患者主索引算法

1、Empi模块示意图：

主索引的计算基于区域内emr系统中的患者信息，不跨越，不涉及其他系统。empi 不作为单独的应用存在，而是作为区域emr的一个模块功能，可以向外提供接口。

2、empi主要功能点：

1)、主索引算法配置

包含参与运算的字段配置，各个字段的权重配置，以及对“符合”、“可疑”、“不符”等范围值的配置

主索引匹配分三个级别，分别为“符合”、“可疑”和“不符”，通过配置页面上的滑块控件来控制，三个级别的百分比之和为100%。如果字段权重相加之和在“符合”的区间内，则将该条基本信息与主索引关联，表明是同一个人；若在“可疑”区间内，则通过人工识别的方式判断是否关联；“不符”则新建索引。

动态配置参与运算的字段，可以通过设置其“点数”来计算他们的权重比例（权重比例之和总为100%），通过状态列来控制是否启用相应字段。

2)、对当前已有患者主索引计算的计划任务

体现在页面上是一个按钮，通过人工点击的方式触发计算任务。

这是一个后台静默运行的任务，一般是在第一次部署病人主索引模块后要执行的初始化动作（建议是放在夜间执行，以免影响系统性能，同时可降低线程并发引起的问题），可以考虑加上进度条监视，以及“暂停”、“恢复”等控制功能。

3)、新接入的病人通过调用

区域医疗 SOA 解决方案

第 3 部分: 建立居民主索引系统实现主数据管理

在新医改推行的区域医疗中，病人 / 居民在社区建有健康档案，在多家医院就诊，并与相关公卫机构有关系。而每个机构都有各自的身份标识，如何关联这些标识，为每个人建立完整的信息视图，这是 搭建电子健康档案系统的基础。Enterprise Master Person Index 支持采用 IHE PIX/PDQ 标准化方式，接收并管理人员信息和身份标识、提供查询和索引功能。InfoSphere Master Data Management Server 可以用来管理人员 / 组织主数据，拥有丰富的内置模型和管理服务，并提供灵活的扩展框架，这为构造 EMPI 提供了基础平台。文章将介绍病人信息的交互场景、HL7 和 IHE 相关标准、MDM Server 功能和扩展框架，EMPI 体系结构以及开发过程。

业务场景

随着中国新医改的推进，医疗卫生行业正受到前所未有的重视，医疗信息化建设逐渐成为 IT 市场的热点之一。实现以人为本的医疗服务体系，是新医改方案明确提出的目标。而发展区域卫生信息化，建立电子健康档案，整合医疗卫生信息资源，是实现目标的关键工作。

新 医改要建立以人为中

计 算 机 工 程 第 34 卷 第7期

Vol.34 No.7 Computer Engineering ·人工智能及识别技术·

文章编号：1000—3428(2008)07—0215—03

文献标识码：A

2008年4月

April2008

中图分类号：TP18

基于二维主成分分析的指纹识别算法

金莉莉，李勇平，汪勇旭，王 琳

（中国科学院上海应用物理研究所，上海 201800）

摘 要：提出一种基于指纹统计特性的识别算法。该算法根据奇异点的位置和方向，提取指纹图像的感兴趣区域(ROI)，并使用二维主成分分析(2DPCA)的方法进行统计特征的提取和识别。在FVC2002指纹数据库上进行实验，结果表明：相对于PCA，该方法的计算速度更快。相对于传统的基于特征点的方法，该方法的实现更为简便。 关键词：指纹识别；二维主成分分析；奇异点

Fingerprint Recognition Algorithm Based on Two-dimensional

Principal Component Analysis

JIN Li-li, LI Yong-pi

(一)深入浅出理解索引结构

实际上，您可以把索引理解为一种特殊的目录。微软的SQL SERVER提供了两种索引：聚集索引(clustered index，也称聚类索引、簇集索引)和非聚集索引(nonclustered index，也称非聚类索引、非簇集索引)。下面，我们举例来说明一下聚集索引和非聚集索引的区别：

其实，我们的汉语字典的正文本身就是一个聚集索引。比如，我们要查“安”字，就会很自然地翻开字典的前几页，因为“安”的拼音是“an”，而按照拼音排序汉字的字典是以英文字母“a”开头并以“z”结尾的，那么“安”字就自然地排在字典的前部。如果您翻完了所有以“a”开头的部分仍然找不到这个字，那么就说明您的字典中没有这个字;同样的，如果查“张”字，那您也会将您的字典翻到最后部分，因为“张”的拼音是“zhang”。也就是说，字典的正文部分本身就是一个目录，您不须要再去查其他目录来找到您须要找的内容。

我们把这种正文内容本身就是一种按照一定准则排列的目录称为“聚集索引”。

如果您认识某个字，您可以高速地从自典中查到这个字。但您也可能会遇到您不认识的字，不知道它的发音，这时候，您就不能按照刚才的要领找到您要查的字，而须要去根据“偏旁部首

评审因素索引表

序号 评分项目 对本招标需求（包括本信息化工程建设内容、目的及功能，所需设备性能指标及技术参数、供货时间，技术服务、技术合作等）的分析符合招标文件要求 ①质量管理的资源配置合理 质量管理制度能确保本工程质量 投标文件的章节、页码 1.1需求分析 1.2质量管理 与措施 1. 技术方案 1.3货物组件 （含软件）的配置 1.4安全管理体系 与措施 1.5环境保护管理 体系与措施 1.6工程进度 计划与措施 P 421 ～P 423 P 517 ～P 519 P 538 ～P 544 ②拟用信息采集、传输、处理以及信息管理权限（完善的系统管理和用户组策略）P 503 ～P 507 完全能满足本工程信息对安全性的要求 ③丰富的前端水雨情测报、符合水文规范的数据采集传输，后端防汛抗旱综合信息系统集成以及历史数据整合经验能满足和兼顾本工程整体信息化建设的需要。 ④成品质量检验措施符合国家规定； 所需设备交货开箱质量检验方法合理； 系统功能测试计划全面、具体 P 523 ～P 529 P 545 P 508 P 530 ～P 533 组件配置严格响应招标文件，拟采

Unique索引优化实践

胡月军(一浪)

Unique索引，有时也称Primary Key索引，顾名思义就是对于这个索引字段每个doc的值都是唯一的，如各种id字段：product id，customer id, campaign id和bidword id等。这种类型的索引一般用来进行高效的查询，最典型的应用场景就是进行附表join查询，即对主表中查到的每一个doc，都在附表中查询其对应的附表doc信息。所以，对这种类型的索引进行优化会对整体查询性能有很好的提升，特别是在主表查询的结果很多的情况下。本文主要总结一下对于这种类型索引的优化实践，包括全量和实时增量的情况。

我们知道，在全量建索引时，在内存中一般用开链的哈希表来存储Token的Hash值及其倒排链的信息。假设有N个不同的tokens，那么这个hash数组的大小一般是取第一个大于N*(5/3)的质数P。结构如下图所示：

图1: 全量索引在内存中的开链哈希表结构图

当一个段的索引建完以后，这个内存中的Hash表里面的tokens的哈希值及包含其倒排链和occ链等元信息的keyword terms一般被转成如下的三种数据结构之一存在文件中： 1.

《诗经》研究书目索引

《诗经》书目索引（晚清时期） 书目名称 作者姓名 出版单位 出版时间

毛诗韵例 丁以此 国粹学报总71期；国学卮林1期 1910-9 诗外别传 (明) 袁黄撰 吴江柳氏红格抄本 1910

诗经恒解(清） 刘沅辑注 预诚堂刻本；制福楼刊本 1910 王风笺题(清) 丁立诚撰 钱塘丁氏嘉惠堂铅印本 1910 诗经白话注 钱荣国 江阴礼延高等小学堂 1908 诗经白话注 钱荣国 江阴礼延高等小学堂 1908 诗不殄不瑕义 孙仲容 国粹学报总57期 1909-07

《诗经》书目索引（民国时期：1912——1931） 书目名称 作者姓名 出版单位 出版时间 读诗识名证义 金谷春 铅印本 1919 诗学质疑(清) 廖平撰 四川；存古书局 1918

诗纬新解(清) 廖平撰；黄鎔补证 四川：存古书局；四川：存古书局汇印本 1918 诗纬拾遗(清) 廖平撰 四川：存古书局 1918

乐诗考略 王国维 上海：仓圣明智大学排印本；广仓学宭丛书甲类第一集 1916 诗说标新(清) 狄郁撰 排印本 1916

易书诗礼四经正字考(清) 钟麐撰 吴兴刘氏嘉业堂刊本 1916 四益诗说 廖平 国学荟编 1915-3

评审因素索引表

序号 评分项目 对本招标需求（包括本信息化工程建设内容、目的及功能，所需设备性能指标及技术参数、供货时间，技术服务、技术合作等）的分析符合招标文件要求 ①质量管理的资源配置合理 质量管理制度能确保本工程质量 投标文件的章节、页码 1.1需求分析 1.2质量管理 与措施 1. 技术方案 1.3货物组件 （含软件）的配置 1.4安全管理体系 与措施 1.5环境保护管理 体系与措施 1.6工程进度 计划与措施 P 421 ～P 423 P 517 ～P 519 P 538 ～P 544 ②拟用信息采集、传输、处理以及信息管理权限（完善的系统管理和用户组策略）P 503 ～P 507 完全能满足本工程信息对安全性的要求 ③丰富的前端水雨情测报、符合水文规范的数据采集传输，后端防汛抗旱综合信息系统集成以及历史数据整合经验能满足和兼顾本工程整体信息化建设的需要。 ④成品质量检验措施符合国家规定； 所需设备交货开箱质量检验方法合理； 系统功能测试计划全面、具体 P 523 ～P 529 P 545 P 508 P 530 ～P 533 组件配置严格响应招标文件，拟采

维普资讯 http://www.77cn.com.cn

1 8

刊登电话：3卜8 6 5 5 0 1 7 0 10

本期供应产品索引(品索引按数字、音顺序捧列，品名后号码即供求单位编码 )产拼产65 01 HZ o 2 oO H0 021

14,-丁二醇1 0 H 00 2 2# 2

HD00 04

2 5钛白粉 1 HB 0 1 00 TX -1 0 2一吡啶甲酸 HD00 06 2一吡咯烷酮( 9 9%) HD0 1 03 2一二甲氨基氯乙烷盐酸盐阿霉素 HD 0 6 00、

P版 HZ 0 1 s 0 0 P版 HZ 0 1 s 0 0 P C树脂 HB 0 3 V 00H Z0 2 00

醋酸乙酯 HD 0 0 0 1醋酸乙酯 HD0 1 01醋酸乙酯 HD0 1 05醋酸正丙酯 HD0 0 04醋酸正丙酯 HD0 0 05醋酸正丙酯 HD0 0 09大黄酸 HZ 0 4 00 大苏打 H00 02道诺霉素 HZ 0 4 0 0点火油 H0 1 oO

HZ 0 4 0 0

2一二乙氨基氯乙烷盐酸盐H D 0 06 0

白乳胶 H02 03 2一氟乙醇 H 0 6 D00 白色素特浓 HB 0 4 00 2一氯乙醇 HD0 0 06保险粉

Unique索引优化实践

胡月军(一浪)

Unique索引，有时也称Primary Key索引，顾名思义就是对于这个索引字段每个doc的值都是唯一的，如各种id字段：product id，customer id, campaign id和bidword id等。这种类型的索引一般用来进行高效的查询，最典型的应用场景就是进行附表join查询，即对主表中查到的每一个doc，都在附表中查询其对应的附表doc信息。所以，对这种类型的索引进行优化会对整体查询性能有很好的提升，特别是在主表查询的结果很多的情况下。本文主要总结一下对于这种类型索引的优化实践，包括全量和实时增量的情况。

我们知道，在全量建索引时，在内存中一般用开链的哈希表来存储Token的Hash值及其倒排链的信息。假设有N个不同的tokens，那么这个hash数组的大小一般是取第一个大于N*(5/3)的质数P。结构如下图所示：

图1: 全量索引在内存中的开链哈希表结构图

当一个段的索引建完以后，这个内存中的Hash表里面的tokens的哈希值及包含其倒排链和occ链等元信息的keyword terms一般被转成如下的三种数据结构之一存在文件中： 1.