本技术涉及医疗数据传输，具体涉及一种基于大数据的医疗信息共享方法。
背景技术：
1、心电图作为现代医学的一种重要诊断数据，其需要在患者、医务人员、科研人员之间进行数据共享。在对心电图进行共享时，由于数据量较大，且是患者的个人隐私数据，在医疗系统中进行共享时需要注意传输的安全，避免数据泄露。
2、隐写术是将信息隐藏在另一条消息或实物中以避免被发现的一种方法，为避免患者个人隐私数据的泄露，通常会采用隐写术对心电图数据进行数字签名，这样在心电图数据发生泄漏时能够进行快速溯源发现安全漏洞，达到数据安全共享的目的。传统的心电图隐写术采用的是基于频域的隐写方法，相比于基于时域的隐写方法有数据失真度小，抗攻击能力强等优点。通过遗传算法进行迭代，每次迭代选取心电图数据的部分信息进行隐写，并对隐写前后数据的失真程度进行评估，进而获取最佳的隐写方案。
3、但是传统的心电图隐写术未考虑到医疗信息中有效信息的分布情况，对所有心电图数据进行统一的隐写，破坏了心电图数据中的有效信息，进而导致医疗数据共享后的数据接收方对患者的病情诊断产生误判，为医疗信息的共享带来潜在的风险。
技术实现思路
1、为了解决上述技术问题，本技术提供一种基于大数据的医疗信息共享方法，以解决现有的问题。
2、本技术的一种基于大数据的医疗信息共享方法采用如下技术方案：
3、本技术一个实施例提供了一种基于大数据的医疗信息共享方法，该方法包括以下步骤：
4、采集患者心电信号，获取待嵌入数字签名；将患者心电信号分解为多个心电细节信号；
5、基于各心电细节信号与患者心电信号的频率分布差异获取各心电细节信号的心电细节表征指数；基于各心电细节信号与患者心电信号的整体信号强度的差异性以及波形差异获取各心电细节信号在各采样时刻的签名嵌入保持系数；
6、根据每个心电细节信号的心电细节表征指数以及在所有采样时刻的签名嵌入保持系数获取各心电细节保持信号；根据所述待嵌入数字签名以及每个心电细节信号的所有心电细节保持信号获取各心电细节信号的最佳个体向量；
7、根据所述最佳个体向量以及心电细节保持信号获取各心电细节信号的最佳隐写细节信号，对最佳隐写细节信号进行压缩传输，完成医疗信息共享。
8、可选的，所述获取各心电细节信号的心电细节表征指数，包括的具体方法为：
9、根据患者心电信号以及心电细节信号获取心电图频谱、中心频率；根据各心电细节信号以及患者心电信号的心电图频谱、中心频率获取各心电细节信号的心电频率强度差异指数；
10、将每个心电细节信号与患者心电信号的中心频率的差值绝对值记为中频差异；将所述心电频率强度差异指数与所述中频差异之和乘以对应心电细节信号的心电图频谱中所有频率的信号强度的信息熵，作为心电频率差异系数；
11、各心电细节信号的心电细节表征指数与所述心电频率差异系数成负相关关系。
12、可选的，所述获取心电图频谱、中心频率，包括的具体方法为：
13、对患者心电信号进行频域转换，输出心电图频谱，对心电图频谱进行归一化处理作为调整心电图频谱，将调整心电图频谱中每个频率的信号强度作为每个频率的权重，将调整心电图频谱中所有频率的加权和作为患者心电信号的中心频率；
14、对于每个心电细节信号，采用与患者心电信号的心电图频谱、中心频率相同的获取方法得到每个心电细节信号的心电图频谱、中心频率。
15、可选的，所述获取各心电细节信号的心电频率强度差异指数，包括的具体方法为：
16、在每个心电细节信号的心电图频谱中，将每个频率与中心频率的差值绝对值记为频率远心距，将每个频率的信息量与所述频率远心距的比值记为频率置信权重，将每个频率与患者心电信号的心电图频谱中相同频率的信号强度的差值绝对值记为频率强度差异；
17、将所述频率强度差异与所述频率置信权重的乘积作为每个频率的频率强度置信差异；
18、各心电细节信号的心电频率强度差异指数与所述频率强度置信差异成正相关关系。
19、可选的，所述获取各心电细节信号在各采样时刻的签名嵌入保持系数，包括：
20、基于各心电细节信号与患者心电信号的整体信号强度的差异性获取各心电细节信号的幅度增益系数；
21、对于各采样时刻，将每个心电细节信号与患者心电信号在相同采样时刻的二阶导数的差值绝对值记为波形凹凸差异；
22、将任一心电细节信号在每个采样时刻的信号强度与所述任一心电细节信号的幅度增益系数的比值记为调整细节信号幅度，将所述调整细节信号幅度与患者心电信号在相同采样时刻的信号强度的差值绝对值记为信号强度差异；
23、所述波形凹凸差异、所述信号强度差异均与所述任一心电细节信号在各采样时刻的签名嵌入保持系数成正相关关系。
24、可选的，所述获取各心电细节信号的幅度增益系数，包括的具体方法为：
25、分别计算患者心电信号与各心电细节信号，在每个采样时刻的信号强度与预设调参因子的和值，记为患者心电信号与各心电细节信号在每个采样时刻的非零信号强度；
26、将心电细节信号与患者心电信号在各采样时刻的非零信号强度的比值的绝对值作为心电细节信号在各采样时刻的信号强度相对差异；
27、将每个心电细节信号在所有采样时刻的信号强度相对差异记为每个心电细节信号的幅度增益系数。
28、可选的，所述获取各心电细节保持信号，包括：
29、将每个心电细节信号在所有采样时刻的签名嵌入保持系数组成签名嵌入保持序列，获取签名嵌入保持序列中所有极大值点，将签名嵌入保持序列中每个极大值点与相邻的下一个极大值点的中点作为保持中断点，以每个心电细节信号中的保持中断点为划分点，将每个心电细节信号划分为多个心电细节保持信号。
30、可选的，所述获取各心电细节信号的最佳个体向量，包括的具体方法为：
31、将每个心电细节信号的所有的心电细节保持信号作为遗传算法的输入，随机初始化预设数量个个体向量；
32、基于每个个体向量中每个元素对应的心电细节保持信号的隐写结果以及在各采样时刻的签名嵌入保持系数计算各个体向量的心电数据隐写失真度；
33、将每个心电细节信号的各个体向量的心电数据隐写失真度作为遗传算法的适应度函数，输出每个心电细节信号的最佳个体向量。
34、可选的，所述计算各个体向量的心电数据隐写失真度，包括的具体方法为：
35、将每个心电细节保持信号以及待嵌入数字签名作为隐写算法的输入，输出细节保持隐写信号，将每个心电细节保持信号与对应的细节保持隐写信号在相同采样时刻的信号强度的差值绝对值记为每个心电细节保持信号在每个采样时刻的隐写信号偏差，将每个心电细节保持信号在每个采样时刻的隐写信号偏差与签名嵌入保持系数的比值作为单时刻隐写失真系数，将每个心电细节保持信号在所有采样时刻的单时刻隐写失真系数之和作为每个心电细节保持信号的隐写失真指数；
36、将每个个体向量中的任一元素值与所述任一元素对应的心电细节保持信号的隐写失真指数的乘积作为所述任一元素的隐写效果失真度，每个个体向量的心电数据隐写失真度与每个个体向量中每个元素的隐写效果失真度成正相关关系。
37、可选的，所述获取各心电细节信号的最佳隐写细节信号，对最佳隐写细节信号进行压缩传输，完成医疗信息共享，包括的具体方法为：
38、将每个心电细节信号的最佳个体向量中值为1的元素替换为对应的细节保持隐写信号，将最佳个体向量中值为0的元素替换为对应的心电细节保持信号，作为每个心电细节信号的最佳隐写细节信号；
39、采用压缩算法将所有心电细节信号的最佳隐写细节信号进行压缩，得到医疗信息压缩数据，利用医疗信息压缩数据进行传输。
40、本技术的有益效果是：先根据患者心电信号获取心电细节信号，然后基于每个心电细节信号与患者心电信号的整体信号强度的差异性以及波形差异获取签名嵌入保持系数，反映了在各个采样时刻写入数字签名对病患的心电信息的影响程度，用以确定初始对每个心电细节信号分割的个数，初步获取心电细节保持信号，再基于每个心电细节信号与患者心电信号的频率分布差异获取心电细节表征指数，反映了各心电细节信号对病患的心电信息表征程度，用以确定对每个心电细节信号的分割个数进行进一步削减的个数，结合每个心电细节保持信号的长度以及在所有采样时刻的签名嵌入保持系数确定信号合并指数，对信号合并指数较高的心电细节保持信号与相邻的心电细节保持信号进行合并，提高了对每个心电细节信号进行分割的可靠性；将将每个心电细节信号的所有的心电细节保持信号作为遗传算法的输入，避免了直接将每个心电细节信号作为遗传算法的输入导致计算量庞大的问题；基于每个心电细节保持信号隐写前后的差异计算心电数据隐写失真度，获取最佳隐写细节信号，仅选取部分心电细节保持信号进行隐写，避免了对患者心电信号中有效信息的破坏；将最佳隐写细节信号进行压缩传输，实现对医疗信息的共享，保证了对医疗信息共享的准确性。
1.一种基于大数据的医疗信息共享方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节信号的心电细节表征指数，包括的具体方法为：
3.根据权利要求2所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取心电图频谱、中心频率，包括的具体方法为：
4.根据权利要求2所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节信号的心电频率强度差异指数，包括的具体方法为：
5.根据权利要求1所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节信号在各采样时刻的签名嵌入保持系数，包括：
6.根据权利要求5所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节信号的幅度增益系数，包括的具体方法为：
7.根据权利要求1所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节保持信号，包括：
8.根据权利要求1所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节信号的最佳个体向量，包括的具体方法为：
9.根据权利要求8所述的一种基于大数据的医疗信息共享方法，其特征在于，所述计算各个体向量的心电数据隐写失真度，包括的具体方法为：
10.根据权利要求9所述的一种基于大数据的医疗信息共享方法，其特征在于，所述获取各心电细节信号的最佳隐写细节信号，对最佳隐写细节信号进行压缩传输，完成医疗信息共享，包括的具体方法为：
