top
请输入关键字
简介
内网地址(需登录堡垒机进行访问): http://10.92.2.39:6081/rdr/index.html
科研大数据平台包含数据处理和科研应用两大中心,其中数据处理中心主要采用ETL、NLP等技术对来自临床的业务系统数据进行清洗,包含数据建模、入库、装载、转换、脱敏等处理。目前已产出乳腺癌专病库、新冠专病库、结直肠癌专病库、抑郁症专病库、肾脏病专病库、食管癌专病库,并支持数据溯源及安全等级管理。科研应用中心则是在专病库数据的基础上,提供数据申请、资源申请、数据检索、数据挖掘分析、临床数据采集、项目管理、教培管理等应用工具。支持科研工作的顺利、高效开展,其中数据检索支持结构化的条件检索、事件检索、联合检索,以及非结构化数据的NLP分词检索。数据挖掘分析支持50+中常规分析算法、支持上传管理自定义分析算法。
专病库介绍
TEST无链接数据
TEST无简介数据
TEST无图集数据
TESTE测试数据...
DP新冠肺炎专病数...
DP抑郁症专病数据...
DP结直肠癌数据库...
DP肾病专病数据库
DP结直肠癌数据库...
建成乳腺癌专病数据库,包含1万余名患者约3480万条人口统计学信息、暴露/危险因素临床症状、患者月经生育史、患者住院记录、住院诊断、住院体格检查、住院影像、住院检验、住院诊疗计划、门诊/住院医嘱、现病史、出院小结以及随访等信息,全面挖掘数据价值应用,为后续乳腺癌诊疗与预防,以及科研提供数据支撑,以此建设科研专病数据库系统。
结合大数据治理技术,对大量数据清洗标化包括:数据抽取、数据转换、数据装载。深入结合医生团队,整合专业医学知识。使用NLP挖掘文本价值,将文本化病历形成结构化数据。数据清洗标化是不断重复的周期性的过程,为科研决策分析提供重要依据。

访问数据库

建成乳腺癌专病数据库,包含1万余名患者约3480万条人口统计学信息、暴露/危险因素临床症状、患者月经生育史、患者住院记录、住院诊断、住院体格检查、住院影像、住院检验、住院诊疗计划、门诊/住院医嘱、现病史、出院小结以及随访等信息,全面挖掘数据价值应用,为后续乳腺癌诊疗与预防,以及科研提供数据支撑,以此建设科研专病数据库系统。
结合大数据治理技术,对大量数据清洗标化包括:数据抽取、数据转换、数据装载。深入结合医生团队,整合专业医学知识。使用NLP挖掘文本价值,将文本化病历形成结构化数据。数据清洗标化是不断重复的周期性的过程,为科研决策分析提供重要依据。
访问数据库
测试alt

建成乳腺癌专病数据库,包含1万余名患者约3480万条人口统计学信息、暴露/危险因素临床症状、患者月经生育史、患者住院记录、住院诊断、住院体格检查、住院影像、住院检验、住院诊疗计划、门诊/住院医嘱、现病史、出院小结以及随访等信息,全面挖掘数据价值应用,为后续乳腺癌诊疗与预防,以及科研提供数据支撑,以此建设科研专病数据库系统。
结合大数据治理技术,对大量数据清洗标化包括:数据抽取、数据转换、数据装载。深入结合医生团队,整合专业医学知识。使用NLP挖掘文本价值,将文本化病历形成结构化数据。数据清洗标化是不断重复的周期性的过程,为科研决策分析提供重要依据。

建成乳腺癌专病数据库,包含1万余名患者约3480万条人口统计学信息、暴露/危险因素临床症状、患者月经生育史、患者住院记录、住院诊断、住院体格检查、住院影像、住院检验、住院诊疗计划、门诊/住院医嘱、现病史、出院小结以及随访等信息,全面挖掘数据价值应用,为后续乳腺癌诊疗与预防,以及科研提供数据支撑,以此建设科研专病数据库系统。
结合大数据治理技术,对大量数据清洗标化包括:数据抽取、数据转换、数据装载。深入结合医生团队,整合专业医学知识。使用NLP挖掘文本价值,将文本化病历形成结构化数据。数据清洗标化是不断重复的周期性的过程,为科研决策分析提供重要依据。

建成乳腺癌专病数据库,包含1万余名患者约3480万条人口统计学信息、暴露/危险因素临床症状、患者月经生育史、患者住院记录、住院诊断、住院体格检查、住院影像、住院检验、住院诊疗计划、门诊/住院医嘱、现病史、出院小结以及随访等信息,全面挖掘数据价值应用,为后续乳腺癌诊疗与预防,以及科研提供数据支撑,以此建设科研专病数据库系统。
结合大数据治理技术,对大量数据清洗标化包括:数据抽取、数据转换、数据装载。深入结合医生团队,整合专业医学知识。使用NLP挖掘文本价值,将文本化病历形成结构化数据。数据清洗标化是不断重复的周期性的过程,为科研决策分析提供重要依据。end
访问数据库
建成乳腺癌专病数据库,包含1万余名患者约3480万条人口统计学信息、暴露/危险因素临床症状、患者月经生育史、患者住院记录、住院诊断、住院体格检查、住院影像、住院检验、住院诊疗计划、门诊/住院医嘱、现病史、出院小结以及随访等信息,全面挖掘数据价值应用,为后续乳腺癌诊疗与预防,以及科研提供数据支撑,以此建设科研专病数据库系统。
结合大数据治理技术,对大量数据清洗标化包括:数据抽取、数据转换、数据装载。深入结合医生团队,整合专业医学知识。使用NLP挖掘文本价值,将文本化病历形成结构化数据。数据清洗标化是不断重复的周期性的过程,为科研决策分析提供重要依据。
访问数据库