一、医院数据存储网络系统解决方案（论文文献综述）
岳征祥[1]（2021）在《基于区块链和星际文件系统的电子病历共享研究》文中认为以电子病历为主要代表的医疗数据中包含着十分重要且敏感的患者个人信息,这些信息为医生的诊断和治疗提供了相当重要的依据和参考。随着互联网、大数据等技术的不断发展,医疗隐私数据的安全存储与共享成为一个越来越重要的问题。目前,医疗数据具有共享和交换不畅、追踪困难、数据敏感等特点,这增加了医学诊断的成本和难度。而且,患者缺乏对自身医疗数据的知情权和控制权,容易造成数据欺诈或数据泄露。作为一个防篡改、可追踪的分布式账本系统,区块链为这些问题带来了新的解决方案。本文的主要工作如下:（1）提出了基于Hyperledger Fabric联盟区块链和星际文件系统的电子病历共享框架。它解决了传统系统中的互不信任问题,实现医疗机构之间医疗数据的安全存储和安全共享。（2）提出了一种基于去噪的Kafka共识算法。在Hyperledger Fabric的共识阶段,节点会向Kafka组件发送大量无用的交易数据,通过减少传入Kafka组件的噪声数据以降低网络延迟,从而提高平台整体性能。实验结果表明了改进方法的有效性。（3）提出了三种基于投票理论的区块链共识算法。联盟链的Kafka共识算法是一种简单的投票方法,我们结合投票理论相关思想和现有共识算法的设计架构,提出了三种不同的共识算法,从设计思想和设计方法角度作了介绍。
岳征祥[2]（2021）在《基于区块链和星际文件系统的电子病历共享研究》文中指出以电子病历为主要代表的医疗数据中包含着十分重要且敏感的患者个人信息,这些信息为医生的诊断和治疗提供了相当重要的依据和参考。随着互联网、大数据等技术的不断发展,医疗隐私数据的安全存储与共享成为一个越来越重要的问题。目前,医疗数据具有共享和交换不畅、追踪困难、数据敏感等特点,这增加了医学诊断的成本和难度。而且,患者缺乏对自身医疗数据的知情权和控制权,容易造成数据欺诈或数据泄露。作为一个防篡改、可追踪的分布式账本系统,区块链为这些问题带来了新的解决方案。本文的主要工作如下:（1）提出了基于Hyperledger Fabric联盟区块链和星际文件系统的电子病历共享框架。它解决了传统系统中的互不信任问题,实现医疗机构之间医疗数据的安全存储和安全共享。（2）提出了一种基于去噪的Kafka共识算法。在Hyperledger Fabric的共识阶段,节点会向Kafka组件发送大量无用的交易数据,通过减少传入Kafka组件的噪声数据以降低网络延迟,从而提高平台整体性能。实验结果表明了改进方法的有效性。（3）提出了三种基于投票理论的区块链共识算法。联盟链的Kafka共识算法是一种简单的投票方法,我们结合投票理论相关思想和现有共识算法的设计架构,提出了三种不同的共识算法,从设计思想和设计方法角度作了介绍。
林凯[3]（2021）在《基于区块链及秘密共享的医疗协作及数据共享研究》文中认为医疗行业是与公民生命紧密相关的重要行业。部分医疗场景需要多机构协作及数据共享,在协作及数据共享过程中,机构之间不存在信任关系,导致协作和数据共享成本较高;医疗协作及数据共享过程存在大量人为因素干扰,进一步提高了医疗协作和数据共享的成本。此外,机构的数据中心多存在单点故障风险,容易因数据中心失效导致服务瘫痪。为解决以上问题,本文基于区块链和秘密共享技术,结合结核病防治这一具体医疗协作及数据共享场景,设计了一套医疗协作及数据共享方案,对数据在共享时的可用性、完整性、访问安全性进行保护。本文所提出的方案分为机构用户认证部分和机构间协作部分两个主要组成部分,机构用户认证部分使用多种访问控制技术,结合区块链技术和BTG策略,实现对机构内部成员的灵活访问控制;机构间协作部分基于区块链技术和秘密共享技术,实现机构间的数据操作。机构间协作部分在区块链上为数据操作保留不可修改不可删除的日志记录,同时使用秘密共享技术消除单点故障。本文设计的方案对数据操作请求采用两阶段的访问控制,分别对请求操作数据的机构和用户进行访问控制,避免对数据的非法访问。本文最后展示了基于本论文实现的结核病防治电子化平台数据管理原型系统,并从数据可用性、数据完整性、数据访问安全性三个方面分析了本论文的安全性。本文最终形成一套可用的医疗协作和数据共享方案,可以在保证数据安全性的前提下实现医疗协作和数据共享。
姚晓敏[4]（2021）在《IPFS存储环境下去中心化的数据存储与检索方案设计》文中提出随着网络技术的发展和终端设备的普及,全球数据的爆炸式增长使得各种数据难以保管且存在泄露威胁。为了节省本地存储空间,越来越多的企业将数据外包给云服务器进行存储与共享,然而云服务器是一个半可信的实体,总会有意或者无意地窥探数据信息,数据的管理面临严峻的挑战。为了保证数据的安全,在存储前需要对数据进行加密,数据共享时也要保证数据的完整准确。事实上,现存方案仍然存在以下问题:第一,由于云服务器的计算能力和资源处理能力受限,海量数据的处理与存储将降低系统的存储效率。第二,加密数据在共享时,也会造成传输延迟,效率低,终端用户的服务质量差等问题。第三,云服务器是中心化的实体,一旦单个云服务器不可用,整个云存储系统将存在安全隐患,造成数据丢失等问题。基于以上问题,本文针对医疗、保险和银行中的电子数据提出了三个去中心化的数据存储与检索方案,取得了以下成果:（1）针对电子医疗数据在存储过程中面临的数据滥用、隐私泄露等问题,提出了一个星际文件系统（InterPlanetary File System,IPFS）中基于区块链结构的电子医疗数据安全存储与检索方案。在该方案中,利用区块链技术、IPFS存储环境、属性加密系统实现了数据的细粒度访问控制,并且保证了数据的去中心化存储。此外,还利用区块链技术记录了数据的来源以及踪迹,确保了数据的安全存储与动态管理。该方案在针对适应性选择关键词攻击下是安全的,性能分析和真实的数据集模拟实验也表明该方案是高效可行的。（2）针对保险业务中存在的数据泄露和抵赖等问题,提出了一个保险数据的不可抵赖的去中心化存储与密文更新方案。在该方案中,交易确认是在区块链上进行的,并且只有在区块链上确认后保险业务才正式生效,有效地防止了保险公司员工或顾客在理赔时抵赖。加密的保险数据存储在IPFS上,确保了保险数据的去中心化存储。同时,理赔的内容会由顾客和工作人员更新到保险业务信息中,方便后期查询。安全性证明表示所提出的方案是安全可行的,性能分析和真实性数据集模拟实验表明该方案是高效可行的。（3）针对银行办理业务时造成的身份信息和业务信息泄露等问题,提出了一个可搜索的基于属性加密的银行业务数据存储方案。在该方案中,我们使用哈希函数,为银行中不同的用户生成唯一的身份信息哈希值列表,保障了身份信息的安全;同时利用基于属性加密技术,实现了业务数据的细粒度访问控制,提高了数据的安全保障。其次,加密的业务数据存储在分布式的IPFS上,数据的存储与检索过程记录在区块链上,确保了数据的安全存储。最后,效率分析表明我们的方案是高效可行的,非常适合应用到实际场景中。
陈宇[5]（2021）在《面向区域建筑的超导综合能源系统构架与本质安全化研究》文中指出2020年12月21日,《新时代的中国能源发展》白皮书提出加快构建清洁低碳、安全高效的能源体系。在《中国建筑建筑能耗研究报告（2020）》统计了全国建筑运行阶段的能耗总量为10亿吨标准煤当量（亿tce）,占全国能源消耗比重21.7%;建筑碳排放为21亿t CO2,占全国能源碳排放比重21.9%。近年来,越来越多的综合能源系统应用于区域建筑供能中,通过不同能源协同互补,提高系统能源效率。目前,在电能传输、变换、储存等环节均采用传统铜电缆/铜电感和压缩气体存储,存在极大的能源损耗和极高的安全隐患。本文以新一代信息基础设施建设为契机,以区域建筑能源供给终端系统为研究对象,从提高能源效率、能源安全的研究视角引入超导电力和低温燃料两大技术手段,提出了超导综合能源系统构架和安全设计方法。主要研究内容如下:（1）基于多能互补、能源耦合的技术原理,以清洁低碳、安全可靠为设计目标,提出了终端超导综合能源的系统构架。引入超导电力技术,提高“源-网-储-荷”系统的能源效率,减少温室气体排放;引入低温燃料技术,降低能源存储和输运安全隐患,提高能源系统容量和能源耦合效率。（2）基于本质安全化的设计方法,引入超导限流单元、增加备用系统、增加器件散热能力等实施手段,完成了超导综合能源系统的本质安全化设计与性能评估,最终从提高设备自身可靠性角度有效保障系统运行安全。（3）以跨区域建筑能源输运为导向,设计了大容量型、低成本型复合能源管道结构方案,并完成了GW级超导能源管道结构优化和综合性能评估。结果表明:传统液化天然天管道的输运距离仅为140km,而引入液氮保护层的新型超导能源管道的输运距离高达1120km。（4）以数据中心和医院建筑为研究对象,进一步构架了冷电联供和冷热电气四联供的超导综合能源系统。数据中心通过引入超导斩波供电和液氮潜热供冷,实现了高效、安全的供能设计;医院建筑通过引入清洁能源供电、多种能源供应及多种医用供气,实现低碳、高效、安全、可靠的供能设计。结果表明:对比室温斩波电路,低温斩波电路效率从92.5%提升到97.6%;对比终端最后一公里铜电缆,高温超导电缆效率从90%提升到99.65%;对比传统高压气体存储,相同体积液化天然气和液氧容量分别增加到2.5和5.3倍。基于以上研究内容,在系统能效提升方面,本文研究的超导综合能源系统有机融合了大容量、低损耗的超导电缆模块,自触发、高可靠的超导限流模块,快响应、高效率的超导储能模块,及低损耗、高可靠的低温斩波模块。在本质安全设计方面,引入常压低温液体限制能量逸散风险以提升系统自身的安全性,配备综合能源后备冗余以增加系统抵御外部安全隐患的可靠性。
王维[6]（2021）在《基于区块链的医疗服务数据隐私保护方案研究》文中进行了进一步梳理医疗服务受到了世界各国广泛的关注,医疗卫生行业不仅关乎社会安定、民众福祉,还对国家经济增长有着重要影响。在经过多年的探索后,我国的医疗水平和效率得到了很大提升,但民众“看病难、看病贵”的现象仍然突出。随着电子医疗保健行业和物联网技术的发展,远程医疗服务的模式,已成为一种更灵活、更便捷的就医方式。但目前还存在如下问题:（1）物联网设备的存储能力和计算能力较弱,一些学者将物联网设备采集到的数据在云服务器中存储,但集中存储的数据可能存在被篡改或丢失的风险。（2）在远程医疗服务中,用户、医生和医院在交互过程中存在数据泄漏的风险和数据通信效率较低的问题。（3）用户在对医生授权前首先需要了解医生的身份信息,然而证书授权中心（CA）颁发的身份证书难以满足医生的身份信息实时性的需求。如在医生身份信息发生更改后,新的证书可能还未及时颁发,医生难以向用户提供实时的身份信息。另外,医疗大数据的共享可以促进医疗机构间的合作并提高科研效率。很多医疗组织之间都相互呈现出孤立的状态,医疗数据不能被充分的利用。在数据共享时不仅需要确保数据的安全,而且需要提高数据的通信效率。本文重点研究远程医疗服务中的用户、医生和医院的交互协议和医疗大数据的共享两方面。为解决上述问题,本文主要的工作如下:（1）提出一种基于区块链的远程医疗服务隐私保护方案TMS。在TMS方案中构建了用户链、医疗链和身份链三条链来保护数据的隐私,实现了安全的交互过程并确保了数据可以用性。为了使用户可以随意加入TMS,将用户链构建为一条公有链,在用户链中,保护了用户的数据隐私,用户可以向医生安全地传输数据并实现会话密钥的管理。为了实现医院对医生的监管,将医疗链构建为一条联盟链。在用户撤销了医生的授权后,医生仍可以便捷地访问历史诊断记录,同时医院可以有效地监管医生的诊断。TMS方案比Healthchain方案降低了82.8%的密钥通信成本。（2）在TMS方案中设计了医生身份信息链,通过身份信息交易将医生的历史身份信息建立链式结构,并且设计了医生身份信息的存储结构。在权限方面,任何人都可以访问身份链,但只有医院有权管理医生的身份信息,最终确保了医生身份信息的准确性和实时性。（3）基于Quorum区块链提出了一种医疗大数据共享的方案,即Sharingchain。在方案中,通过将密钥管理和数据传输解耦提高通信效率,从而实现数据一次分发,多人授权的目的。与Quorum方案对比,Sharingchain方案大幅降低了交互协议中数据的通信成本。
李慧[7]（2021）在《面向智慧医疗网络的安全与隐私保护研究》文中研究指明智慧医疗源于传统医疗与物联网、边缘计算、云计算、人工智能、大数据等新型信息技术的深度融合,旨在帮助医务人员、患者跨越时间和空间的限制进行沟通,从而实现远程医疗、智能化监测、疾病预防、保健分析等医疗服务。在面对突如其来的新冠疫情后,智慧医疗更是得到了全球密切的关注。我国在2020年5月21日发布的《关于进一步完善预约诊疗制度加强智慧医疗建设的通知》中再次强调了建立智慧医疗的重要性。智慧医疗通过加速数据在整个医疗生态中的流动和开放来提高服务质量,然而数据流动得越快越广带来的安全隐患也更加严重,尤其是涉及个人敏感信息的医疗数据所面临的安全风险更为突出。因而智慧医疗网络的的安全与隐私保护研究是保障智慧医疗快速发展的重要基础。智慧医疗网络中的设备为了功能性不得不设计成“小、轻、便于携带”的样式,致使无法配备足够的存储空间和计算能力。而数以亿计的智能设备不间断地收集数据,这些数据不可避免地要存储到云端,数据脱离设备意味着用户失去了部分控制权,带来数据泄露、非授权访问、隐私泄露等新的安全隐患。并且鉴于智能设备远且多,云中心强大但集中的特点,雾计算等边缘计算技术作为沟通两者的桥梁,在帮助智能设备执行数据缓存和本地计算来缓解网络拥塞、减少时延的同时,也会造成非授权访问、数据造假等安全隐患。这些安全隐患限制了智慧医疗服务在现实生活中的有效推广,也吸引了学术界的广泛关注。总体来说,为了实现智慧医疗网络的进一步推广并保障服务与安全质量,本文面向智慧医疗网络中安全认证、安全存储、安全分享三个角度,根据加强功能、保障安全需求、提升性能三个方面的需求提出了相应的解决方案。围绕上述研究内容,本文的主要工作与成果包括:1)针对智慧医疗网络中海量资源受限的设备和用户之间的安全互认证问题,提出了基于变色龙哈希函数的密钥协商机制。该机制不需要复杂的公开加密算法,可以快速帮助用户和雾节点、设备和雾节点之间完成身份认证协商出会话密钥。随后提出了考虑设备隐私敏感度和用户属性的匿名互认证协议,确保了设备和用户的身份隐私,实现了部分的内容意识访问。该方案在用户注册阶段就将属性作为身份标识的一部分,为各属性颁发属性证书用于后续验证。在随机预言机模型下证明了认证协议的安全性,并阐述了该方案可以抵抗大部分现存的攻击方式。2)针对智慧医疗网络中资源受限的用户在数据存储和访问时关键词与陷门隐私泄露的问题,提出了保护关键词和陷门隐私的且支持搜索、代理重加密、外包解密的CP-ABE方案,极大地降低了用户的计算负担,将终端解密计算量减少到一个群指数运算。此外,方案通过雾节点帮助管理用户实现了用户撤销和属性撤销。安全性分析表明该方案除了满足基本的密文安全性外,关键词隐私安全和陷门不可区分性也是可以保障的。性能分析证实该方案具有良好的性能表现,适用于资源受限的物联网用户。3)针对智慧医疗网络中用户设备计算能力有限、共享数据时访问控制策略泄露用户隐私以及雾节点、属性授权中心可能试图欺骗用户的问题,提出了保护策略隐私安全、支持可验证外包计算、防止属性授权中心共谋的多属性授权中心CP-ABE方案。该方案按照单向匿名密钥协商协议的设计将访问策略中的属性视为隐私加以保护,除了授权用户外的任何实体都无法从策略中获取额外的信息。该方案支持雾节点的外包解密计算,可以有效减轻用户的解密负担,且用户可以对雾节点的计算结果进行验证,可以防止属性授权中心为获取利益而共谋。通过理论分析证明了策略隐私安全性、可验证性和防共谋性。最后理论和仿真性能分析都展示了方案的高性能。全文共6章,图20幅,表14个,参考文献146篇。
杨光灿[8]（2021）在《移动互联网中基于位置服务的隐私保护方案研究》文中研究表明随着手持设备智能化的不断完善、移动通信技术的快速发展以及定位技术的不断成熟,人们可以自由地接入移动互联网并享受基于位置服务带来的便利。基于位置服务的应用在生活服务、社交和休闲娱乐等领域发挥了巨大的作用,并已经成为人们日常生活中不可或缺的一部分。然而,基于位置服务的请求中包含了大量的用户敏感信息,如果不注重对用户敏感信息的保护,潜在的攻击者（如基于位置的服务提供者）可以轻易地通过对用户敏感信息的收集获取用户的隐私信息。因此,如何保护移动用户的隐私已成为基于位置服务健康发展的严峻挑战,对基于位置服务的隐私保护研究已成当务之急。本文以保证用户隐私安全的同时提供高质量服务为研究核心和目标,并以基于位置服务的不同应用领域为分类基础,分别研究了基于兴趣点模式、基于社交模式和基于评论模式等三种模式中的隐私保护与效用问题。本文的主要研究内容如下:（1）在基于兴趣点模式的非外包云场景中,本文针对移动用户自组网体系结构中的隐私保护和效用问题,提出了一个基于POI分类表的隐私保护方案。具体内容如下:针对用户组网时偏好隐私的脆弱性,通过设计POI分类表的方式保护自组网过程中用户的偏好隐私。基于自组网中用户是不完全可信的前提,该方案采用加法同态的方式完成组内POI种类的计算,这种方式可以使自组网中的锚点用户在不知道组内用户POI查询类型的情况下计算出组内的POI种类,因而能够有效对自组网过程中用户的偏好隐私进行保护。通过研究自组网过程中用户位置数量k和用户POI查询种类l与其相应隐私保护阈值（thk,th1）之间的动态关系,设计自适应模式的算法提升自组网的组网效率和成功率。理论分析和实验表明,该方案能够有效保护自组网过程中用户的偏好隐私,并提高自组网的组网效率和成功率;（2）在基于兴趣点模式的外包云场景中,本文针对空间范围查询中的隐私保护和效用问题,提出了一个基于双云架构的隐私保护方案。具体内容如下:针对单个云架构面临的数据存储和计算风险,通过分而治之的思想将外包云设计为双云架构并将敏感信息分别存储在两个非共谋云上,这种结构在保障外包数据机密性的同时具有一定抵御内部攻击的能力。基于传输信道上有窃听者的情况,通过双云处理用户查询的方式,使该方案在保障用户查询安全的同时提高了抵抗窃听攻击的能力。通过使用同态加密和可搜索对称加密技术,该方案同时支持范围查询和类型查询,在保证用户查询安全的基础上,有效地提高了查询的针对性,减少了云端和用户端的计算负担。理论分析和实验表明,该方案能够在外包云场景中保护用户隐私,并且提高外包云的数据检索效率;（3）在基于社交模式中,本文针对朋友位置查询中的隐私保护和效用问题,提出了一个位置检索高效的隐私保护方案。具体内容如下:针对用户自定义的隐私保护需求,该方案提出了一种新的用户自定义访问控制策略——网格单元访问控制策略。对于用户不愿意与朋友分享的地理位置或敏感区域,用户可以使用该访问控制策略来防止隐私在社交网络中泄露。为提高朋友位置查询时的位置检索效率,该方案基于网格结构和用户的查询距离,设计了一个名为关联网格的方法。通过该方法,该方案可以在保护用户隐私的基础上,过滤出不在关联网格中的朋友位置,减少位置服务器进行距离计算和比较的负担,相比之前方案提升了位置检索效率。成本和安全分析表明了该方案是一种实用和有效的隐私保护方案,仿真实验也验证了该方案的有效性;（4）在基于评论模式中,本文针对由用户发布评论引起的隐私保护和效用问题,提出了一个增强评论指引有效性的隐私保护方案。具体内容如下:针对由用户评论分布和数量特征引起的身份识别或推理攻击,该方案通过形式化攻击者模型和定义用户相似性概率的方式,评估发表评论用户被识别的可能性。在此基础上,结合用户的隐私保护阈值决定用户公开评论的发布数量,从而在不影响用户发表评论积极性的情况下降低用户遭受身份识别或推理攻击的风险。为了提高评论的指引有效性作用,减少虚假评论的影响,该方案采用投票决策规则和Beta信誉机制为用户建立信誉系统,并以用户的信誉值作为评论列表中评论排名的依据,达到提高评论指引有效性的目的。理论分析和仿真实验表明,该方案能够有效抵御身份识别或推理攻击,并提升评论的指引有效性作用。
李茵[9]（2021）在《面向医院管理的数据驱动决策研究》文中研究指明信息技术的快速发展与应用以及大数据战略的深入实施,使得大数据成为科技创新引领与决策支撑的重要战略资源,科学研究与实践正在完成“假设驱动”到“数据驱动”的巨大转变,大数据的深度挖掘与利用能够为社会发展、政府治理、国家安全等提供新的动能。围绕国家大数据战略,丰富和拓展大数据应用创新领域,推动管理升级,给学术界、产业界以及政府部门带来许多新的重要课题。其中面向健康服务供给侧的决策支持、决策引导和决策创新中的数据驱动、数据价值转换问题即是管理学、数据科学的核心科学问题之一,更是情报学应对大数据环境开展智慧型情报服务必须解决的关键问题之一。健康医疗大数据时代的到来,促使医院管理和医院管理者的观念都随之变化。数据驱动对医院精细化、智慧化管理决策具有重要意义。本研究从提升医疗管理决策质量的角度出发,构建数据驱动医院管理决策过程模型,分析数据驱动医院管理决策的影响因素,进而提出面向医院管理的数据驱动决策模型,并展开实证研究,为数据驱动决策领域的研究理论基础和实证研究提供参考依据,为促进医院精细化管理提供对策及建议。基于此,通过界定“数据驱动”、“医院管理”、“医院管理评价”与“数据驱动决策”等相关概念,以回顾数据驱动决策、面向医疗健康领域的数据驱动决策、面向医院管理的数据驱动决策以及数据驱动决策的影响因素研究现状为基础,综合运用文献调研法、半结构访谈法、问卷调查法、扎根理论法、结构方程法、统计分析法、机器学习法分析了面向医院管理的数据驱动决策的过程模型和影响因素模型,并构建了面向医院管理的数据驱动决策模型。围绕面向医院管理的数据驱动决策模型这一核心研究内容,本文第三章在已有BASM模型研究过程的基础上,结合医院管理决策场景的特殊性,探索面向医院管理的数据驱动决策的运行机理,构建面向医院管理的数据驱动决策过程模型,以梳理驱动的路径,理清其中的内在逻辑。该模型由处理过程模型及支持过程模型两部分构成,旨在分别回答面向医院管理的数据驱动决策过程中两个核心问题,一是数据本身如何转化并如何嵌入到医院管理决策过程中,二是医院中能够支持并且推动数据驱动决策的途径是什么。第四章采用扎根理论进行了面向医疗管理领域数据驱动决策的影响因素识别研究,编码面向医院管理者的半结构化访谈资料,经过饱和度测试,最终识别出了四个维度的影响因素。第五章在对影响因素定性研究的基础上利用结构方程模型方法进一步验证影响因素,探讨相关变量的权重和关系。阐述各个因素对医院管理决策的影响关系,验证数据驱动医院管理决策影响因素模型。第六章整合数据驱动医院管理决策过程模型和影响因素模型,构建支持医院管理决策全过程的数据驱动决策模型,探讨过程模型与影响因素模型的内在联系。第七章根据已构建的面向医院管理的数据驱动决策模型,进行基于DRGs分组的医疗服务能力评价和医生绩效评价管理工作的实证研究,修正和完善已构建的模型。具体内容如下:（1）构建面向医院管理的数据驱动决策过程模型。基于现有的数据驱动决策机制模型,结合医院管理实践,构建面向医院管理的数据驱动决策过程模型,该模型由处理过程模型及支持过程模型两部分构成,处理过程模型包括面向医院管理决策的数据处理过程和数据驱动的医院管理决策处理过程。决策处理过程既是数据处理过程的最后阶段,对数据处理的结果进行展示与应用,又会不断地产生新的数据,前推已有数据的老化和错误,补充和修正数据处理过程。而数据处理过程以决策处理过程中的阶段性需求为导向,能嵌入到决策处理过程的所有阶段,为决策处理的全流程服务。支持过程模型主要涉及两用户一技术。两用户包括数据分析人员和管理者,使能技术是创建和改进能够嵌入到操作系统的分析工具,这三个主体不能割裂独立,而可以互相转化并可能同时存在,共同对数据和决策进行处理,支持处理过程模型运转。（2）系统分析了面向医院管理的数据驱动决策影响因素。对主观及客观上影响管理者数据驱动决策的因素进行整合和相关分析,确定四个核心影响因素范畴分别是医疗数据质量,信息技术,医院组织管理和管理者信息素养,构建了影响因素模型,发现数据驱动医院管理决策能受到管理者信息素养、医院组织管理和信息技术的正向影响,其中管理者信息素养最强,其次是医院组织管理和信息技术;医院组织管理对医疗数据质量、管理者信息素养、决策目标均有影响,对医疗数据质量的影响要强于管理者信息素养;医疗数据质量能够对信息技术产生正向影响;信息技术对决策目标具有正向影响。（3）构建了面向医院管理的数据驱动决策模型。将过程模型与影响因素模型有机结合在一起,构成了面向医院管理的数据驱动决策模型。打造数据驱动决策模型,将医院数据质量标准化管理贯穿于医院管理全流程、智能化管理提升医务人员的信息技术、高效化管理增效医院组织三个方面分析模型的实现,提出模型优化建议。（4）基于DRGs的肺癌医疗服务绩效分析实证研究。模拟医院管理中运用DRGs分组工具解决绩效问题的真实场景,应用数据驱动医院管理决策模型,优化DRGs分组,优化绩效管理。研究最终确定性别、年龄、入院途径、离院方式、住院次数、医保付费方式、是否手术、合并症严重情况八个因素为影响肺癌医疗服务费用的因素,构建了8个DRGs分组,其中合并症严重程度、是否手术、住院次数是决策树分组的分类结点变量。选用医疗服务能力的指标（DRGs总权重、CMI）根据获取的数据进行比较,完成绩效评价工作,实现基于数据驱动决策的绩效管理。
高杰诚[10]（2021）在《智能3D可视化数字病人平台构建研究》文中指出随着医疗信息化的进程不断发展,医疗数据呈现爆炸式增长,医疗大数据的传输、存储、处理和可视化方面都面临着不小的挑战。医疗机构信息系统相互独立,在各项政策的引导下建立了电子病历系统、区域（或跨域）电子健康档案平台、区域数据中心等,病人数据量的不断增多导致医生在查询病人历史记录时存在操作繁琐、数据展现延迟、效率低等问题。如何解决医疗机构内和机构之间医疗数据的传输和存储问题已经成为当前医疗信息系统的短板。在智慧医疗概念的提出之后,医疗机构内部本地传输、存储和使用医疗数据的限制被打破,形成了区域化医疗数据的共享,这对医疗数据的传输、存储和使用的技术要求更高。基于智慧医疗的高速发展需求,为了解决医疗数据异构采集困难、医疗数据混合模式传输效率低、海量医疗数据存储性能出现瓶颈以及关键信息提取与可视化程度困难问题,本文提出了“智能3D可视化数字病人平台”,通过采集并处理一家（或区域）医疗机构的历史数据和实时数据,建立一套以提高诊疗效率为目标的可视化平台。本论文主要内容包括:1.多源并行采集子系统的设计。采集多家医院或医疗机构中的各类医疗数据至智能3D可视化数字病人平台,实现不同格式的医疗数据清洗和统一格式处理,以及后续医疗数据的传输和存储工作。2.容器管理平台的设计。基于Kubernetes的容器管理平台用于部署Docker容器引擎并在容器中运行Apache Flink分布式大数据处理集群和PostgreSQL数据库集群。采用容器技术实现了应用的轻量化和便携化,更有利于对数据的存取和处理集群的后续扩展部署。3.大数据存储框架与大数据处理的设计。建立一种基于HDFS分布式架构的海量医学影像存储模块和由PostgreSQL数据库存储海量医疗文字数据模块的存储子系统。其中存储子系统和采集子系统由Apache Flink分布式大数据处理集群连接,Apache Flink可以同时实现批处理和流处理两种数据处理模式,这样医院的历史数据批处理和实时数据流处理都能够传输到智能3D可视化数字病人平台。该套存储子系统将病人的文本和影像医疗信息整合在一起,省去医院内部和区域化医疗系统需要调阅多个医疗信息系统的麻烦。4.关键信息提取算法的设计。利用自然语言处理技术和统计学方法实现放射信息系统和病理信息系统的两种文本报告的关键信息提取算法。该算法可以提取这两种非结构文本中的关键医疗信息,并且生成键值对的JSON格式来用于传输、存储。此外还针对不同类别的结构化电子医疗病历设计提取适配器来提取其中节点中的关键信息并更新至键值对的JSON格式文件。该技术可以将原本非结构化的文本报告转化成结构化的报告数据,这样可以使得报告数据能更加清晰的呈现给病人或者医生;同时这还将有助于有关于智能医疗平台学习病人数据模型。本文在实验室已有的可视化数字病人和智能3D可视化数字病人显示系统的基础上开展多源数据采集、存储和信息处理平台架构的研究,在多源并行采集医疗数据中对文本数据进行统一格式化采集,确定了大数据处理框架,实现了将医疗机构中的批式历史数据、流式实时数据和提取出的关键医疗信息低延时地传输到平台的存储子系统中;使用混合存储子系统,提高了海量医疗数据的存储效率和能力;采用Docker容器引擎和Kubernetes容器管理平台,提高了整个平台的运行效率;结合自然语言处理技术和统计学方法,实现了放射信息系统和病理信息系统两种文本报告的关键信息提取、传输、存储和与智能3D可视化数字病人显示系统的集成。
二、医院数据存储网络系统解决方案（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、医院数据存储网络系统解决方案（论文提纲范文）
（1）基于区块链和星际文件系统的电子病历共享研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 本文的主要工作和创新点 |
| 1.3 本文组织结构 |
| 1.4 本章小节 |
| 第二章 相关工作概述 |
| 2.1 概念介绍 |
| 2.1.1 区块链 |
| 2.1.2 区块链分类 |
| 2.1.3 联盟链和Hyperledger Fabric |
| 2.1.4 星际文件系统 |
| 2.2 区块链医疗研究现状 |
| 2.2.1 区块链+线下存储 |
| 2.2.2 区块链+云存储 |
| 2.2.3 区块链+属性加密+云存储 |
| 2.2.4 研究现状总结 |
| 2.3 本章总结 |
| 第三章 基于区块链与星际文件系统的电子病历共享框架 |
| 3.1 准备工作 |
| 3.2 问题分析 |
| 3.3 框架设计 |
| 3.4 工作流程 |
| 3.5 共识算法去噪改进 |
| 3.5.1 问题描述 |
| 3.5.2 共识过程 |
| 3.5.3 改进方法 |
| 3.5.4 实验分析 |
| 3.6 整体分析 |
| 3.6.1 定性分析 |
| 3.6.2 效率分析 |
| 3.7 本章小结 |
| 第四章 基于投票理论的区块链共识算法设计 |
| 4.1 投票相关理论 |
| 4.1.1 投票的定义 |
| 4.1.2 投票的方法 |
| 4.2 基于正向积分规则的共识算法 |
| 4.3 基于阶梯过程的共识算法 |
| 4.4 基于孔多塞拓展规则的共识算法 |
| 4.5 本章小结 |
| 第五章 基于共享框架的原型系统实现 |
| 5.1 准备工作 |
| 5.2 区块链网络设计 |
| 5.2.1 网络结构 |
| 5.2.2 链码设计 |
| 5.3 服务端设计 |
| 5.4 客户端设计 |
| 5.4.1 访问流程 |
| 5.4.2 管理员模块 |
| 5.4.3 医生模块 |
| 5.4.4 患者模块 |
| 5.5 功能展示 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（2）基于区块链和星际文件系统的电子病历共享研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 本文的主要工作和创新点 |
| 1.3 本文组织结构 |
| 1.4 本章小节 |
| 第二章 相关工作概述 |
| 2.1 概念介绍 |
| 2.1.1 区块链 |
| 2.1.2 区块链分类 |
| 2.1.3 联盟链和Hyperledger Fabric |
| 2.1.4 星际文件系统 |
| 2.2 区块链医疗研究现状 |
| 2.2.1 区块链+线下存储 |
| 2.2.2 区块链+云存储 |
| 2.2.3 区块链+属性加密+云存储 |
| 2.2.4 研究现状总结 |
| 2.3 本章总结 |
| 第三章 基于区块链与星际文件系统的电子病历共享框架 |
| 3.1 准备工作 |
| 3.2 问题分析 |
| 3.3 框架设计 |
| 3.4 工作流程 |
| 3.5 共识算法去噪改进 |
| 3.5.1 问题描述 |
| 3.5.2 共识过程 |
| 3.5.3 改进方法 |
| 3.5.4 实验分析 |
| 3.6 整体分析 |
| 3.6.1 定性分析 |
| 3.6.2 效率分析 |
| 3.7 本章小结 |
| 第四章 基于投票理论的区块链共识算法设计 |
| 4.1 投票相关理论 |
| 4.1.1 投票的定义 |
| 4.1.2 投票的方法 |
| 4.2 基于正向积分规则的共识算法 |
| 4.3 基于阶梯过程的共识算法 |
| 4.4 基于孔多塞拓展规则的共识算法 |
| 4.5 本章小结 |
| 第五章 基于共享框架的原型系统实现 |
| 5.1 准备工作 |
| 5.2 区块链网络设计 |
| 5.2.1 网络结构 |
| 5.2.2 链码设计 |
| 5.3 服务端设计 |
| 5.4 客户端设计 |
| 5.4.1 访问流程 |
| 5.4.2 管理员模块 |
| 5.4.3 医生模块 |
| 5.4.4 患者模块 |
| 5.5 功能展示 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（3）基于区块链及秘密共享的医疗协作及数据共享研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 课题主要研究内容 |
| 1.4 本文的组织结构 |
| 2 相关技术介绍 |
| 2.1 区块链技术 |
| 2.1.1 交易、区块及链 |
| 2.1.2 一致性及共识算法 |
| 2.1.3 智能合约 |
| 2.1.4 Hyperledger Fabric |
| 2.2 秘密共享技术 |
| 2.3 访问控制技术 |
| 2.4 本章小结 |
| 3 医疗数据共享方案总体设计 |
| 3.1 需求分析 |
| 3.2 方案结构设计 |
| 3.2.1 机构用户认证部分 |
| 3.2.2 机构间协作部分 |
| 3.3 总体安全性分析 |
| 3.4 本章小结 |
| 4 关键流程分析 |
| 4.1 机构用户认证部分 |
| 4.1.1 常规访问控制流程 |
| 4.1.2 BTG策略访问控制流程 |
| 4.2 数据操作流程 |
| 4.2.1 数据存储过程 |
| 4.2.2 数据访问过程 |
| 4.2.3 数据更新流程 |
| 4.3 本章小结 |
| 5 系统实现及方案分析 |
| 5.1 系统实现 |
| 5.1.1 首页 |
| 5.1.2 区块列表 |
| 5.1.3 区块详情 |
| 5.1.4 交易详情 |
| 5.2 安全性分析 |
| 5.2.1 未授权访问 |
| 5.2.2 数据篡改 |
| 5.3 可靠性分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（4）IPFS存储环境下去中心化的数据存储与检索方案设计（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 可搜索加密 |
| 1.2.2 基于属性加密 |
| 1.2.3 区块链技术 |
| 1.2.4 星际文件系统 |
| 1.3 本文主要研究内容 |
| 1.4 本论文的组织结构 |
| 2 预备知识 |
| 2.1 数学知识 |
| 2.1.1 双线性映射 |
| 2.1.2 群上的困难问题 |
| 2.2 访问结构 |
| 2.3 基于属性加密技术 |
| 2.4 可搜索加密的基本框架 |
| 2.5 可证明安全理论 |
| 2.6 本章小结 |
| 3 IPFS中基于区块链的电子医疗数据的去中心化存储与检索方案 |
| 3.1 研究动机 |
| 3.2 方案系统模型 |
| 3.3 方案框架 |
| 3.3.1 算法定义 |
| 3.3.2 安全模型 |
| 3.4 方案描述 |
| 3.4.1 方案细节描述 |
| 3.4.2 正确性 |
| 3.5 安全性证明 |
| 3.6 性能分析 |
| 3.7 本章小结 |
| 4 保险数据的不可抵赖的去中心化存储与密文更新方案 |
| 4.1 研究动机 |
| 4.2 方案系统模型 |
| 4.3 方案框架 |
| 4.3.1 算法定义 |
| 4.3.2 安全模型 |
| 4.4 方案描述 |
| 4.5 安全性证明 |
| 4.6 性能分析 |
| 4.7 本章小结 |
| 5 可搜索的基于属性加密的银行业务数据存储方案 |
| 5.1 研究动机 |
| 5.2 方案系统模型 |
| 5.3 方案框架 |
| 5.3.1 算法定义 |
| 5.3.2 安全模型 |
| 5.4 方案描述 |
| 5.4.1 方案细节描述 |
| 5.4.2 正确性 |
| 5.5 安全性证明 |
| 5.6 性能分析 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（5）面向区域建筑的超导综合能源系统构架与本质安全化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状及分析 |
| 1.3 区域建筑供能安全事故分析 |
| 1.4 超导综合能源系统研究思路 |
| 1.5 本文主要研究内容及技术路线 |
| 2 超导综合能源系统构架与系统本质安全化方法 |
| 2.1 综合能源系统基本原理 |
| 2.2 超导综合能源系统构架 |
| 2.3 系统本质安全化方法 |
| 3 跨区域建筑的超导能源输运系统设计及安全运行评估 |
| 3.1 超导能源输运系统概念构架与基本原理 |
| 3.2 超导能源管道建模分析 |
| 3.3 GW级超导能源管道结构设计与安全运行评估 |
| 3.4 系统本质安全化研究 |
| 3.5 本章小结 |
| 4 面向数据中心的冷电联供超导综合能源系统构架与分析 |
| 4.1 技术背景 |
| 4.2 系统概念构架与基本原理 |
| 4.3 超导斩波供电系统设计及建模分析 |
| 4.4 液氮潜热供冷系统设计及建模分析 |
| 4.5 超导冷电联供装置样机集成 |
| 4.6 系统能耗与效益评估 |
| 4.7 系统本质安全化研究 |
| 4.8 本章小结 |
| 5 面向医院建筑的冷热电气四联供超导综合能源系统构架与分析 |
| 5.1 技术背景 |
| 5.2 系统概念构架 |
| 5.3 系统基本原理 |
| 5.4 系统冷热电气四联供建模 |
| 5.5 系统负荷能耗案例分析 |
| 5.6 系统能耗与效益评估 |
| 5.7 系统本质安全化研究 |
| 5.8 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新性 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 在校期间的科研成果 |
（6）基于区块链的医疗服务数据隐私保护方案研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统医疗保健系统 |
| 1.2.2 基于区块链的医疗保健方案 |
| 1.2.3 远程医疗监测 |
| 1.2.4 区块链数据结构的设计 |
| 1.3 论文的主要工作 |
| 1.4 本文的组织结构 |
| 第2章 需求分析 |
| 2.1 医疗服务需求概述 |
| 2.1.1 基于云存储的医疗服务存在的问题 |
| 2.1.2 基于区块链的医疗服务存在的问题 |
| 2.1.3 传统CA存在的问题 |
| 2.1.4 提出的远程医疗服务隐私保护方案TMS |
| 2.2 医疗数据共享概述 |
| 2.2.1 基于云存储的医疗数据共享存在的问题 |
| 2.2.2 基于区块链的医疗数据共享存在的问题 |
| 2.2.3 提出的医疗隐私数据共享方案Sharingchain |
| 2.3 本章小结 |
| 第3章 相关知识与技术 |
| 3.1 区块链技术 |
| 3.1.1 区块链的技术原理 |
| 3.1.2 数据层相关技术 |
| 3.1.3 网络层相关技术 |
| 3.1.4 共识层相关技术 |
| 3.1.5 区块链相关应用 |
| 3.1.6 区块链分类 |
| 3.2 比特币区块链 |
| 3.2.1 比特币交易的数据结构 |
| 3.2.2 交易的流程 |
| 3.3 以太坊区块链 |
| 3.3.1 以太坊概述 |
| 3.3.2 以太坊核心概念 |
| 3.4 Quorum区块链 |
| 3.4.1 Quorum概述 |
| 3.4.2 Quorum结构 |
| 3.5 IPFS技术概述 |
| 3.6 本章小结 |
| 第4章 基于区块链的医疗隐私数据共享方案 |
| 4.1 系统架构与设计目标 |
| 4.1.1 系统模型 |
| 4.1.2 威胁模型 |
| 4.1.3 设计目标 |
| 4.2 数据层 |
| 4.2.1 会话密钥交易 |
| 4.2.2 隐私数据交易 |
| 4.2.3 Sharingchain数据共享机制 |
| 4.3 应用层 |
| 4.3.1 医疗大数据的上链传输 |
| 4.3.2 密钥分发 |
| 4.3.3 医疗大数据的解密 |
| 4.4 安全性分析 |
| 4.5 性能评估 |
| 4.5.1 密码学原语时间成本 |
| 4.5.2 IPFS系统搭建和测试 |
| 4.5.3 Quorum区块链搭建测试 |
| 4.5.4 通信开销与计算开销对比 |
| 4.6 本章小结 |
| 第5章 基于区块链的远程医疗服务数据隐私保护方案 |
| 5.1 系统架构与设计目标 |
| 5.1.1 系统模型 |
| 5.1.2 威胁模型 |
| 5.1.3 设计目标 |
| 5.2 数据层 |
| 5.2.1 用户链 |
| 5.2.2 身份链 |
| 5.2.3 医疗链 |
| 5.3 网络层 |
| 5.4 共识层 |
| 5.4.1 PoW共识机制 |
| 5.4.2 PBFT共识机制 |
| 5.5 应用层 |
| 5.5.1 身份信息管理 |
| 5.5.2 医生身份信息的查询 |
| 5.5.3 安全的数据传输 |
| 5.5.4 会话密钥管理 |
| 5.5.5 诊断文件的可访问和安全传输 |
| 5.5.6 诊断密钥管理 |
| 5.5.7 诊断监管 |
| 5.6 交互协议 |
| 5.7 安全分析 |
| 5.7.1 数据安全 |
| 5.7.2 身份信息的可信性 |
| 5.7.3 诊断记录的可访问和监管 |
| 5.7.4 问责制 |
| 5.7.5 访问权的可撤销 |
| 5.7.6 功能对比 |
| 5.8 功能测试和分析 |
| 5.8.1 密码学原语时间成本 |
| 5.8.2 PoW共识机制的困难度测试 |
| 5.8.3 PBFT共识机制测试 |
| 5.8.4 区块吞吐量及五种交易 |
| 5.8.5 通信开销对比 |
| 5.9 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表学术论文 |
| 二、获奖情况 |
| 三、参与科研项目 |
（7）面向智慧医疗网络的安全与隐私保护研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 智慧医疗网络的概述与安全挑战 |
| 1.2.1 智慧医疗的发展 |
| 1.2.2 雾计算在智慧医疗网络的角色 |
| 1.2.3 智慧医疗网络的安全需求与挑战 |
| 1.3 智慧医疗网络中安全与隐私问题研究现状 |
| 1.3.1 密钥协商和认证机制 |
| 1.3.2 基于属性的加密 |
| 1.3.3 当前研究的主要问题与限制 |
| 1.4 主要创新工作与论文组织 |
| 1.4.1 主要创新工作 |
| 1.4.2 论文章节安排 |
| 2 基础知识 |
| 2.1 双线性映射 |
| 2.2 访问结构 |
| 2.2.1 单调访问策略 |
| 2.2.2 线性秘密共享方案 |
| 2.3 变色龙哈希函数 |
| 2.4 单向匿名密钥协商协议 |
| 2.5 安全性证明基础 |
| 2.5.1 困难问题 |
| 2.5.2 随机预言机 |
| 2.5.3 可证明安全 |
| 2.6 CP-ABE |
| 2.6.1 CP-ABE基本算法 |
| 2.6.2 CP-ABE安全模型 |
| 2.7 本章小结 |
| 3 考虑隐私敏感度和用户属性的匿名互认证协议 |
| 3.1 引言 |
| 3.2 系统模型和需求 |
| 3.2.1 系统模型 |
| 3.2.2 功能和安全需求 |
| 3.3 考虑隐私敏感度和用户属性的密钥协商和匿名互认证协议 |
| 3.3.1 系统初始化阶段 |
| 3.3.2 注册阶段 |
| 3.3.3 密钥协商阶段 |
| 3.3.4 互认证阶段 |
| 3.4 安全性分析与性能分析 |
| 3.4.1 随机预言机模型 |
| 3.4.2 安全性分析 |
| 3.4.3 安全需求分析 |
| 3.4.4 性能分析 |
| 3.5 本章小结 |
| 4 轻量级的基于属性的可搜索代理重加密的数据存储 |
| 4.1 引言 |
| 4.2 模型描述 |
| 4.2.1 系统模型 |
| 4.2.2 基础算法 |
| 4.2.3 安全需求 |
| 4.2.4 安全模型 |
| 4.2.5 系统功能 |
| 4.3 轻量级细粒度的可搜索加密(LFSE)方案 |
| 4.3.1 LFSE方案构建 |
| 4.3.2 一致性证明 |
| 4.3.3 用户和属性撤销 |
| 4.4 安全性分析 |
| 4.5 性能分析 |
| 4.5.1 功能对比 |
| 4.5.2 存储和传输消耗对比 |
| 4.5.3 计算消耗仿真和分析 |
| 4.6 本章小结 |
| 5 支持可验证外包解密的保护策略隐私的数据分享方案 |
| 5.1 引言 |
| 5.2 模型描述 |
| 5.2.1 系统模型 |
| 5.2.2 安全模型 |
| 5.3 基于雾计算的保护策略隐私的数据分享方案 |
| 5.3.1 方案构建 |
| 5.3.2 一致性证明 |
| 5.4 安全性分析 |
| 5.4.1 机密性 |
| 5.4.2 可验证性 |
| 5.4.3 策略隐私安全性 |
| 5.5 性能分析 |
| 5.5.1 功能对比 |
| 5.5.2 存储消耗对比 |
| 5.5.3 计算消耗对比 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究方向展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）移动互联网中基于位置服务的隐私保护方案研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 基于位置服务的研究现状 |
| 1.2.1 基于位置服务的应用领域 |
| 1.2.2 基于位置服务的体系框架 |
| 1.2.3 基于位置服务面临的挑战 |
| 1.3 研究内容与结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文结构安排 |
| 1.4 本章小结 |
| 第二章 基于位置服务的相关隐私保护方法综述 |
| 2.1 基于信息角度的LBS隐私保护 |
| 2.2 基于位置连续性角度的LBS隐私保护 |
| 2.2.1 连续位置隐私保护 |
| 2.2.2 单点位置隐私保护 |
| 2.3 基于位置服务存在的隐私保护与效用问题 |
| 2.4 本章小结 |
| 第三章 基于兴趣点模式在非外包云场景中的隐私保护方案 |
| 3.1 引言 |
| 3.2 基础知识 |
| 3.2.1 基础符号 |
| 3.2.2 基本概念 |
| 3.3 基于POI分类表的隐私保护方案 |
| 3.3.1 方案架构 |
| 3.3.2 安全假设 |
| 3.3.3 方案目标 |
| 3.3.4 评价指标 |
| 3.3.5 自适应模式算法 |
| 3.4 方案分析 |
| 3.4.1 安全分析 |
| 3.4.2 成本分析 |
| 3.5 仿真实验 |
| 3.5.1 实验环境 |
| 3.5.2 仿真结果 |
| 3.6 本章小结 |
| 第四章 基于兴趣点模式在外包云场景中的隐私保护方案 |
| 4.1 引言 |
| 4.2 基础知识 |
| 4.2.1 基础符号 |
| 4.2.2 基本概念 |
| 4.3 基于双云架构的隐私保护方案 |
| 4.3.1 方案架构 |
| 4.3.2 安全假设 |
| 4.3.3 方案目标 |
| 4.3.4 基于双云架构的隐私保护方案详细设计 |
| 4.4 方案分析 |
| 4.4.1 安全分析 |
| 4.4.2 成本分析 |
| 4.5 仿真实验 |
| 4.5.1 实验环境 |
| 4.5.2 仿真结果 |
| 4.6 本章小结 |
| 第五章 基于社交模式的隐私保护方案 |
| 5.1 引言 |
| 5.2 基础知识 |
| 5.2.1 基础符号 |
| 5.2.2 基本概念 |
| 5.3 位置检索高效的隐私保护方案 |
| 5.3.1 方案架构 |
| 5.3.2 安全假设 |
| 5.3.3 方案目标 |
| 5.3.4 位置检索高效的隐私保护方案详细设计 |
| 5.4 方案分析 |
| 5.4.1 安全分析 |
| 5.4.2 成本分析 |
| 5.5 仿真实验 |
| 5.5.1 实验环境 |
| 5.5.2 仿真结果 |
| 5.6 本章小结 |
| 第六章 基于评论模式的隐私保护方案 |
| 6.1 引言 |
| 6.2 基础知识 |
| 6.2.1 基础符号 |
| 6.2.2 基本概念 |
| 6.3 增强评论指引有效性的隐私保护方案 |
| 6.3.1 方案架构 |
| 6.3.2 安全假设 |
| 6.3.3 方案目标 |
| 6.3.4 评价指标 |
| 6.3.5 增强评论指引有效性的隐私保护方案详细设计 |
| 6.4 方案分析 |
| 6.4.1 安全分析 |
| 6.4.2 成本分析 |
| 6.5 仿真实验 |
| 6.5.1 实验环境 |
| 6.5.2 仿真结果 |
| 6.6 本章小结 |
| 第七章 本文总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间学术成果和承担项目情况 |
（9）面向医院管理的数据驱动决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数据驱动决策的研究现状 |
| 1.3.2 数据驱动医疗健康领域决策的研究现状 |
| 1.3.3 数据驱动医院管理决策的研究现状 |
| 1.3.4 数据驱动决策的影响因素研究现状 |
| 1.3.5 研究现状述评 |
| 1.4 研究框架与研究内容 |
| 1.4.1 研究框架 |
| 1.4.2 主要研究内容 |
| 1.4.3 拟解决的关键问题 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 相关基础理论和方法 |
| 2.1 医院管理相关概念 |
| 2.1.1 医院管理 |
| 2.1.2 医院管理评价 |
| 2.1.3 医院管理者 |
| 2.2 决策支持相关理论 |
| 2.2.1 西蒙决策理论 |
| 2.2.2 数据驱动决策相关理论 |
| 2.3 信息链理论 |
| 2.3.1 信息链与信息技术 |
| 2.3.2 “信息”上溯到“数据”带来的变化 |
| 2.3.3 信息链视域下的数据驱动医院管理决策 |
| 2.4 BASM模型 |
| 2.4.1 BASM模型的产生 |
| 2.4.2 BASM模型的研究现状 |
| 2.4.3 基于BASM模型的数据驱动医院管理决策研究 |
| 2.5 相关研究方法 |
| 2.5.1 扎根理论 |
| 2.5.2 结构方程模型 |
| 2.5.3 决策树算法--CHAID |
| 2.6 相关应用场景 |
| 2.6.1 医疗服务绩效 |
| 2.6.2 DRG在医疗服务绩效管理中的应用 |
| 2.7 本章小结 |
| 第3章 面向医院管理的数据驱动决策过程模型构建 |
| 3.1 面向医院管理决策的数据驱动过程模型 |
| 3.1.1 数据驱动决策模式运行机制 |
| 3.1.2 BASM的过程模型 |
| 3.1.3 基于BASM过程模型的数据驱动医院管理决策过程模型构建 |
| 3.2 面向医院管理的数据驱动决策过程模型要素分析 |
| 3.2.1 驱动要素 |
| 3.2.2 需求要素 |
| 3.2.3 支持要素 |
| 3.2.4 要素间关系 |
| 3.3 数据驱动的医院管理决策中数据处理过程 |
| 3.3.1 医疗数据存在的问题 |
| 3.3.2 面向医院管理决策的数据处理原则 |
| 3.3.3 面向医院管理决策的数据处理过程 |
| 3.4 面向医院管理的数据驱动决策过程模型运行机制 |
| 3.4.1 面向医院管理决策的信息链转化过程 |
| 3.4.2 数据驱动的医院管理决策制定过程 |
| 3.5 本章小结 |
| 第4章 基于扎根理论的数据驱动医院管理决策的影响因素分析 |
| 4.1 研究问题与研究程序 |
| 4.1.1 研究问题 |
| 4.1.2 研究方法 |
| 4.1.3 研究程序 |
| 4.2 研究设计 |
| 4.2.1 研究对象选取 |
| 4.2.2 资料收集 |
| 4.2.3 信效度检验 |
| 4.3 编码分析 |
| 4.3.1 开放式编码 |
| 4.3.2 主轴编码 |
| 4.3.3 选择性编码 |
| 4.3.4 理论饱和度检验 |
| 4.4 数据驱动医院管理决策影响因素理论模型与阐释 |
| 4.4.1 影响因素理论模型构建 |
| 4.4.2 影响因素分析 |
| 4.4.3 影响因素关系分析 |
| 4.5 本章小结 |
| 第5章 数据驱动医院管理决策的影响因素模型构建 |
| 5.1 数据驱动医院管理决策影响因素变量选择与界定 |
| 5.1.1 医疗数据质量维度 |
| 5.1.2 信息技术维度 |
| 5.1.3 医院组织管理维度 |
| 5.1.4 管理者信息素养维度 |
| 5.1.5 数据驱动医院管理决策维度 |
| 5.2 相关研究假设 |
| 5.2.1 医疗数据质量 |
| 5.2.2 信息技术 |
| 5.2.3 医院组织管理 |
| 5.2.4 管理者信息素养 |
| 5.3 调查问卷的编制与问卷修正 |
| 5.4 数据获取与统计分析 |
| 5.4.1 研究对象 |
| 5.4.2 样本量的选择 |
| 5.4.3 信度分析 |
| 5.4.4 样本分布 |
| 5.4.5 样本数据相关性 |
| 5.5 效度分析 |
| 5.5.1 探索性因子分析 |
| 5.5.2 验证性因子分析 |
| 5.6 基于结构方程的影响因素模型构建与检验修正 |
| 5.6.1 影响因素模型构建 |
| 5.6.2 模型基本适配评估 |
| 5.6.3 假设检验的结果 |
| 5.7 结构方程模型检验结果分析 |
| 5.7.1 影响因素强度分析 |
| 5.7.2 医疗数据质量对信息技术影响的验证结果分析 |
| 5.7.3 信息技术对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.4 医院组织管理对医疗数据质量影响的验证结果分析 |
| 5.7.5 医院组织管理对管理者信息素养影响的验证结果分析 |
| 5.7.6 医院组织管理对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.7 管理者信息素养对医疗数据质量影响的验证结果分析 |
| 5.7.8 管理者信息素养对信息技术影响的验证结果分析 |
| 5.7.9 管理者信息素养对数据驱动医院管理决策影响的验证结果分析 |
| 5.8 本章小结 |
| 第6章 面向医院管理的数据驱动决策模型研究 |
| 6.1 数据驱动医院管理决策模型构建 |
| 6.2 面向医院管理的数据驱动决策模型的驱动机制 |
| 6.2.1 面向医院管理的数据驱动决策模型的驱动目标 |
| 6.2.2 面向医院管理的数据驱动决策模型的驱动特征 |
| 6.2.3 面向医院管理的数据驱动决策模型的驱动过程 |
| 6.3 数据驱动医院管理决策模型影响因素的作用机制 |
| 6.3.1 医疗数据质量在数据驱动决策模型中的影响机制 |
| 6.3.2 信息技术在数据驱动决策模型中的影响机制 |
| 6.3.3 医院组织管理在数据驱动决策模型中的影响机制 |
| 6.3.4 管理人员素养在数据驱动决策模型中的影响机制 |
| 6.4 数据驱动医院管理决策模型对医院管理的提升策略 |
| 6.4.1 提升医疗数据质量 |
| 6.4.2 发挥信息技术使能作用 |
| 6.4.3 发挥医院组织管理支持作用 |
| 6.4.4 提高管理人员信息素养 |
| 6.5 本章小结 |
| 第7章 面向医院管理的数据驱动决策的实证研究 |
| 7.1 资料来源与研究对象 |
| 7.2 原发性肺癌患者的DRGS分组 |
| 7.2.1 数据基础 |
| 7.2.2 数据纳入 |
| 7.2.3 术语映射 |
| 7.2.4 DRGs分组结果对比 |
| 7.3 基于DRGS细分组的医疗服务绩效评估 |
| 7.3.1 基于决策树的原发性肺癌患者DRGs细分组模型 |
| 7.3.2 基于DRGs细分组的医疗服务绩效评估指标 |
| 7.3.3 医生医疗服务绩效指标统计结果 |
| 7.3.4 科室医疗服务绩效指标统计结果 |
| 7.4 讨论 |
| 7.4.1 数据驱动医院管理决策过程 |
| 7.4.2 数据驱动医院管理决策影响因素 |
| 7.5 本章小结 |
| 第8章 结论与创新 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 研究局限 |
| 参考文献 |
| 附录1 病案组DRGS分组情况 |
| 附录2 医生组DRGS分组情况 |
| 附录3 访谈提纲 |
| 附录4 调查问卷 |
| 作者简介及在学期间所取得的科研成果 |
| 后记与致谢 |
（10）智能3D可视化数字病人平台构建研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题背景与研究意义 |
| 1.1.1 医疗大数据的特点与来源 |
| 1.1.2 医疗大数据在存储共享方面的问题 |
| 1.1.3 本文课题研究意义 |
| 1.2 医疗数据平台国内外研究现状 |
| 1.3 可视化数字病人系统研究 |
| 1.3.1 可视化数字病人系统 |
| 1.3.2 可视化数字病人信息处理单元系统不足之处 |
| 1.4 本论文研究内容和组织结构 |
| 第2章 智能3D可视化数字病人平台构建分析 |
| 2.1 智能3D可视化数字病人平台概念 |
| 2.2 智能3D可视化数字病人平台需求分析 |
| 2.3 平台构建基础设施分析 |
| 2.3.1 大数据存储服务架构 |
| 2.3.2 文字报告数据存储数据库选择 |
| 2.3.3 大数据处理框架 |
| 2.3.4 部署环境 |
| 2.4 本章小结 |
| 第3章 病人关键医疗信息提取方法研究 |
| 3.1 医疗关键信息的定义 |
| 3.1.1 医疗信息种类 |
| 3.1.2 医疗关键信息定义 |
| 3.2 自由文本医疗信息的提取技术分析 |
| 3.2.1 在病理报告中的应用 |
| 3.2.2 在RIS报告中的应用 |
| 3.3 在电子病历中的尝试 |
| 3.4 本章小结 |
| 第4章 智能3D可视化数字病人平台设计 |
| 4.1 智能3D可视化数字病人平台设计 |
| 4.1.1 设计原则 |
| 4.1.2 总体设计 |
| 4.1.3 工作流程 |
| 4.1.4 输入输出数据模型设计 |
| 4.1.5 数据库的设计 |
| 4.2 多源数据并行采集子系统实现 |
| 4.3 医疗数据处理子系统实现 |
| 4.4 智能3D可视化数字病人平台物理架构设计 |
| 4.4.1 HDFS物理集群搭建 |
| 4.4.2 Kubernetes与 Flink、PostgreSQL集群搭建 |
| 4.5 本章小结 |
| 第5章 智能3D可视化数字病人平台集成与测试 |
| 5.1 与智能3D可视化数字病人显示系统集成方案 |
| 5.2 与肺结节智能检测系统的集成方案 |
| 5.3 智能3D可视化数字病人平台测试环境介绍 |
| 5.4 智能3D可视化数字病人平台测试评估 |
| 5.4.1 数据采集传输测试 |
| 5.4.2 病人病理、放射报告文本关键信息提取准确率测试 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
四、医院数据存储网络系统解决方案（论文参考文献）
- [1]基于区块链和星际文件系统的电子病历共享研究[D]. 岳征祥. 合肥工业大学, 2021(02)
- [2]基于区块链和星际文件系统的电子病历共享研究[D]. 岳征祥. 合肥工业大学, 2021
- [3]基于区块链及秘密共享的医疗协作及数据共享研究[D]. 林凯. 西安理工大学, 2021(01)
- [4]IPFS存储环境下去中心化的数据存储与检索方案设计[D]. 姚晓敏. 西安理工大学, 2021
- [5]面向区域建筑的超导综合能源系统构架与本质安全化研究[D]. 陈宇. 四川师范大学, 2021(12)
- [6]基于区块链的医疗服务数据隐私保护方案研究[D]. 王维. 齐鲁工业大学, 2021(10)
- [7]面向智慧医疗网络的安全与隐私保护研究[D]. 李慧. 北京交通大学, 2021(02)
- [8]移动互联网中基于位置服务的隐私保护方案研究[D]. 杨光灿. 北京邮电大学, 2021(01)
- [9]面向医院管理的数据驱动决策研究[D]. 李茵. 吉林大学, 2021(01)
- [10]智能3D可视化数字病人平台构建研究[D]. 高杰诚. 中国科学院大学(中国科学院上海技术物理研究所), 2021(01)