医疗大数据隐私保护技术的研究进展

大数据已经成为当今各领域研究的热点,且在医疗中的应用十分广泛。医疗大数据可分为临床类、健康类、生物类和运营类大数据,涉及人类健康相关的各个领域,隐私保护问题变得日益突出。本文简述了大数据和医疗大数据的概念及特点,同时,针对隐私保护问题,本文重点对目前医疗领域常见的隐私保护方法进行讨论,主要有医疗数据的分级保护、访问控制、数据加密、数据匿名化四种方法。然后重点介绍了数据加密技术的DES和RSA两种算法及数据匿名化技术。本文最后比较了几种方法的优点和不足,旨在为医疗大数据隐私保护寻求可行方法。

医疗大数据的应用与挑战

目的 :为更好地利用医疗大数据为医院的管理及诊疗服务,对医疗大数据的应用情况进行探讨。方法 :在剖析医疗大数据基本概念、来源及特征的基础上,对医疗大数据的处理流程及应用模型进行分析,并重点阐述医疗大数据的应用领域及面临的挑战。结果:提出规范电子病历数据的采集与存储、搭建数据云平台、建立医疗大数据人才队伍、构建数据驱动型组织、加强数据加密及匿名技术的发展等方法应对挑战。结论:医疗大数据的应用提高了医疗质量,是今后智能医疗的发展方向。

基于Frangi滤波器和Otsu视网膜血管分割

分析视网膜血管结构的变化是诊断和检测糖尿病、高血压等血管类相关疾病的最重要步骤。为此,提出了一种基于Frangi滤波器和大津法(Otsu)的视网膜血管分割方法。基于Frangi滤波器视网膜血管分割方法先对视网膜血管进行预处理,再基于Frangi滤波器对其边缘进行检测,并根据形态学方法分割出视网膜血管。然后,利用Otsu阈值分割预处理和增强后的视网膜血管。将上述两种方法获得的分割图像进行融合,获得最终的分割结果。实验结果表明,所提算法在DRIVE和STARE数据集上的平均灵敏性分别为58.1%、78.7%,特异性分别为93.1%、96.4%,而准确性则分别为93.8%、95.8%,其算法的执行时间仅为1.8s。与传统的无监督分割算法相比,所提算法简单高效,能够很好地抑制噪声。