一种智能医疗数据上传方法及可视化智能医疗系

本技术涉及医疗信息与数据处理，尤其是涉及一种智能医疗数据上传方法及可视化智能医疗系统。背景技术：1、目前，医疗数据上传时，通常依赖于各个厂家分别负责将各自系统中的医疗数据上传，医疗数据的上传方式较为分散。或者，由某一厂家汇总各个厂家各自系统中的医疗数据，并进行简单的整合打包上传，但由于不同厂家、不同系统之间的数据格式和标准往往不一致，这使得医疗数据的整合变得异常复杂和困难，影响上传效率。2、针对上述中的相关技术，发明人发现现有的医疗数据上传方式存在有上传效率低的问题。技术实现思路1、为了改善医疗数据的上传效率，本技术提供了一种智能医疗数据上传方法及可视化智能医疗系统。2、第一方面，本技术提供一种智能医疗数据上传方法。3、本技术是通过以下技术方案得以实现的：4、一种智能医疗数据上传方法，包括以下步骤，5、采集医疗设备产生的当前医疗数据、患者填写的当前医疗数据和其他与医疗活动相关的当前医疗数据，得到初始医疗数据；6、接收所述初始医疗数据，并执行预设的格式处理，得到目标医疗数据；7、采用预设的增强学习模型对所述目标医疗数据进行预测，判断预设的发送端和预设的目的端之间的网络连接通道是否为最优上传路径，并结合预测结果，将所述目标医疗数据自动从与所述最优上传路径对应的所述发送端上传至对应的所述目的端；8、实时显示所述目标医疗数据的上传状态。9、本技术在一较佳示例中可以进一步配置为：所述增强学习模型的训练步骤包括，10、采集医疗设备产生的历史医疗数据、患者填写的历史医疗数据和其他与医疗活动相关的历史医疗数据，得到历史医疗数据，其中，所述历史医疗数据包括预设类型的历史医疗数据及其从发送端到目的端的总上传耗时和上传过程的失败次数；11、基于所述历史医疗数据，采用增强学习算法进行学习，训练得到增强学习模型，所述增强学习模型的输入数据包括预设类型的历史医疗数据及其从发送端到目的端的总上传耗时和上传过程的失败次数，所述增强学习模型的输出数据包括与目标类型的医疗数据匹配的含目标发送端和目标目的端的最优上传路径；12、获得满足预设精度要求的增强学习模型并输出。13、本技术在一较佳示例中可以进一步配置为：所述增强学习模型的训练步骤还包括，14、基于所述历史医疗数据优化训练所述增强学习模型，所述历史医疗数据还包括各历史医疗数据携带的时间属性信息和数据大小属性信息、对应的网络状况和服务器负载动态，所述增强学习模型的输入数据包括各历史医疗数据携带的时间属性信息和数据大小属性信息、对应的网络状况和服务器负载动态，所述增强学习模型的输出数据包括医疗数据上传策略；15、其中，所述医疗数据上传策略包括是否上传，以及，当网络满足预设的拥堵条件时，采用分块上传策略上传所述目标医疗数据；当网络满足预设的空闲条件时，采用整块上传策略上传所述目标医疗数据。16、本技术在一较佳示例中可以进一步配置为：还包括以下步骤，17、实时检测所述目标医疗数据的数据质量；18、当所述目标医疗数据中出现异常值或所述目标医疗数据处于异常模式时，触发预警机制。19、本技术在一较佳示例中可以进一步配置为：实时显示所述目标医疗数据的上传状态时，包括以下步骤，20、以仪表板、热力图或树状图形成可视化呈现。21、第二方面，本技术提供一种可视化智能医疗系统。22、本技术是通过以下技术方案得以实现的：23、一种可视化智能医疗系统，包括，24、数据采集模块，用于采集医疗设备产生的当前医疗数据、患者填写的当前医疗数据和其他与医疗活动相关的当前医疗数据，得到初始医疗数据；25、数据预处理模块，用于接收所述初始医疗数据，并执行预设的格式处理，得到目标医疗数据；26、智能上传模块，用于采用预设的增强学习模型对所述目标医疗数据进行预测，判断预设的发送端和预设的目的端之间的网络连接通道是否为最优上传路径，并结合预测结果，将所述目标医疗数据自动从与所述最优上传路径对应的所述发送端上传至对应的所述目的端；27、可视化展示模块，所述可视化展示模块包括数据上传状态显示区，所述数据上传状态显示区用于实时显示所述目标医疗数据的上传状态。28、本技术在一较佳示例中可以进一步配置为：所述智能上传模块包括，29、样本单元，用于采集医疗设备产生的历史医疗数据、患者填写的历史医疗数据和其他与医疗活动相关的历史医疗数据，得到历史医疗数据，其中，所述历史医疗数据包括预设类型的历史医疗数据及其从发送端到目的端的总上传耗时和上传过程的失败次数；30、训练单元，用于基于所述历史医疗数据，采用增强学习算法进行学习，训练得到增强学习模型，所述增强学习模型的输入数据包括预设类型的历史医疗数据及其从发送端到目的端的总上传耗时和上传过程的失败次数，所述增强学习模型的输出数据包括与目标类型的医疗数据匹配的含目标发送端和目标目的端的最优上传路径；31、模型单元，用于获得满足预设精度要求的增强学习模型并输出。32、本技术在一较佳示例中可以进一步配置为：所述智能上传模块还包括，33、强化单元，用于基于所述历史医疗数据优化训练所述增强学习模型，所述历史医疗数据还包括各历史医疗数据携带的时间属性信息和数据大小属性信息、对应的网络状况和服务器负载动态，所述增强学习模型的输入数据包括各历史医疗数据携带的时间属性信息和数据大小属性信息、对应的网络状况和服务器负载动态，所述增强学习模型的输出数据包括医疗数据上传策略；其中，所述医疗数据上传策略包括是否上传，以及，当网络满足预设的拥堵条件时，采用分块上传策略上传所述目标医疗数据；当网络满足预设的空闲条件时，采用整块上传策略上传所述目标医疗数据。34、本技术在一较佳示例中可以进一步配置为：所述可视化展示模块还包括数据质量监控区，所述数据质量监控区用于实时检测所述目标医疗数据的数据质量和异常预警。35、本技术在一较佳示例中可以进一步配置为：所述可视化展示模块还包括用户操作界面，所述用户操作界面用于与用户进行交互。36、综上所述，与现有技术相比，本技术提供的技术方案带来的有益效果至少包括：37、采集医疗设备产生的当前医疗数据、患者填写的当前医疗数据和其他与医疗活动相关的当前医疗数据，得到初始医疗数据，用于医疗数据的智能分析；按预设的格式处理初始医疗数据，得到目标医疗数据，以支持多种数据格式的医疗数据，解决不同厂家、不同系统之间的医疗数据格式和标准不统一的问题，有利于简化医疗数据的整合；以及采用预设的增强学习模型对目标医疗数据进行预测，判断预设的发送端和预设的目的端之间的网络连接通道是否为最优上传路径，并结合预测结果，将目标医疗数据自动从与最优上传路径对应的发送端上传至对应的目的端，能够自动选择最优上传路径，极大提高了医疗数据的上传效率；实时显示目标医疗数据的上传状态，直观形象；使得管理部门能够方便地进行监控和管理，改善了医疗数据的上传效率，能够及时发现并解决医疗数据的异常问题，从而提高了医疗数据的上传效率和可靠性。