，指出了它主要指標有響應時間、查全率、查準率和相關(guān)度等，說明了創(chuàng)建索引的過程。 第2章詳細介紹了當前基于XML電子病歷的索引技術(shù)，包括值索引、節(jié)點索引、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，通過分

7、析、解讀文檔的層次，進行文檔劃分、關(guān)鍵詞的索引和用戶的查詢，達到更準確地掌握文本所表達思想和信息。倒排索引源于實際應用中需要根據(jù)屬性的值來查找記錄。這種索引表中的每一項都包括一個屬性值和具有該屬性值的各記錄的地址，是由屬性值來確定記錄的位置，而不是由記錄來確定屬性值。同時，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，來提高查全率、查

8、準率和相關(guān)度。針對電子病歷傳統(tǒng)混合索引中的結(jié)構(gòu)索引策略，是對基于XML電子病歷的文檔樹的結(jié)點進行Dewey編碼，保持了結(jié)構(gòu)關(guān)系上的信息，保存了整個文檔的位置關(guān)系；同時，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)點之中，避免了相同標簽路徑的重復訪問缺陷，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)來存儲詞典，且使其總是駐留內(nèi)存，實現(xiàn)快速地查詢關(guān)鍵字。針對動態(tài)的電子病

9、歷，混合索引策略是在改進的基礎(chǔ)上，再引進了更新策略，適應了實時更新的電子病歷的混合索引策略。在講解的過程中，在附錄中還給出了索引系統(tǒng)實現(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)過程。(1)電子病歷預處理，包括信息的格式支持與轉(zhuǎn)換以及信息過濾。(2)對XML電子病歷文檔進行解析，輸出文檔DOM樹；對解析后的DOM樹中所有的

10、文本內(nèi)容節(jié)點進行分詞。(3)建XML文檔樹。分詞后的每一個特征詞都作為XML文檔樹中的葉子節(jié)點，實現(xiàn)XML文檔向XML文檔樹的映射，構(gòu)建了XML文檔樹。(4)對XML電子病歷文檔樹的結(jié)點進行Dewey編碼，通過編碼直接判斷結(jié)點之間的結(jié)構(gòu)關(guān)系。XML電子病歷的文檔樹的進行編碼后，引入雙擬關(guān)系，大大減少索引構(gòu)造的時空開銷。 接著，說明實驗環(huán)境和所使用的實驗數(shù)據(jù)集。 最后，通過實驗驗證了效果。對電子病歷進行Dewey編碼，同時