大数据在医用耗材管理系统中的应用与设计

梁敏

（江苏省常州市第一人民医院 江苏省常州市 213003）

1 引言

大数据是一种先进的分布式计算技术，其集成了云计算、机器学习、数据仓库等多种技术，可以从海量的数据中挖掘有价值的信息，提高人们决策的科学化和规范化。大数据目前已经在很多领域得到应用，比如电子政务、金融银行、电商网站、通信运营等，构建了各种类型的行业大数据平台，比如电子政务大数据平台、阿里巴巴大数据平台、华为大数据中心等，针对各行业数据进行集中化管理。

医用耗材管理系统经过运行和实践积累的数据非常多，这些数据中蕴含着很多有价值的知识信息，可以为医用耗材管理提供决策支撑，比如构建一个医用耗材合理应用和分析模型，该模型能够准确的分析某一个时段医用耗材的使用是否合理，同时分析不合理产生的原因，为科学使用医用耗材提供强大的智能化和数据化支撑。因此，本文首先分析医用耗材管理系统的功能，引入微服务架构设计对系统进行设计，同时构建一个大数据分析模型，提高医用耗材管理系统的智能化、共享化和自动化。

2 医用耗材管理系统分析与设计

2.1 医用耗材管理系统分析

医用耗材种类多、数量大，管理流程也非常复杂，不仅涉及到医院各科室的领用，还涉及到供应商的采购，传统的管理模式已经无法满足实际需求，因此本文提出利用先进的互联网、数据库等技术，设计一个医用耗材管理系统，该系统能够根据医院的耗材管理工作进行建模，导出系统的逻辑业务功能，并且使用微服务架构进行设计，不仅可以安装运行于PC 电脑，还可以部署在智能手机上，提高了医用耗材管理的信息化、共享化和移动化。医用耗材管理系统的逻辑业务功能如图1 所示。

合同管理是应用耗材管理系统的功能之一，医院可以与供应商签订采购合同，将其录入到系统中，一旦某一种材料需要发起采购，可以及时启动合同管理流程，签署合同信息。合同管理功能包括合同添加、合同修改、合同删除。采购管理可以为医院提供一个采购计划，根据医用耗材的使用情况，医院可以制作采购单，录入采购计划，包括采购的产品、数量、供应商，将其发送给医院领导审核，审核完毕之后可以发送给企业。耗材入库管理是指供应商根据采购订单将耗材发送到医院之后，医院需要检验和接受耗材并将其录入到系统，如果检验不合格，则可以发起耗材退单功能，由供应商审核通过之后进行退货处理；如果耗材检验合格，则可以将耗材入库。耗材领用管理是各科室根据医疗业务的开展，到医院库房领取耗材，根据领用的具体种类和数量，实现耗材的出库管理。发票管理提供医院对企业发过来的发票进行确认的功能，单击采购管理菜单下的发票管理，同时也可以实现采购发票的维护管理。二级库管理功能是指耗材管理系统为每一个科室提供了子库存管理功能，耗材领用到各个科室之后，耗材管理系统自动的将这些材料的数量和种类添加到二级库，各科室可以实时的管理每一个库存耗材。

图1：医用耗材管理系统总体功能设计

2.2 医用耗材管理系统设计

医院耗材管理系统的用户非常多，不仅包括PC 端用户，还包括智能手机、平板电脑等移动设备端用户，因此医院耗材管理系统需要提供可移植性和可靠性，本文提出引入微服务架构，该架构医院耗材管理系统划分为三个层次，分别是用户层、Web 服务层和数据层三个层次，微服务架构非常适用于医院耗材管理系统，因该架构更加适用于使用SQLServer 数据库、Access 数据库、JSP 动态页面交互技术等开发医院耗材管理系统，可显著提高医用耗材的展示和逻辑业务加工能力，改善数据插入、数据查询、数据删除、数据修改等的操作效率，提升医院耗材管理系统信息共享水平。微服务架构适用的用户层开发技术包括HTIM5 技术、JSP 技术、XML 技术和ASP .NET 技术，这些技术均可以提高用户层的可伸缩性、自适应能力。Web 服务层可以完成数据封装解析和处理功能，大大增强应用逻辑的解析处理能力。数据层可实现信息加工和存储，方便各类型的数据库接入系统。医院耗材管理系统采用微服务架构，数据处理接口采用组件技术，组件可以提供事务处理语句，封装数据库索引机制和存储程序机制。

图2：基于深度学习的医用耗材大数据应用模型

3 大数据在医用耗材管理系统的应用

医用耗材管理系统引入大数据技术，其可以分析医用耗材使用是否合理，也可以为耗材采购提供一个合理化、科学化的建议，提高耗材的使用成效。医用耗材管理系统引入的大数据技术包括很多，最初应用技术是贝叶斯分类、关联规则算法等，这些技术都需要为医用耗材知识挖掘的信息指定标签，需要掌握较多的专业背景知识，不利于提高大数据技术的医用耗材管理系统的应用体验效果。经过大数据学者和企业的应用实践，引入了K-means 算法、支持向量机等技术，这些大数据技术是无监督或半监督算法，因此不需要设置较多的参数，也不需要管理人员掌握较多的专业背景知识，因此可以提高医用耗材使用的成效。近年来，大数据应用技术又提出了深度学习、核聚类等，另外还引入了图聚类算法，这些算法能够更好地结合生活实践的应用范围，针对不同的用户进行改进，更加细分大数据的应用领域，一定程度上提高了大数据的应用体验和信息挖掘准确度。因此，本文以深度学习为应用算法，分析大数据在医用耗材管理中的应用流程。深度学习是一种非常先进的大数据技术，本文将其应用于医用耗材管理系统中，从中发现有价值的知识，为医用耗材合理应用和科学采购提供决策支撑。深度学习包括六个层次，分别是输入层、卷积层C1、池化层S1、卷积层C2、池化层S2、全连接层，利用卷积数学和神经网络学习的过程，增加了神经网络模型的训练精确度，能够提高神经网络识别信息的准确度。基于深度学习的医用耗材大数据应用模型如图2 所示。

深度学习在应用中的每一层的功能及作用描述如下。

3.1 输入层

医用耗材管理系统存储的数据非常多，比如耗材采购数据、耗材领用数据、二级库数据等，这些数据涉及到耗材的采购成本、应用成效和库存状况，因此深度学习算法挖掘和处理过程中，其可以从医用耗材管理系统服务器中查询和调取这些数据信息，使用归一化方法进行预处理，删除一些系数的数据或噪声数据，然后统一建模数据信息，实现数据的量纲统一，还可以实现数据挖掘快速性。

3.2 卷积层

深度学习算法的卷积层包括两个层次，C1 层可以完成局部关联操作，C2 可以完成窗口滑动操作。局部操作可以有效地过滤数据特征，能够将相似的特征合并在一起，缩小医用耗材数据处理的特征数量，从而可以避免发生过度拟合现象。窗口滑动操作可以完成特征选择或提取，从而可以分析医用耗材的数据特征，从而可以提高深度学习算法的收敛速度。目前，卷积层通常采用的卷积函数非常多，比如Sigmoid函数，可以快速的实现深度学习算法训练完成，同时可以大幅度提高医用耗材数据分析的精确程度。

3.3 池化层

池化层是深度学习的关键层，其主要是尽可能的压缩卷积神经网络处理的参数数量，以便能够提高深度学习算法的可移植性和可扩展性，避免深度学习算法发生过度的拟合。因此，池化层在医用耗材特征获取之后，可以针对这些特征进行平滑操作，计算特征的最大值和特征的最小值，从而可以利用平均值过滤数据，实现医用耗材数据的基因的处理操作。

3.4 全连接层

全连接层就是深度学习算法训练完成的一个分类器，这个分类器可以将训练的结果输出出来，并且可以为医用耗材管理系统的用户提供一个图形化的结果输出模式，比如期望的耗材成本控制信息、耗材采购科学数据等，以便能够加强医用耗材数据处理结果的可用性，避免医院管理者对学习到的结果不清楚或不明白等现象发生。

4 结束语

医用耗材管理系统引入大数据之后，可以根据应用主题，提取系统中的数据进行智能化分析，为合理使用和采购医用耗材提供科学决策支撑，提高了医院决策的准确度，进一步盘活医用耗材资源和利用成效。