【摘 要】
：
互联网为用户提供了大量异构的开放健康数据,然而不同平台之间的健康数据结构化程度不一、缺乏互联互通,导致用户需要花费时间和精力访问许多不相关的网站才能够获得所需要的信息.对网络健康资源进行语义聚合可以为向用户提供一站式的、个性化的健康信息检索和查询服务提供基础.从资源语义聚合的概念出发,对网络健康资源进行语义聚合的关键问题进行解构,结合主题图聚合网络健康资源的优势分析,提出了一个基于主题图的网络健康
【机 构】
：
吉林大学,吉林省长春市,130021
【出 处】
：
中华医学会医学信息学分会第十二届全国医学信息教育可持续发展学术研讨会暨第三届全国医学信息学研究生论坛
论文部分内容阅读
互联网为用户提供了大量异构的开放健康数据,然而不同平台之间的健康数据结构化程度不一、缺乏互联互通,导致用户需要花费时间和精力访问许多不相关的网站才能够获得所需要的信息.对网络健康资源进行语义聚合可以为向用户提供一站式的、个性化的健康信息检索和查询服务提供基础.从资源语义聚合的概念出发,对网络健康资源进行语义聚合的关键问题进行解构,结合主题图聚合网络健康资源的优势分析,提出了一个基于主题图的网络健康资源语义聚合框架.该框架主要包括资源层、描述层、聚合层和应用层4个层次,对网络健康资源语义聚合的过程和工具进行了阐释,为解决医学专业术语和用户健康词汇之间的语义异构问题提供方案,为今后实现不同资源平台之间的数据共享、互联互通、语义融合和服务智能化提供了参考和基础.
其他文献
本文对美国医学信息学(Medicine information,MI)发展历程进行回顾和总结,并结合目前研究热点,预计在未来十年里,随着信息技术的不断创新,移动医疗、基于大数据和云计算的医学信息处理、药物不良反应的监管、临床决策支持系统、医疗数据安全与隐私保护、健康信息系统等研究领域将会取得重大突破,这将有助于提升人口健康、公共卫生管理的水平,对中国相关学科的发展和研究方向的定位也能起到非常好的借
本文根据对国内外医学信息学的相关文献研究,分析其发展现状和趋势.阐述了国内外医学信息学教育的发展概况,通过对国内外医学信息学教育的模式、课程设置和师资力量等方面的比较分析,提出了改革教学体制,建立建立独立学科、改进教学模式,拓宽师资来源,建立高学历、多学科背景教师队伍、加强医学信息学研究工作的领导机制,培养高层次医学信息专业人才等发展中国医学信息教育的建议.
"健康中国"建设规划的提出,为医学信息教育的发展提供了机遇,同时也对医学信息人才提出了新的要求.围绕"健康中国"战略下,医学信息教育面临的机遇与挑战,分别进行论述,并分析原因,探讨推动医学信息教育下一步发展的策略,以适应社会需求的变化,逐步提升医学信息教育的教育质量.
如今社会已经步入了以信息技术为基础的经济时代,具备医学信息能力已经成为医疗工作者必备的一项基本能力.通过分析中国医学信息教育存在的问题进一步提出新的创新思路,为医学信息教育的改革与发展奠定基础.
大数据时代的到来,给医学信息学带来新的机遇与挑战.本文从多角度分析研究大数据背景下,医学信息学所面临的机遇和挑战,为医学信息学的变革和发展提供参考.
量化自我技术将是影响教育信息化发展的关键技术之一,并将广泛应用于全球教育领域.本文阐述了量化自我的内涵和发展,归纳总结了量化自我在教学中的优势和作用,重点探讨了它在医学信息学教学中的应用,如个性化教学、游戏化教学、激励式教学、翻转课堂教学和教学结果的多元化评价.
利用CNKI数据库,对医学信息主题研究生学位论文进行收集,使用bicomb2提取文献题录信息和构建高频词共现矩阵,绘制论文研究时间序列,统计发文机构分布.采用社会网络分析方法,使用Ucinet2软件进行可视化分析、中心性分析和块模型分析以揭示研究热点.结果表明,卫生信息平台设计及其关键技术是核心研究热点,此外,卫生信息标准化、数据共享、医学影像标准与系统、远程医疗、医学数据挖掘、卫生信息系统架构、
本文调查了中国医学信息学专业的课程设置,从医学类、计算机类、信息管理类以及其他类四个类别对相关的开放共享精品课程进行了统计分析,发现了该专业相关开放共享精品课程中存在的问题,提出了系列建议,以期能促进大数据时代下中国医学信息学的快速发展.
为了解决医院信息系统分散、传输协议不一致等问题,需要对完整的医疗信息模型组件和模块进行深入研究,通过统一的模型来表示医疗业务信息.本文选取HL7RIM和openEHR信息模型两种国外主流的医疗信息模型,以文献梳理的结果为依据,归纳出物理层、数据层和应用层三层对比维度,通过定性分析针对HL7和openEHR的目的、信息模型、术语绑定、数据单元的存储以及数据实例的交换五个方面的作了比较,总结了两种模型
在阐明数据素养内涵的基础上,对国内外数据素养教育现状进行总结,从教师、学生、科研人员、图书馆员四个群体出发,分析其数据素养培养路径,比较其特点和差异,以期为今后数据素养教育体系的构建以及数据素养教育的实施提供参考和借鉴.