基於雲平臺的遠程移動醫療管理方法與流程

2023-05-14 09:55:41

本發明涉及移動醫療領域，尤其涉及一種基於雲平臺的遠程移動醫療管理方法。

背景技術：

近年來，隨著移動網際網路的不斷發展以及智能終端技術的日益成熟，「移動醫療」的概念正在逐步被人們所熟知。移動醫療是一種通過患者處的醫療設備採集患者的血壓、心率等生理數據，並將這些生理數據藉助移動網際網路發送給醫生終端的新型醫療方式。例如，當前移動醫療可以幫助患者在家中通過移動終端或者電腦實現預約掛號、付費結算等醫療流程，極大地解決了患者距離醫院路程遠、排隊繳費等待時間長的問題。

雖然現有的移動醫療方式在一定程度上方便了患者，但是仍舊存在一些不足之處：患者通過移動終端接入醫院子系統進行預約掛號時，通常需要藉助移動終端輸入自己的基本信息，例如姓名、聯繫方式以及家庭住址，甚至身份證號等涉及個人隱私的信息，一旦不能對患者的個人隱私信息的數據進行有效保護，非常容易造成個人信息洩露，遭受各種騷擾電話、詐騙電話的幹擾，影響患者的就診心情；雖然有些醫療設備可以採集患者的生理數據，但是醫療設備並不對採集的生理數據作出針對病症診斷有實際價值的處理，而是直接發送給醫院，以完全由醫生作出最終的病症診斷，雖然方便了患者，但是也給醫生結合大量生理數據診斷各患者的病症造成了難題，醫生往往需要耗費大量的時間才能完成對每一個患者的病症診斷，這樣仍然降低了醫療效率；由於移動網際網路實現了位於不同地區的患者與醫生的移動互聯，導致醫生面對患者的疑難雜症時不能作出有效的全面研判，卻忽略了患者的諸如性別、年齡、出生地、工作地、居住地以及職業等患者個人信息因素對患者病症的影響，從而使得醫生診斷出的患者病症不夠準確。

技術實現要素：

本發明所要解決的技術問題是針對上述現有技術提供一種基於雲平臺的遠程移動醫療管理方法。該遠程移動醫療管理方法既能夠有效保護患者在移動醫療過程中的個人隱私信息數據，藉助患者處的移動客戶端初步作出對醫生診斷病症有價值的參考信息，又可將患者的性別、年齡、出生地、工作地、居住地以及職業等患者個人信息因素作出綜合權衡後，提供給醫生準確診斷疑難病症有實際參考價值的信息，提高移動醫療質量。

本發明解決上述技術問題所採用的技術方案為：基於雲平臺的遠程移動醫療管理方法，用於包括有患者生理數據採集儀、患者移動客戶端、醫生客戶端、醫院服務子系統、藥店服務子系統以及雲平臺所形成的遠程移動醫療管理系統，患者生理數據採集儀連接患者移動客戶端，患者移動客戶端和醫生客戶端分別連接醫院服務子系統，醫院服務子系統和藥店服務子系統分別連接雲平臺；其特徵在於，所述基於雲平臺的遠程移動醫療管理方法包括如下步驟1至步驟9：

步驟1，醫院通過醫院服務子系統在雲平臺處註冊登記以獲得用戶名和登錄密碼，並登記醫院信息以及醫院內的所屬醫生信息；患者通過患者移動客戶端在雲平臺處註冊登記以獲得用戶名和登錄密碼，且登記患者自身的患者信息和聯繫電話；藥店通過藥店服務子系統在雲平臺處註冊登記以獲得用戶名和登錄密碼，並登記該藥店中各藥品的信息及對應價格；雲平臺對醫院服務子系統、患者以及藥店服務子系統對應的用戶名和登錄密碼分別作加密處理；患者信息至少包括患者的性別信息、年齡信息、出生地信息、工作地信息、居住地信息、職業信息、學歷信息、病史信息、身高信息和體重信息；

其中，雲平臺加密用戶名和登錄密碼的過程包括如下步驟1-1至步驟1-5：

步驟1-1，雲平臺生成供用戶填寫註冊登記信息的註冊頁面，並提供專門供上傳用戶頭像圖片的圖片添加控制項；所述註冊頁面上設置有供用戶註冊登記的註冊操作時限，以使用戶只能在限定的註冊操作時限內完成註冊登記過程；其中，雲平臺預先限定所添加圖片像素值的最大值為pixelsmax；註冊頁面具有供輸入用戶名的用戶名輸入框以及供鍵入登陸密碼的u個按照預設順序排列的數值密碼框；設定排序號為u的第u個數值密碼框中所鍵入的數值為qu；0≤qu≤9；6≤u≤10；1≤u≤u；

步驟1-2，用戶在填寫完畢包括用戶名和登錄密碼的註冊信息後，通過註冊頁面上的圖片添加控制項將用戶選擇的頭像圖片添加到雲平臺，並由雲平臺存儲用戶所填寫的用戶名；

步驟1-3，雲平臺提取用戶所添加頭像圖片的像素值，並得到所添加頭像圖片的高度值、寬度值以及所添加頭像圖片的特徵值；所添加頭像圖片記為jpg，所添加頭像圖片jpg的像素值記為pixelsjpg；所添加頭像圖片jpg的高度值記為highjpg，所添加頭像圖片jpg的寬度值記為widthjpg；所添加頭像圖片jpg的特徵值記為featurejpg；

步驟1-4，雲平臺根據用戶所添加頭像圖片的特徵值以及用戶在各數值密碼框中鍵入的數值，分別計算各鍵入數值與所添加頭像圖片特徵值之間的差值，並以所得到的差值集合作為用戶的登錄密碼；其中，用戶的登錄密碼標記為password；password＝{differu}；differu＝qu-featurejpg；differu表示第u個數值密碼框中所鍵入的數值qu與所添加頭像圖片特徵值featurejpg之間的差值；

步驟1-5，雲平臺監測到用戶試圖通過輸入密碼的形式再次登錄時，雲平臺在判斷當前用戶名和對應該用戶的頭像圖片已經被雲平臺存儲且用戶在各數值密碼框中輸入的數值均對應滿足步驟1-4中的差值集合時，則雲平臺認定用戶鍵入了正確的用戶名和對應的登錄密碼；否則，雲平臺拒絕用戶登錄到該雲平臺的系統中；

步驟2，利用患者生理數據採集儀按照預設採集周期採集患者的各種預先設定的生理數據，並將採集的各種生理數據值作為患者生理數據值集合發送給患者移動客戶端處理；其中，患者生理數據值集合標記為s，s＝{pi}，i＝1,2…,i；預設採集周期標記為t，採集到的生理數據值標記為n＝1,2,…,n；pi表示在患者生理數據值集合s中的第i種生理數據的名稱，i表示患者生理數據值集合s中生理數據的種類個數；n表示在採集周期t內所採集到的生理數據pi的總個數，表示針對生理數據pi在採集周期t內所採集到的第n個生理數據值；所要採集的生理數據種類由患者生理數據採集儀預先設定；

步驟3，在患者成功登陸患者移動客戶端後，患者移動客戶端根據所接收的患者生理數據值集合以及患者信息，生成對應患者本人的生理數據病症曲線以及得到對應患者各種生理數據的病症異樣參考值；其中，患者本人的生理數據病症曲線方程以及患者的病症異樣參考值計算公式如下：

f(·)表示生理數據病症曲線方程，ε0表示預設的生理數據病症篩選閾值，表示對應患者生理數據pi的病症異樣參考值；表示在採集周期t內所對應患者生理數據pi的均值，表示針對生理數據pi處於正常狀態時的偏移量常量；

步驟4，雲平臺在預設時期內提取在該雲平臺已註冊的所有患者的患者信息，並根據各患者的性別信息、年齡信息、出生地信息、工作地信息、居住地信息、職業信息、學歷信息、病史信息、身高信息和體重信息生成針對所有患者的預診病症模型，由雲平臺根據所得預診病症模型以及當前患者所登記的患者信息，得到當前患者的預診病症，以供當前患者初步了解自己的病症情況；其中，預診病症模型標記為symptom：

symptom＝{symptomg}，g＝1,2,…,g；

其中，symptomg表示雲平臺得出的第g種預診病症，g表示雲平臺所能得出預診病症的總種類數；patientw表示第w個患者，w表示在雲平臺處已註冊的所有患者的總個數；symptom'w表示患者patientw已經經醫生確認的病症名稱，genderw表示患者patientw的性別信息，agew表示患者patientw的年齡信息，bornplacew表示患者patientw的出生地信息，workplacew表示患者patientw的工作地信息，residencew表示患者patientw的居住地信息，jobw表示患者patientw的職業信息，educationw表示患者patientw的學歷信息，medicalhistoryw表示患者patientw患過病症symptom'w的病史信息，heightw表示患者patientw的身高信息，weightw表示患者patientw的體重信息；表示在雲平臺處已註冊且與患者patientw同性別且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同年齡且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同出生地且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同工作地且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同居住地且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同職業且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同學歷且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同樣具有病史且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同樣身高且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同樣體重且患有symptom'w病症的患者總個數；和所指的個數中均包括有患者patientw；σ0～σg均為雲平臺預設的預診病症分類常量；

步驟5，患者移動客戶端將其所屬患者的患者信息、患者生理數據值集合及所得對應病症異樣參考值發送至雲平臺，由雲平臺按照預設轉發準則將患者信息、患者生理數據值集合、對應的病症異樣參考值以及步驟4中雲平臺所得該患者的預診病症在數據網絡通暢時啟動發送程序並發送給對應的醫院服務子系統；其中，雲平臺的預設轉發準則如下：

表示預設的對應患者生理數據pi的病症異樣判決閾值，hospitalopt表示患者評價係數最高的醫院，min(·)表示取最小值，scorem表示第m個患者對醫院的評價打分值，m表示在雲平臺處已註冊且給醫院作評價打分的患者總個數，表示在已知時間段t1內所有m個患者對醫院評價打分的平均值，表示在已知時間段t1內患者對醫院評價打分的波動值，表示醫院在已知時間段t1內的醫療事故率；hospitaldisopt表示在雲平臺處註冊且除去患者評價係數最高醫院後而剩餘的醫院；→表示雲平臺針對患者信息、患者生理數據值集合以及對應病症異樣參考值的轉發方向；

步驟6，各醫院的醫院服務子系統在至少接收到兩次雲平臺轉發的患者信息、患者生理數據值集合以及對應的病症異樣參考值後，醫院服務子系統自動提取患者的病症特徵信息，並根據所提取患者的病症特徵信息發送至所屬醫院中對應該病症的初診科室的醫生客戶端，由初診科室的初診醫生對患者當前病症做出初診結論，並將初診結論、患者的初診序號以及患者數據轉發給與初診結論相對應的專家科室的醫生客戶端；所述患者數據包括了患者信息、患者生理數據值集合以及對應的病症異樣參考值；其中，所述醫院服務子系統自動提取患者病症特徵信息的過程包括如下步驟6-1至步驟6-4：

步驟6-1，醫院服務子系統根據云平臺所轉發患者信息、患者生理數據值集合以及對應的病症異樣參考值的次數，得到患者上一次各生理數據的前置偏差值；其中：

表示患者第k次時所對應生理數據pi的前置偏差值；k表示雲平臺所轉發患者信息、患者生理數據值集合以及對應病症異樣參考值的次數；表示針對生理數據pi處於正常狀態時的偏移量常量；

步驟6-2，醫院服務子系統根據云平臺所轉發患者信息、患者生理數據值集合以及對應的病症異樣參考值的次數，得到患者至當前次數時各生理數據的後置偏差值；其中：

表示患者第k+1次時所對應生理數據pi的後置偏差值；k+1表示當前雲平臺所轉發患者信息、患者生理數據值集合以及對應病症異樣參考值的次數；表示針對生理數據pi處於正常狀態時的偏移量常量；

步驟6-3，醫院服務子系統分別預設各生理數據的病症特徵判決閾值，並且醫院服務子系統根據所得患者各生理數據對應的前置偏差值和後置偏差值，得到患者對應生理數據的突發偏差值；其中：表示對應患者生理數據pi的突發偏差值，表示對應患者生理數據pi的前置偏差值，表示對應患者生理數據pi的後置偏差值；對應生理數據pi的病症特徵判決閾值標記為

步驟6-4，醫院服務子系統根據所得患者各生理數據的突發偏差值以及預設的各生理數據的病症特徵判決閾值分別進行病症判斷，以判斷患者是否出現病症：

當時，表示患者的生理數據pi出現異常，則醫院服務子系統指示患者出現了對應生理數據pi的病症；當時，表示患者的生理數據pi未出現異常，則醫院服務子系統指示患者的生理數據pi正常；

步驟7，專家科室中的專家醫生利用自己的醫生客戶端接收初診科室發送來的初診結論、患者的初診序號以及患者信息，並建立患者在該醫院的電子就診病歷，同時由該醫生客戶端對患者的電子就診病歷做加密處理，以保護患者個人隱私信息；其中，所述醫生客戶端加密處理患者的電子就診病歷過程包括如下步驟7-1至步驟7-4：

步驟7-1，醫生客戶端預先存儲所屬專家醫生的電子防偽籤章彩色圖片，並以電子防偽籤章彩色圖片作為醫生開具電子就診病歷的審核憑證；其中，所述專家醫生的電子防偽籤章彩色圖片記為j＝1,2,…,j，j表示醫院服務子系統所賦予專家醫生的電子籤章序號，j表示醫院服務子系統所賦予各專家醫生的總的電子籤章個數；doctj表示擁有電子籤章序號為j的醫生；

步驟7-2，醫生客戶端獲取專家醫生電子防偽籤章彩色圖片中各顏色的灰度色階值以及電子防偽籤章彩色圖片的高度值和寬度值，得到專家醫生電子防偽籤章彩色圖片的籤章防偽指數；其中，專家醫生對應的籤章防偽指數記為專家醫生電子防偽籤章彩色圖片中顏色的灰度色階值記為電子防偽籤章彩色圖片的高度值記為電子防偽籤章彩色圖片的寬度值記為

其中，v是指專家醫生電子防偽籤章彩色圖片中所有顏色的總種類數，表示第v種顏色在電子防偽籤章彩色圖片中的灰度色階值；

步驟7-3，醫生客戶端將所得所述專家醫生對應的籤章防偽指數發送給醫院服務子系統存儲備案，並且同時由醫院服務子系統將備案的該專家醫生的籤章防偽指數和醫院服務子系統的身份信息整合，以得到供患者查閱電子就診病歷的驗證碼信息；其中，對應所述電子就診病歷的驗證碼信息標記為hospitoldoctj表示專家醫生doctj所供職的醫院服務子系統，tdoctj表示專家醫生的籤章防偽指數的有效時間值；

步驟7-4，醫生客戶端將供患者查閱電子就診病歷的驗證碼信息以簡訊息的形式發送給患者在雲平臺留下聯繫電話的移動終端中，以實現患者在籤章防偽指數的有效時間內通過雲平臺查閱自己的電子就診病歷；

步驟8，專家醫生處的醫生客戶端分別提取接收的患者的各種生理數據值，並將提取的各種生理數據值分別與對應的正常生理數據值做比對判斷，以供專家醫生決定是否對當前患者做出遠程診療，並由專家醫生處的醫生客戶端得出患者各生理數據的異樣值，以幫助專家醫生提前了解患者的生理數據變化情況；其中，患者生理數據pi的異樣值記為ζpi：

n'表示專家醫生處的醫生客戶端在時間段t1內所接收患者生理數據pi的個數，表示在時間段t1內患者生理數據pi的波動值，表示專家醫生處的醫生客戶端針對正常人群的生理數據pi已經預先設定好的正常波動常量；

當患者生理數據集合中的任一種生理數據未處於該種生理數據的正常範圍內時，則專家醫生處的醫生客戶端做出告警提醒；否則，專家醫生處的醫生客戶端不予告警；

步驟9，專家醫生通過醫生客戶端對患者做出遠程就診邀請且在患者完成遠程就診確認後，專家醫生通過其醫生客戶端在醫院服務子系統處對確認遠程就診的患者進行備案；在患者支付診斷費用後，專家醫生診斷患者病症並將針對患者病症開出的包括有該專家醫生執業信息的電子處方分別提供給雲平臺以及該專家醫生所屬的醫院服務子系統進行實時備案；患者通過患者移動客戶端登錄雲平臺以查看專家醫生給出的電子處方，並按照電子處方在雲平臺所提供的已備案的藥店服務子系統處購買藥物，完成遠程移動醫療過程。

進一步地，所述醫院信息包括有醫院簡介、醫院科室、各科室擅長診斷方向以及經物價部門審核通過的費用價格信息，醫生信息包括醫生姓名、所屬科室、職稱、擅長診斷方向、以及聯繫方式；患者信息至少包括有患者姓名、身份證號、年齡、性別、既往病史、過敏原信息以及患者的親屬聯繫方式；所述電子處方至少包括了患者姓名、專家醫生姓名、專家醫生執業證號、患者病症、遠程就診時間、費用支付清單以及藥物清單。

與現有技術相比，本發明的優點在於：

首先，在保護用戶個人隱私信息方面，雲平臺根據用戶所添加頭像圖片的像素值、高度值和寬度值計算得到的所添加頭像圖片的特徵值來表徵所添加頭像圖片的信息，可以幫助雲平臺認證用戶的頭像圖片，以便於在用戶登錄雲平臺時，雲平臺根據頭像圖片來認證用戶在該雲平臺處的合法身份，以提供給已註冊合法用戶登錄雲平臺參與遠程移動醫療活動；

針對傳統移動醫療中主要通過單純利用數字或字母方式加密針對用戶登陸信息的方式，本發明將用戶所添加頭像圖片的特徵值與各數值密碼框中的數值作差值計算，並以所得差值作為認證登陸密碼的最終判定參數；由於計算針對用戶的所添加頭像圖片的特徵值已經增加了非法者的破解難度，用戶在每個數值密碼框中鍵入的數值也是隨機無序且難以破解的，此處又將均具有破解難度的所添加頭像圖片的特徵值與各數值密碼框中的數值作差值計算，大大增加了用戶登錄密碼的安全性能，真正確保了對用戶個人隱私信息的保護；

其次，患者移動客戶端根據患者生理數據值集合和患者信息所生成的患者本人的生理數據病症曲線，可以幫助患者自主了解自己的生理數據情況，經由患者移動客戶端所生成的各種生理數據的病症異樣參考值可以作為重要的參考信息提供給醫生進行診斷參考，這就在保證醫生診斷質量的前提下，提高了醫生的診斷效率；

再次，雲平臺通過藉助基於已註冊患者信息的大數據信息，將大量患者的性別信息、年齡信息、出生地信息、工作地信息、居住地信息、職業信息、學歷信息、病史信息、身高信息和體重信息綜合考慮在內，形成具有更加代表性的預診病症模型，這可以幫助醫生了解具體某一地區、具體性別、具體職業、具體學歷和具體年齡段等信息對應的患者群體所容易得的疾病，幫助醫生了解患者可能患有的其他病症，進而提高醫生對患者病症的診斷效率；另外，通過雲平臺預先設置轉發準則以及預先設定的病症異樣判決閾值，可以將病症異樣非常明顯的患者交由評價係數最高的醫院進行診斷，以避免耽誤患者的及時準確治療，這在一定程度上也實現了對患者群體遠程醫療的分流，有效平衡地降低了各醫院所承受的診斷量；

最後，本發明設置針對生理數據的突發偏差值這一參數，可以了解患者生理數據的變化波動情況，以在第一時間及時將生理數據變化波動情況提供給醫生參考，避免患者因出現突發性的疾病危害患者身體健康。

附圖說明

圖1為本發明實施例中基於雲平臺的遠程移動醫療管理方法流程示意圖。

具體實施方式

以下結合附圖實施例對本發明作進一步詳細描述。

如圖1所示，本實施例中基於雲平臺的遠程移動醫療管理方法，用於包括有患者生理數據採集儀、患者移動客戶端、醫生客戶端、醫院服務子系統、藥店服務子系統以及雲平臺所形成的遠程移動醫療管理系統，患者生理數據採集儀連接患者移動客戶端，患者移動客戶端和醫生客戶端分別連接醫院服務子系統，醫院服務子系統和藥店服務子系統分別連接雲平臺；本實施例中的患者生理數據採集儀選擇通過無線方式連接患者移動客戶端，以方便患者在家中任意有效地通信範圍內進行遠程移動醫療；無線方式優選藍牙通信方式；患者移動客戶端可以採用智慧型手機或者平板電腦。具體地，本實施例中基於雲平臺的遠程移動醫療管理方法包括如下步驟1至步驟9：

步驟1，醫院通過醫院服務子系統在雲平臺處註冊登記以獲得用戶名和登錄密碼，並登記醫院信息以及醫院內的所屬醫生信息；患者通過患者移動客戶端在雲平臺處註冊登記以獲得用戶名和登錄密碼，且登記患者自身的患者信息和聯繫電話；藥店通過藥店服務子系統在雲平臺處註冊登記以獲得用戶名和登錄密碼，並登記該藥店中各藥品的信息及對應價格；雲平臺對醫院服務子系統、患者以及藥店服務子系統對應的用戶名和登錄密碼分別作加密處理；雲平臺實際上是為醫院與患者提供了一個信息交流的平臺，並且雲平臺本身又可以處理醫生、醫院和患者的信息；患者信息至少包括患者的性別信息、年齡信息、出生地信息、工作地信息、居住地信息、職業信息、學歷信息、病史信息、身高信息和體重信息；醫院信息包括有醫院簡介、醫院科室、各科室擅長診斷方向以及經物價部門審核通過的費用價格信息，醫生信息包括醫生姓名、所屬科室、職稱、擅長診斷方向、以及聯繫方式；患者信息至少包括有患者姓名、身份證號、年齡、性別、既往病史、過敏原信息以及患者的親屬聯繫方式。具體地，雲平臺加密用戶名和登錄密碼的過程包括如下步驟1-1至步驟1-5：

步驟1-1，雲平臺生成供用戶填寫註冊登記信息的註冊頁面，並提供專門供上傳用戶頭像圖片的圖片添加控制項；通過註冊頁面上的圖片添加控制項，例如醫院、藥店和患者等用戶可以選擇自己喜愛的圖片作為自己登陸雲平臺時的用戶頭像；在註冊頁面上設置有供用戶註冊登記的註冊操作時限，以使用戶只能在限定的註冊操作時限內完成註冊登記過程；例如，設置註冊操作時限為10分鐘，那麼用戶必須在10分鐘之內完成註冊信息填寫過程，一旦用戶註冊操作超過10分鐘，用戶則需要在註冊頁面上重新填寫註冊信息；其中，雲平臺預先限定所添加圖片像素值的最大值為pixelsmax，所添加圖片像素值超過該預先設定的像素最大值pixelsmax時，雲平臺的註冊頁面會提示當前圖片不能上傳；註冊頁面具有供輸入用戶名的用戶名輸入框以及供鍵入登陸密碼的u個按照預設順序排列的數值密碼框；設定排序號為u的第u個數值密碼框中所鍵入的數值為qu；0≤qu≤9；6≤u≤10；1≤u≤u；設置6≤u≤10的目的在於，根據需要規定用戶登錄雲平臺時的密碼為6位密碼或者7位密碼或者8位密碼或者9位密碼或者10位密碼，例如設置u＝10時，說明用戶登錄雲平臺時的密碼為10位數值，密碼的位數越多，被他人非法破解的難度就越大；例如，在雲平臺規定的7位密碼中，即u＝7時，用戶在排序號為2的第2個數值密碼框中鍵入了數值5，即此時的q2＝5；

步驟1-2，用戶在填寫完畢包括用戶名和登錄密碼的註冊信息後，通過註冊頁面上的圖片添加控制項將用戶選擇的頭像圖片添加到雲平臺，由雲平臺存儲用戶所填寫的用戶名；

步驟1-3，雲平臺提取用戶所添加頭像圖片的像素值，並得到所添加頭像圖片的高度值、寬度值以及所添加頭像圖片的特徵值；所添加頭像圖片記為jpg，所添加頭像圖片jpg的像素值記為pixelsjpg；所添加頭像圖片jpg的高度值記為highjpg，所添加頭像圖片jpg的寬度值記為widthjpg；所添加頭像圖片jpg的特徵值標記為featurejpg；

雲平臺根據所添加頭像圖片的像素值、高度值和寬度值而計算得到的所添加頭像圖片的特徵值來表徵所添加頭像圖片的信息，幫助雲平臺對用戶的頭像圖片進行認證，以便於在用戶後續登錄雲平臺時，由雲平臺根據頭像圖片認證用戶在該平臺的合法身份；

步驟1-4，雲平臺根據用戶所添加頭像圖片的特徵值以及用戶在各數值密碼框中鍵入的數值，分別計算各鍵入數值與所添加頭像圖片特徵值之間的差值，並以所得到的差值集合作為用戶的登錄密碼；其中，用戶的登錄密碼標記為password；password＝{differu}；differu＝qu-featurejpg；differu表示第u個數值密碼框中所鍵入的數值qu與所添加頭像圖片特徵值featurejpg之間的差值；傳統移動醫療中，主要是通過單純利用數字或字母的方式進行針對用戶登陸信息的加密；本發明中將用戶所添加頭像圖片的特徵值與各數值密碼框中的數值進行差值計算，並以所得差值作為認證登陸密碼的最終判定參數；由於針對用戶的所添加頭像圖片的特徵值的計算過程已經增加了非法者的破解難度，用戶在每個數值密碼框中鍵入的數值也是隨機無序且難以破解的，此處又將均具有破解難度的所添加頭像圖片的特徵值與各數值密碼框中的數值作差值計算，從而大大地增加了用戶登錄密碼的安全性能；

步驟1-5，雲平臺監測到用戶試圖通過輸入密碼的形式再次登錄時，雲平臺在判斷當前用戶名和對應該用戶的頭像圖片已經被雲平臺存儲且用戶在各數值密碼框中輸入的數值均對應滿足步驟1-4中的差值集合時，則雲平臺認定用戶鍵入了正確的用戶名和對應的登錄密碼；否則，雲平臺拒絕用戶登錄到該雲平臺的系統中；

步驟2，利用患者生理數據採集儀按照預設採集周期採集患者的各種預先設定的生理數據，並將採集的各種生理數據值作為患者生理數據值集合發送給患者移動客戶端處理；例如，患者生理數據採集儀所採集的患者生理數據可以是血糖數據或血壓數據或血脂數據或心率數據或脈搏數據或肺活量數據或體溫數據，或者是血糖數據、血壓數據、血脂數據、心率數據、脈搏數據、肺活量數據以及體溫數據的任意組合；其中，患者生理數據值集合標記為s，s＝{pi}，i＝1,2…,i；預設採集周期標記為t，採集到的生理數據值標記為n＝1,2,…,n；pi表示在患者生理數據值集合s中的第i種生理數據的名稱，i表示患者生理數據值集合s中生理數據的種類個數；n表示在採集周期t內所採集到的生理數據pi的總個數，表示針對生理數據pi在採集周期t內所採集到的第n個生理數據值；採集的生理數據種類由患者生理數據採集儀預先設定；

例如，患者生理數據採集儀所採集的患者生理數據是血糖數據、血壓數據、血脂數據和心率數據時，此時對應的患者生理數據集合s為{血糖數據，血壓數據，血脂數據，心率數據}；對應的，在此時的患者生理數據集合s中，p1表示血糖數據，p2表示血壓數據，p3表示血脂數據，p4表示心率數據；此時患者生理數據集合s中生理數據的種類個數i＝4；如果患者生理數據採集儀在採集周期t內所採集到的生理數據p1的總個數n＝10，那麼表示針對生理數據p1，即針對血糖數據在採集周期t內所採集到的第2個生理數據值；其中，在步驟2中，患者生理數據採集儀所採集的生理數據可以根據需要選擇為血糖數據或血壓數據或血脂數據或心率數據或脈搏數據或肺活量數據或體溫數據，或者是血糖數據、血壓數據、血脂數據、心率數據、脈搏數據、肺活量數據及體溫數據的任意組合。

步驟3，在患者成功登陸患者移動客戶端後，患者移動客戶端根據所接收的患者生理數據值集合以及患者信息，生成對應患者本人的生理數據病症曲線以及得到對應患者各種生理數據的病症異樣參考值；其中，患者本人的生理數據病症曲線方程以及患者的病症異樣參考值計算公式如下：

f(·)表示生理數據病症曲線方程，ε0表示預設的生理數據病症篩選閾值，表示對應患者生理數據pi的病症異樣參考值；表示在採集周期t內所對應患者生理數據pi的均值，表示針對生理數據pi處於正常狀態時的偏移量常量；

患者移動客戶端根據患者生理數據值集合和患者信息所生成的患者本人的生理數據病症曲線，可以幫助患者自主地了解自己的生理數據情況，且經由患者移動客戶端所生成的各種生理數據的病症異樣參考值可以作為重要的參考信息提供給醫生進行診斷參考，這就在保證醫生診斷病症質量的前提下，提高了醫生的診斷準確率和診斷效率；

步驟4，雲平臺在預設時期內提取在該雲平臺已註冊的所有患者的患者信息，並根據各患者的性別信息、年齡信息、出生地信息、工作地信息、居住地信息、職業信息、學歷信息、病史信息、身高信息和體重信息生成針對所有患者的預診病症模型，由雲平臺根據所得預診病症模型以及當前患者所登記的患者信息，得到當前患者的預診病症，以供當前患者初步了解自己的病症情況；其中，預診病症模型標記為symptom：

symptom＝{symptomg}，g＝1,2,…,g；

其中，symptomg表示雲平臺得出的第g種預診病症，g表示雲平臺所能得出預診病症的總種類數；patientw表示第w個患者，w表示在雲平臺處已註冊的所有患者的總個數；symptom'w表示患者patientw已經經醫生確認的病症名稱，此處的病症名稱symptom'w是一個具體的、確定的疾病名稱；genderw表示患者patientw的性別信息，agew表示患者patientw的年齡信息，bornplacew表示患者patientw的出生地信息，workplacew表示患者patientw的工作地信息，residencew表示患者patientw的居住地信息，同一患者的出生地、工作地和居住地不一定是完全相同的；jobw表示患者patientw的職業信息，educationw表示患者patientw的學歷信息，medicalhistoryw表示患者patientw患過病症symptom'w的病史信息，heightw表示患者patientw的身高信息，weightw表示患者patientw的體重信息；表示在雲平臺處已註冊且與患者patientw同性別且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同年齡且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同出生地且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同工作地且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同居住地且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同職業且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同學歷且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同樣具有病史且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同樣身高且患有symptom'w病症的患者總個數，表示在雲平臺處已註冊且與患者patientw同樣體重且患有symptom'w病症的患者總個數；和所指的個數中均包括有患者patientw；σ0～σg均為雲平臺預設的預診病症分類常量；

在本實施例中，雲平臺通過藉助基於已在該平臺註冊的患者信息的大數據信息，並且將大量患者的性別信息、年齡信息、出生地信息、工作地信息、居住地信息、職業信息、學歷信息、病史信息、身高信息和體重信息綜合考慮在內，以形成具有更加代表性的預診病症模型，這可以後續幫助醫生了解具體某地區、具體性別、具體職業、具體學歷情況和具體年齡段等信息對應患者群體所容易得的疾病；

例如，針對老年人群體，容易患高血壓、高血糖等疾病；針對中年人群體，容易患頸椎病、腰椎間盤突出等疾病；針對貧困偏遠地區的群體，容易患營養性缺失的疾病，例如甲亢或者佝僂病；針對辦公室類的人員群體，容易患頸椎病或肥胖病；此處通過雲平臺挖掘大量患者的信息而生成的預診病症模型，極大地方便了醫生在不知道患者具體信息的前提下，能夠由雲平臺提前對患者當前可能患的疾病種類進行一個準確的定位判斷，以提供準確的疾病參考信息給患者本人和醫生，幫助患者初步了解自己的病症情況，幫助醫生了解患者可能患有的其他病症，進而提高醫生對患者病症的診斷效率；

步驟5，患者移動客戶端將其所屬患者的患者信息、患者生理數據值集合及所得對應病症異樣參考值發送至雲平臺，由雲平臺按照預設轉發準則將患者信息、患者生理數據值集合、對應的病症異樣參考值以及步驟4中雲平臺所得該患者的預診病症在數據網絡通暢時啟動發送程序並發送給對應的醫院服務子系統；雲平臺的預設轉發準則如下：

表示預設的對應患者生理數據pi的病症異樣判決閾值，hospitalopt表示患者評價係數最高的醫院，min(·)表示取最小值，scorem表示第m個患者對醫院的評價打分值，m表示在雲平臺處已註冊且給醫院作評價打分的患者總個數，表示在已知時間段t1內所有m個患者對醫院評價打分的平均值，表示在已知時間段t1內患者對醫院評價打分的波動值，表示醫院在已知時間段t1內的醫療事故率；hospitaldisopt表示在雲平臺處註冊且除去患者評價係數最高醫院後而剩餘的醫院；→表示雲平臺針對患者信息、患者生理數據值集合以及對應病症異樣參考值的轉發方向；當患者的生理數據pi的病症異樣參考值大於預設的病症異樣判決閾值時，則由雲平臺將該患者的患者信息、患者生理數據值集合、對應的病症異樣參考值以及雲平臺根據預診病症模型所得到的預診病症一起發送給受到患者評價係數最高的醫院hospitalopt進行診斷，以確保疾病診斷準確度；否則，雲平臺則將該患者的患者信息、患者生理數據值集合、對應的病症異樣參考值以及雲平臺根據預診病症模型所得到的預診病症一起發送給除去hospitalopt外的其他醫院進行診斷。通過雲平臺預先設置轉發準則以及預先設定的病症異樣判決閾值，可以將病症異樣非常明顯的患者交由評價係數最高的醫院進行診斷，以避免耽誤患者的及時準確治療，這在一定程度上也實現了對患者群體遠程醫療的分流，有效平衡地降低了各醫院所承受的診斷量；

步驟6，各醫院的醫院服務子系統在至少接收到兩次雲平臺轉發的患者信息、患者生理數據值集合以及對應的病症異樣參考值後，醫院服務子系統自動提取患者的病症特徵信息，並根據所提取患者的病症特徵信息發送至所屬醫院中對應該病症的初診科室的醫生客戶端，由初診科室的初診醫生對患者當前病症做出初診結論，並將初診結論、患者的初診序號以及患者數據轉發給與初診結論相對應的專家科室的醫生客戶端；患者數據包括了患者信息、患者生理數據值集合以及對應的病症異樣參考值；具體地，醫院服務子系統自動提取患者病症特徵信息的過程包括如下步驟6-1至步驟6-4：

步驟6-1，醫院服務子系統根據云平臺所轉發患者信息、患者生理數據值集合以及對應的病症異樣參考值的次數，得到患者上一次各生理數據的前置偏差值；其中：

表示患者第k次時所對應生理數據pi的前置偏差值；k表示雲平臺所轉發患者信息、患者生理數據值集合以及對應病症異樣參考值的次數；表示針對生理數據pi處於正常狀態時的偏移量常量；

步驟6-2，醫院服務子系統根據云平臺所轉發患者信息、患者生理數據值集合以及對應的病症異樣參考值的次數，得到患者至當前次數時各生理數據的後置偏差值；其中：

表示患者第k+1次時所對應生理數據pi的後置偏差值；k+1表示當前雲平臺所轉發患者信息、患者生理數據值集合以及對應病症異樣參考值的次數；表示針對生理數據pi處於正常狀態時的偏移量常量；

步驟6-3，醫院服務子系統分別預設各生理數據的病症特徵判決閾值，並且醫院服務子系統根據所得患者各生理數據對應的前置偏差值和後置偏差值，得到患者對應生理數據的突發偏差值；其中：表示對應患者生理數據pi的突發偏差值，表示對應患者生理數據pi的前置偏差值，表示對應患者生理數據pi的後置偏差值；對應生理數據pi的病症特徵判決閾值記為患者對應生理數據pi的突發偏差值表徵了患者生理數據pi在一段時間內的突發變化情況，此處所指的一段時間具體為雲平臺轉發患者信息的第k次與第k+1次間隔的時間。設置針對生理數據的突發偏差值這一參數，可以了解患者生理數據的變化波動情況，以在第一時間及時將生理數據變化波動情況提供給醫生參考，避免患者因出現突發性的疾病危害患者身體健康；

步驟6-4，醫院服務子系統根據所得患者各生理數據的突發偏差值以及預設的各生理數據的病症特徵判決閾值分別進行病症判斷，以判斷患者是否出現病症：

當時，表示患者的生理數據pi出現異常，則醫院服務子系統指示患者出現了對應生理數據pi的病症；當時，表示患者的生理數據pi未出現異常，則醫院服務子系統指示患者的生理數據pi正常；

步驟7，專家科室中的專家醫生利用自己的醫生客戶端接收初診科室發送來的初診結論、患者的初診序號以及患者信息，並建立患者在該醫院的電子就診病歷，同時由該醫生客戶端對患者的電子就診病歷做加密處理，以保護患者個人隱私信息；其中，醫生客戶端加密處理患者的電子就診病歷過程包括如下步驟7-1至步驟7-4：

步驟7-1，醫生客戶端預先存儲所屬專家醫生的電子防偽籤章彩色圖片，並以電子防偽籤章彩色圖片作為醫生開具電子就診病歷的審核憑證；其中，專家醫生的電子防偽籤章彩色圖片記為j＝1,2,…,j，j表示醫院服務子系統所賦予專家醫生的電子籤章序號，j表示醫院服務子系統所賦予各專家醫生的總的電子籤章個數；doctj表示擁有電子籤章序號為j的醫生；

步驟7-2，醫生客戶端獲取專家醫生電子防偽籤章彩色圖片中各顏色的灰度色階值及電子防偽籤章彩色圖片的高度值和寬度值，得到專家醫生電子防偽籤章彩色圖片的籤章防偽指數；專家醫生對應的籤章防偽指數記為專家醫生電子防偽籤章彩色圖片中顏色的灰度色階值記為電子防偽籤章彩色圖片的高度值記為電子防偽籤章彩色圖片的寬度值記為

其中，v是指專家醫生電子防偽籤章彩色圖片中所有顏色的總種類數，表示第v種顏色在電子防偽籤章彩色圖片中的灰度色階值；

步驟7-3，醫生客戶端將所得所述專家醫生對應的籤章防偽指數發送給醫院服務子系統存儲備案，並且同時由醫院服務子系統將備案的該專家醫生的籤章防偽指數和醫院服務子系統的身份信息整合，以得到供患者查閱電子就診病歷的驗證碼信息；其中，對應電子就診病歷的驗證碼信息標記為hospitoldoctj表示專家醫生doctj所供職的醫院服務子系統，tdoctj表示專家醫生的籤章防偽指數的有效時間值；

步驟7-4，醫生客戶端將供患者查閱電子就診病歷的驗證碼信息以簡訊息的形式發送給患者在雲平臺留下聯繫電話的移動終端中，以實現患者在籤章防偽指數的有效時間內通過雲平臺查閱自己的電子就診病歷；

步驟8，專家醫生處的醫生客戶端分別提取接收的患者的各種生理數據值，並將提取的各種生理數據值分別與對應的正常生理數據值做比對判斷，以供專家醫生決定是否對當前患者做出遠程診療，並由專家醫生處的醫生客戶端得出患者各生理數據的異樣值，幫助專家醫生提前了解患者的生理數據變化情況；患者生理數據pi的異樣值為ζpi：

n'表示專家醫生處的醫生客戶端在時間段t1內所接收患者生理數據pi的個數，表示在時間段t1內患者生理數據pi的波動值，表示專家醫生處的醫生客戶端針對正常人群的生理數據pi已經預先設定好的正常波動常量；

當患者生理數據集合中的任一種生理數據未處於該種生理數據的正常範圍內時，則專家醫生處的醫生客戶端做出告警提醒；否則，專家醫生處的醫生客戶端不予告警；

步驟9，專家醫生通過醫生客戶端對患者做出遠程就診邀請且在患者完成遠程就診確認後，專家醫生通過其醫生客戶端在醫院服務子系統處對確認遠程就診的患者進行備案；在患者支付診斷費用後，專家醫生診斷患者病症並將針對患者病症開出的包括有該專家醫生執業信息的電子處方分別提供給雲平臺以及該專家醫生所屬的醫院服務子系統進行實時備案；患者通過患者移動客戶端登錄雲平臺以查看專家醫生給出的電子處方，並按照電子處方在雲平臺所提供的已備案的藥店服務子系統處購買藥物，完成遠程移動醫療過程。電子處方至少包括了患者姓名、專家醫生姓名、專家醫生執業證號、患者病症、遠程就診時間、費用支付清單以及藥物清單。

改進地，在步驟9之後還包括雲平臺根據患者的病症自動生成營養膳食計劃的步驟，以幫助患者根據所述營養膳食計劃補充營養，使患者出現異常的生理數據恢復至生理數據的正常值。進一步地，在步驟9之後還包括，醫院服務子系統根據所有患者支付的費用數據和確認就診邀請的患者數據，得到受患者喜愛的專家醫生名單的步驟。