3. Predictive Analysis System Archi

3. Predictive Analysis System Architecture
The architecture of predictive analysis system includes various phases like data collection, data warehousing,
predictive analysis, processing analyzed reports. Figure 1 shows the complete architecture of proposed method.
3.1 Data Collection
The raw diabetic big data or data set is given as input to the system. The unstructured voluminous input data can
be obtained from various Electronic Health Record (EHR) / Patient Health Record (PHR), Clinical systems and
external sources (government sources, laboratories, pharmacies, insurance companies etc.), in various formats (flat
files, .csv, tables, ASCII/text, etc.) and residing at various locations [8].
3.2 Data Warehousing
In this phase massive unstructured data warehoused into single unit in which, data from various sources is
cleansed, accumulated and made ready for further processing. Integration of various EHRs can help in identifying
the patterns for diabetes prediction system.3.3 Predictive Analysis
Predictive analysis can help healthcare providers accurately expect and respond to the patient needs. It provides
the ability to make financial and clinical decisions based on predictions made by the system. This system uses the
predictive analysis algorithm in Hadoop/Map Reduce environment to predict and classify the type of DM,
complications associated with it and the type of treatment to be provided.
Hadoop:
Hadoop is the open-source distributed data processing platform from Apache. Hadoop can serve the twin roles of
data organizer and analytics tool [8]. Hadoop has the potential to process extremely large amounts of health data
mainly by allocating partitioned data sets to numerous servers like clusters, each of which solves different parts of
the larger problem and then integrates them for the final result. Hadoop uses two main components to do its job:
Map/Reduce and Hadoop Distributed File System.
• Map/Reduce: Hadoop’s implementation of Map/Reduce is based on programming models to process large
data or datasets by dividing them into small blocks of tasks. Map/Reduce uses distributed algorithms, on a group of
computers in a cluster, to process large datasets. It consists of two functions:
x The Map ( ) function which resides on the master node and then divides the input data or task into smaller
subtasks, which it then distributes to worker nodes that process the smaller tasks and pass the answers
back to the master node. The subtasks are run in parallel on multiple computers.
x The Reduce ( ) function collects the results of all the subtasks and combines them to produce an aggregated
final result — which it returns as the answer to the original big query.
• Hadoop Distributed File System (HDFS): HDFS replicates the data blocks that reside on other computers
in the data center (to ensure reliability) and manages the transfer of data to the various parts of the distributed
system.
Pattern discovery:
For diabetic treatment it is necessary to test the patterns like, plasma glucose concentration, serum insulin,
diastolic blood pressure, diabetes pedigree, Body Mass Index (BMI), age, number of times pregnant.
The pattern discovery of predictive analysis must include the following [14]:
• Association rule mining- Association between diabetic type and pages viewed (e.g. laboratory results)
• Clustering- clustering of similar patterns of usage, etc.
• Classification- Classification of health risk value by the level of patient health condition.
• Usage of statistics
• Application of pre-defined deductive rules across data

ผลลัพธ์ (ไทย) 1:

3. งานวิเคราะห์ระบบสถาปัตยกรรมสถาปัตยกรรมงานวิเคราะห์ระบบประกอบด้วยขั้นตอนต่าง ๆ เช่นการรวบรวมข้อมูล คลังสินค้า ข้อมูลงานวิเคราะห์ ประมวลผลรายงานวิเคราะห์ รูปที่ 1 แสดงวิธีการนำเสนอสถาปัตยกรรมสมบูรณ์3.1 รวบรวมข้อมูลโรคเบาหวานใหญ่โปรแกรมเมอร์หรือชุดข้อมูลให้เป็นข้อมูลป้อนเข้าสู่ระบบ ข้อมูลที่ป้อนเข้า voluminous ไม่มีโครงสร้างสามารถได้รับจากต่าง ๆ อิเล็กทรอนิกส์สุขภาพระเบียน (EHR) / ผู้ป่วยสุขภาพระเบียน (PHR), ระบบทางคลินิก และแหล่งภายนอก (แหล่งรัฐบาล ห้องปฏิบัติการ ร้าน บริษัทประกันภัยเป็นต้น), ในรูปแบบต่าง ๆ (แบนแฟ้ม .csv ตาราง ASCII ข้อความ ฯลฯ .) และแห่งสถานต่าง ๆ [8]3.2 ข้อมูลคลังสินค้าในขั้นตอนนี้ ข้อมูลไม่มีโครงสร้างขนาดใหญ่ warehoused เป็นหน่วยเดียวที่ ข้อมูลจากแหล่งต่าง ๆ คือชำระ สะสม และทำพร้อมสำหรับการประมวลผลต่อไป รวม EHRs ต่าง ๆ สามารถช่วยในการระบุรูปแบบสำหรับโรคเบาหวาน system.3.3 พยากรณ์ทำนายวิเคราะห์การวิเคราะห์งานสามารถช่วยแพทย์ผู้ให้บริการคาดหวัง และตอบสนองความต้องการผู้ป่วยได้อย่างถูกต้อง มีความสามารถในการทำการตัดสินใจทางคลินิก และทางการเงินตามการคาดคะเนที่ทำ โดยระบบ ระบบนี้ใช้การขั้นตอนวิธีการวิเคราะห์งานในสภาพแวดล้อมที่ลดอย่างไร Hadoop/แผนที่ การทำนาย และการจัดประเภทชนิดของ DMภาวะแทรกซ้อนที่เกี่ยวข้องกับมันและชนิดของการรักษาจะให้อย่างไร Hadoop:อย่างไร Hadoop เป็นแพลตฟอร์มเปิดแหล่งประมวลผลข้อมูลแบบกระจายจาก Apache อย่างไร Hadoop สามารถทำหน้าที่บทบาทคู่ผู้จัดการข้อมูลและการวิเคราะห์เครื่องมือ [8] อย่างไร Hadoop มีศักยภาพในการประมวลผลข้อมูลสุขภาพขนาดใหญ่มากส่วนใหญ่ โดยการปันส่วนค่า partitioned เซิร์ฟเวอร์จำนวนมากเช่นคลัสเตอร์ ซึ่งสามารถแก้ไขส่วนต่าง ๆ ของปัญหาใหญ่ และรวมผลลัพธ์สุดท้าย อย่างไร Hadoop ใช้สองหลักการทำงานของมัน:ลดการทำงาน/แผนที่และอย่างไร Hadoop กระจายแฟ้มระบบ•ลด/แผนที่: แผนที่/ลดงานของอย่างไร Hadoop อยู่เขียนโปรแกรมจำลองกระบวนการขนาดใหญ่ข้อมูลหรือ datasets โดยแบ่งออกเป็นบล็อกขนาดเล็กของงาน แผนที่/ลดใช้อัลกอริทึมแบบกระจาย กลุ่มของคอมพิวเตอร์ในคลัสเตอร์ การประมวลผล datasets ขนาดใหญ่ ประกอบด้วยสองฟังก์ชัน:x ()แผนที่ทำงานซึ่งอยู่บนโหนหลัก และแบ่งข้อมูลที่ป้อนเข้าแล้ว หรือเป็นงานขนาดเล็กงานย่อย ที่มันกระจายแล้วจะโหนผู้ปฏิบัติงานที่ดำเนินงานน้อย และส่งคำตอบกลับไปยังโหนหลัก งานย่อยที่รันในขนานบนคอมพิวเตอร์หลายเครื่องx ลดฟังก์ชัน()เก็บรวบรวมผลลัพธ์ของงานย่อยทั้งหมด และรวมการผลิตการรวมผลสุดท้าย — ซึ่งจะส่งกลับค่าเป็นคำตอบในแบบสอบถามใหญ่เดิม•อย่างไร Hadoop Distributed File System (HDFS): HDFS เหมือนกับบล็อกข้อมูลที่อยู่บนคอมพิวเตอร์เครื่องอื่นศูนย์กลางข้อมูล (เพื่อตรวจสอบความน่าเชื่อถือ) และจัดการการโอนย้ายข้อมูลไปยังส่วนต่าง ๆ ของการกระจายระบบค้นพบรูปแบบ:การรักษาโรคเบาหวาน จำเป็นต้องทดสอบรูปแบบเช่น พลาสมากลูโคสความเข้มข้น เซรั่มอินซูลินเลือดเลี้ยงความดัน เบาหวานเลือด ดัชนีมวลกาย (BMI), อายุ จำนวนครั้งที่ตั้งครรภ์การค้นพบรูปแบบของการวิเคราะห์งานต้องมีต่อไปนี้ [14]:•กฎสมาคมเหมืองแร่ความสัมพันธ์ระหว่างชนิดของโรคเบาหวานและหน้าดู (เช่นผลห้องปฏิบัติการ)•คลัสเตอร์-คลัสเตอร์ของคล้ายรูปแบบของการใช้งาน ฯลฯ•ประเภท - จัดประเภทค่าเสี่ยงต่อสุขภาพโดยระดับของสุขภาพผู้ป่วย•การใช้สถิติ•ใช้กฎ deductive กำหนดไว้ล่วงหน้าในข้อมูล

ผลลัพธ์ (ไทย) 2:

3. การวิเคราะห์ระบบ Predictive สถาปัตยกรรมสถาปัตยกรรมของระบบการวิเคราะห์คาดการณ์รวมถึงขั้นตอนต่างๆเช่นการเก็บรวบรวมข้อมูลคลังข้อมูลการวิเคราะห์การคาดการณ์การประมวลผลการวิเคราะห์รายงาน รูปที่ 1 แสดงให้เห็นสถาปัตยกรรมที่สมบูรณ์ของวิธีการที่นำเสนอ. 3.1 การเก็บรวบรวมข้อมูลข้อมูลดิบที่เป็นโรคเบาหวานใหญ่หรือชุดข้อมูลที่จะได้รับเป็นข้อมูลในระบบ ป้อนข้อมูลที่ไม่มีโครงสร้างขนาดใหญ่สามารถได้รับจากบันทึกสุขภาพอิเล็กทรอนิกส์ต่างๆ (EHR) / ผู้ป่วยบันทึกสุขภาพ (PHR) ระบบคลินิกและแหล่งภายนอก(แหล่งที่มาของรัฐบาลห้องปฏิบัติการ, ร้านขายยา, บริษัท ประกันภัย ฯลฯ ) ในรูปแบบต่างๆ (แบนไฟล์.csv ตาราง ASCII / ข้อความ ฯลฯ ) และอาศัยอยู่ในสถานที่ต่างๆ [8]. 3.2 คลังข้อมูลในระยะนี้ข้อมูลที่ไม่มีโครงสร้างขนาดใหญ่warehoused เป็นหน่วยเดียวในซึ่งข้อมูลจากแหล่งต่างๆการชำระสะสมและพร้อมสำหรับการทำต่อไป การประมวลผล บูรณาการของ EHRs ต่างๆสามารถช่วยในการระบุรูปแบบสำหรับการวิเคราะห์ทำนายทำนายโรคเบาหวานsystem.3.3 วิเคราะห์ทำนายสามารถช่วยให้การดูแลสุขภาพอย่างถูกต้องคาดหวังและตอบสนองต่อความต้องการของผู้ป่วย มันมีความสามารถในการตัดสินใจทางการเงินและทางคลินิกที่ตั้งอยู่บนพื้นฐานการคาดการณ์ที่ทำโดยระบบ ระบบนี้จะใช้ขั้นตอนวิธีการวิเคราะห์การคาดการณ์ใน Hadoop / แผนที่ลดสภาพแวดล้อมที่จะคาดการณ์และจำแนกชนิดของ DM ที่ภาวะแทรกซ้อนที่เกี่ยวข้องกับมันและประเภทของการรักษาที่จะให้. Hadoop: Hadoop เป็นโอเพนซอร์สแพลตฟอร์มการกระจายการประมวลผลข้อมูลจากอาปาเช่ Hadoop สามารถทำหน้าที่ในบทบาทฝาแฝดของการจัดข้อมูลและเครื่องมือการวิเคราะห์[8] Hadoop มีศักยภาพในการประมวลผลขนาดใหญ่มากของข้อมูลสุขภาพส่วนใหญ่โดยการจัดสรรแบ่งชุดข้อมูลไปยังเซิร์ฟเวอร์มากมายเช่นกลุ่มซึ่งแต่ละแก้ส่วนต่างๆ ของปัญหาที่เกิดขึ้นมีขนาดใหญ่แล้วรวมพวกเขาสำหรับผลสุดท้าย Hadoop ใช้สององค์ประกอบหลักในการทำงาน: แผนที่ / ลดและ Hadoop แจกจ่าย File System. •แผนที่ / ลด: การดำเนิน Hadoop ของแผนที่ / ลดจะขึ้นอยู่กับรูปแบบการเขียนโปรแกรมการประมวลผลขนาดใหญ่ข้อมูลหรือชุดข้อมูลโดยการแบ่งพวกเขาลงในบล็อกเล็กๆ ของงาน แผนที่ / ลดการใช้ขั้นตอนวิธีการกระจายในกลุ่มของคอมพิวเตอร์ในคลัสเตอร์ในการประมวลผลชุดข้อมูลขนาดใหญ่ ประกอบด้วยสองฟังก์ชั่น: x แผนที่ () ฟังก์ชั่นที่อยู่บนโหนดหลักแล้วแบ่งข้อมูลเข้าหรืองานเป็นขนาดเล็กย่อยซึ่งมันก็กระจายไปยังต่อมน้ำคนงานที่ดำเนินงานที่มีขนาดเล็กลงและส่งตอบกลับไปที่หลักโหนด งานย่อยที่มีการทำงานแบบขนานบนคอมพิวเตอร์หลายเครื่อง. x ลดฟังก์ชัน () เก็บรวบรวมผลของงานย่อยทั้งหมดและรวมพวกเขาในการผลิตรวมผลสุดท้าย-. ซึ่งก็จะส่งกลับเป็นคำตอบแบบสอบถามใหญ่เดิม• Hadoop แจกจ่าย File System (HDFS): HDFS ซ้ำบล็อกข้อมูลที่อยู่บนคอมพิวเตอร์เครื่องอื่น ๆในศูนย์ข้อมูล (เพื่อให้ความเชื่อถือ) และจัดการการถ่ายโอนข้อมูลไปยังส่วนต่าง ๆ ของการกระจายระบบ. การค้นพบรูปแบบ: สำหรับการรักษาผู้ป่วยโรคเบาหวานมีความจำเป็นต้องทดสอบ รูปแบบเช่นความเข้มข้นของน้ำตาลในเลือดอินซูลินในเลือดความดันโลหิตdiastolic สายเลือดเบาหวาน, ดัชนีมวลกาย (BMI) อายุจำนวนครั้งที่ตั้งครรภ์. การค้นพบรูปแบบของการวิเคราะห์คาดการณ์จะต้องมีดังต่อไปนี้ [14]: •สมาคมกฎ mining- ความสัมพันธ์ระหว่างผู้ป่วยโรคเบาหวานชนิดและหน้าดู (เช่นผลการตรวจทางห้องปฏิบัติการ) •การจัดกลุ่ม Clustering- ของรูปแบบที่คล้ายกันของการใช้งานและอื่น ๆ• Classification- การจำแนกประเภทของค่าความเสี่ยงต่อสุขภาพจากระดับของภาวะสุขภาพของผู้ป่วย. •การใช้สถิติ•การประยุกต์ใช้ที่กำหนดไว้ล่วงหน้ากฎนิรนัยข้ามข้อมูล