EMC中國研究院大數(shù)據(jù)實驗室主任研究員 周寶曜

?

本文旨在介紹區(qū)域醫(yī)療信息系統(tǒng)建設(shè)和大數(shù)據(jù)分析技術(shù)的發(fā)展，并總結(jié)出健康云上的大數(shù)據(jù)分析面臨的特殊挑戰(zhàn)和提出初步解決方案。

?

隨著我國經(jīng)濟(jì)持續(xù)穩(wěn)定的發(fā)展和現(xiàn)代科技的日益進(jìn)步，越來越多的人們開始重點關(guān)注自身健康。在滿足日常工作和生活的需求之外，規(guī)律的健身休閑活動、年度體檢、健康飲食已經(jīng)成為越來越普遍的想象。與此同時，隨著國家新醫(yī)改政策的頒布和實施，與健康直接相關(guān)的醫(yī)療行業(yè)也正在迅猛發(fā)展。這里重點介紹一下我國醫(yī)療行業(yè)IT解決方案市場呈現(xiàn)的發(fā)展趨勢：

?

1、 漸增的多樣醫(yī)療數(shù)據(jù)源：醫(yī)療數(shù)據(jù)的生成和采集已經(jīng)不再僅局限于醫(yī)院這個單一環(huán)境。它還可以來自于體檢中心、社區(qū)/鄉(xiāng)鎮(zhèn)衛(wèi)生院、私人診所、實驗室檢驗中心、急救中心、家庭，隨著物聯(lián)網(wǎng)（IoT, Internet of Things）相關(guān)技術(shù)的發(fā)展，我們甚至可以說：個人醫(yī)療數(shù)據(jù)可以采自于任何適合的地方。

2、 醫(yī)療數(shù)據(jù)的高度集中化：區(qū)域醫(yī)療信息系統(tǒng)（RHIS, Regional Health Information System）將逐步取代現(xiàn)有的基于醫(yī)院的信息系統(tǒng)。并且，它將更廣泛的覆蓋一個特定區(qū)域內(nèi)的所有醫(yī)院、社區(qū)、急救中心、體檢中心、實驗室檢驗中心、社會保險機構(gòu)等。居民個人來自各個數(shù)據(jù)源的全周期醫(yī)療數(shù)據(jù)將集中保存在統(tǒng)一的區(qū)域數(shù)據(jù)中心中。醫(yī)療數(shù)據(jù)將不再只是某家醫(yī)院獨享的資源，而是與整個區(qū)域中的所有醫(yī)療機構(gòu)共享，甚至可以與更上層的大區(qū)域級、國家級信息系統(tǒng)進(jìn)行數(shù)據(jù)交換。

3、 從醫(yī)療信息系統(tǒng)到醫(yī)療信息服務(wù)：區(qū)域醫(yī)療信息系統(tǒng)的逐步建立將使先進(jìn)的醫(yī)療信息服務(wù)的設(shè)計和開發(fā)變得更加便捷。例如：流行病分析、公共衛(wèi)生事件預(yù)測、臨床決策支持、慢性病管理、個性化的健康照護(hù)計劃、日常衛(wèi)生保健管理等。其原因是因為這些信息服務(wù)必須建立在數(shù)據(jù)集中化的基礎(chǔ)上。這些服務(wù)的受眾群體將是整個社會。

?

正是如上所述的發(fā)展趨勢使得“健康云（Healthcare Cloud）”的建立才會成為可能。試想一下：在不久的將來，我們可以通過手機統(tǒng)一查詢在不同醫(yī)院的就診記錄、生化檢驗結(jié)果、處方和收費清單；慢性病患者在家中可以自測血壓、血糖等指標(biāo)并通過無線網(wǎng)絡(luò)上傳到區(qū)域醫(yī)療數(shù)據(jù)中心，醫(yī)生也可以遠(yuǎn)程分析患者自測數(shù)據(jù)判斷其病情發(fā)展；大量的知識和規(guī)則從海量數(shù)據(jù)中自動提取出來，并用來協(xié)助社區(qū)及基層衛(wèi)生機構(gòu)的初級醫(yī)生對患者作出準(zhǔn)確的診斷和用藥決策；各個社區(qū)居民的醫(yī)療數(shù)據(jù)將會自動匯總，并進(jìn)行統(tǒng)計分析，用以進(jìn)行流行病、慢性病的自動篩查、趨勢分析和爆發(fā)預(yù)警，為公共衛(wèi)生機構(gòu)制定防治干預(yù)計劃和行動提供有力的依據(jù)和參考；患者的癥狀、生命體征、檢驗檢測結(jié)果、醫(yī)療影像、診斷、處方、醫(yī)囑、手術(shù)、住院和賬單等全周期數(shù)據(jù)將會進(jìn)行全方位的跟蹤和分析，為新藥開發(fā)、新治療方案的設(shè)計提供支持。上述這些事例都將是我們通過健康云可以逐步實現(xiàn)的。

當(dāng)然，健康云不是一天就可以建成的，這將是個階段性的工程。除了國家政策和地方支持等外圍因素之外，云計算和大數(shù)據(jù)技術(shù)將會起決定性作用。從構(gòu)建底層云基礎(chǔ)架構(gòu)、云存儲方案，到中層的云計算平臺，最后到上層的云應(yīng)用服務(wù)設(shè)計和開發(fā)，至少需要3~5年的長期規(guī)劃。其中，大數(shù)據(jù)分析部分更是縱向貫穿于云基礎(chǔ)架構(gòu)、云平臺和云服務(wù)三層，需要整體設(shè)計和逐步實施?；诂F(xiàn)有技術(shù)和需求，在本文中，我們暫且把健康云簡化定義為：基于區(qū)域醫(yī)療信息系統(tǒng)的醫(yī)療信息服務(wù)，并重點關(guān)注1~3年的市場需求。

?

二、大數(shù)據(jù)分析技術(shù)的發(fā)展

區(qū)域醫(yī)療信息系統(tǒng)中的醫(yī)療數(shù)據(jù)是典型的大數(shù)據(jù)。我們知道所謂的“大數(shù)據(jù)”并不只是數(shù)量上的“大”。在此，我們簡單套用一下大數(shù)據(jù)的4V（Volume，Velocity，Variety，Value）定義：

?

1、 Volume：區(qū)域醫(yī)療數(shù)據(jù)通常是來自于擁有上百萬人口和上百家醫(yī)療機構(gòu)的區(qū)域，并且數(shù)據(jù)量持續(xù)增長。按照醫(yī)療行業(yè)的相關(guān)規(guī)定，一個患者的數(shù)據(jù)通常需要保留50年以上。我們可以想象這是多么巨大的數(shù)據(jù)量。

2、 Velocity：醫(yī)療信息服務(wù)中可能包含大量在線或?qū)崟r數(shù)據(jù)分析處理的需求。例如：臨床決策支持中的診斷和用藥建議、流行病分析報表生成、健康指標(biāo)預(yù)警等。

3、 Variety：醫(yī)療數(shù)據(jù)通常會包含各種結(jié)構(gòu)化數(shù)據(jù)表、非（半）結(jié)構(gòu)化文本文檔（XML和敘述文本）、醫(yī)療影像等多種多樣的數(shù)據(jù)存儲形式。

4、 Value：醫(yī)療數(shù)據(jù)的價值不必多說，它不僅與我們個人生活息息相關(guān)，更可用于國家乃至全球的疾病防控、新藥研發(fā)和頑疾攻克。

?

近年來，在衛(wèi)生部的領(lǐng)導(dǎo)下和國家財政支出的支持下，絕大多數(shù)的三甲醫(yī)院和部分二級醫(yī)院已經(jīng)先后建立了先進(jìn)的數(shù)字化信息系統(tǒng)和電子健康檔案系統(tǒng)。但至今為止，大部分系統(tǒng)和數(shù)據(jù)仍然只限于內(nèi)部使用。據(jù)了解，2010年底，衛(wèi)生部完成了“十二五”衛(wèi)生信息化建設(shè)工程規(guī)劃編制工作，初步確定了我國衛(wèi)生信息化建設(shè)路線圖，簡稱“3521工程”，即建設(shè)國家級、省級和地市級三級衛(wèi)生信息平臺，加強公共衛(wèi)生、醫(yī)療服務(wù)、新農(nóng)合、基本藥物制度、綜合管理5項業(yè)務(wù)應(yīng)用，建設(shè)健康檔案和電子病歷2個基礎(chǔ)數(shù)據(jù)庫和1個專用網(wǎng)絡(luò)建設(shè)。由此可看出，今后的幾年，隨著云計算技術(shù)的成熟和實用化，大規(guī)模區(qū)域醫(yī)療信息系統(tǒng)和大型數(shù)據(jù)中心的建立將逐步展開。然而，隨著海量醫(yī)療數(shù)據(jù)被保存下來，一個棘手的問題出現(xiàn)了：我們?nèi)绾瓮ㄟ^高效的分析這些數(shù)據(jù)來提供有價值的服務(wù)？

?

讓我們先回顧一下大數(shù)據(jù)分析的發(fā)展史。我們知道，大數(shù)據(jù)分析技術(shù)最初起源于互聯(lián)網(wǎng)行業(yè)。網(wǎng)頁存檔、用戶點擊、商品信息、用戶關(guān)系等數(shù)據(jù)形成了持續(xù)增長的海量數(shù)據(jù)集。這些大數(shù)據(jù)中蘊藏著大量可以用于增強用戶體驗、提高服務(wù)質(zhì)量和開發(fā)新型應(yīng)用的知識，而如何高效和準(zhǔn)確的發(fā)現(xiàn)這些知識就基本決定了各大互聯(lián)網(wǎng)公司在激烈競爭環(huán)境中的位置。首先，以Google為首的技術(shù)型互聯(lián)網(wǎng)公司提出了MapReduce的技術(shù)框架，利用廉價的PC服務(wù)器集群，大規(guī)模并發(fā)處理批量事務(wù)。利用文件系統(tǒng)存放非結(jié)構(gòu)化數(shù)據(jù)，加上完善的備份和容災(zāi)策略，這套經(jīng)濟(jì)實惠的大數(shù)據(jù)解決方案與之前昂貴的企業(yè)小型機集群+商業(yè)數(shù)據(jù)庫方案相比，不僅沒有丟失性能，而且還贏在了可擴(kuò)展性上。之前，我們在設(shè)計一個數(shù)據(jù)中心解決方案的前期，就要考慮到方案實施后的可擴(kuò)展性。通常的方法是預(yù)估今后一段時期內(nèi)的業(yè)務(wù)量和數(shù)據(jù)量，加入多余的計算單元（CPU）和存儲，以備不時只需。這樣的方式直接導(dǎo)致了前期一次性投資的巨大，并且即使這樣也依然無法保證計算需求和存儲超出設(shè)計量時的系統(tǒng)性能。而一旦需要擴(kuò)容，問題就會接踵而來。首先是商業(yè)并行數(shù)據(jù)庫通常需要各節(jié)點物理同構(gòu)，也就是具有近似的計算和存儲能力。而隨著硬件的更新，我們通常加入的新硬件都會強于已有的硬件。這樣，舊硬件就成為了系統(tǒng)的瓶頸。為了保證系統(tǒng)性能，我們不得不把舊硬件逐步替換掉，經(jīng)濟(jì)成本損失巨大。其次，即使是當(dāng)前最強的商業(yè)并行數(shù)據(jù)庫，其所能管理的數(shù)據(jù)節(jié)點也只是在幾十或上百這個數(shù)量級，這主要是由于架構(gòu)上的設(shè)計問題，所以其可擴(kuò)展性必然有限。而MapReduce+GFS框架，不受上述問題的困擾。需要擴(kuò)容了，只需增加個機柜，加入適當(dāng)?shù)挠嬎銌卧痛鎯?，集群系統(tǒng)會自動分配和調(diào)度這些資源，絲毫不影響現(xiàn)有系統(tǒng)的運行。如今，我們用得更多的是Google MapReduce的開源實現(xiàn)，即Hadoop。除了計算模型的發(fā)展，與此同時，人們也在關(guān)注著數(shù)據(jù)存儲模型。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫由于其規(guī)范的設(shè)計、友好的查詢語言、高效的數(shù)據(jù)處理在線事務(wù)的能力，長時間地占據(jù)了市場的主導(dǎo)地位。然而，其嚴(yán)格的設(shè)計定式、為保證強一致性而放棄性能、可擴(kuò)展性差等問題在大數(shù)據(jù)分析中被逐漸暴露。隨之而來，NoSQL數(shù)據(jù)存儲模型開始風(fēng)行。NoSQL，也有人理解為Not Only SQL，并不是一種特定的數(shù)據(jù)存儲模型，它是一類非關(guān)系型數(shù)據(jù)庫的統(tǒng)稱。其特點是：沒有固定的數(shù)據(jù)表模式、可以分布式和水平擴(kuò)展。NoSQL并不是單純的反對關(guān)系型數(shù)據(jù)庫，而是針對其缺點的一種補充和擴(kuò)展。典型的NoSQL數(shù)據(jù)存儲模型有文檔存儲、鍵-值存儲、圖存儲、對象數(shù)據(jù)庫、列存儲等。而比較流行的，不得不提到Google提出的Bigtable。它是一種用于管理海量結(jié)構(gòu)化數(shù)據(jù)的分布式存儲系統(tǒng)，其數(shù)據(jù)通常可以跨成千個節(jié)點進(jìn)行分布式存儲，總數(shù)據(jù)量可達(dá)PB級（10的15次方字節(jié)，106GB）。HBase是其開源實現(xiàn)。如今，在開源社區(qū)，圍繞Google MapReduce框架，成長出了一批優(yōu)秀的開源項目。這些項目在技術(shù)和實現(xiàn)上相互支持和依托，逐漸形成了一個特有的生態(tài)系統(tǒng)。這里我們借用Cloudera所描繪的架構(gòu)圖來展現(xiàn)Hadoop生態(tài)系統(tǒng)。這個系統(tǒng)為我們實現(xiàn)優(yōu)質(zhì)廉價的大數(shù)據(jù)分析提供了堅實的技術(shù)基礎(chǔ)。

綜上所述，面對大數(shù)據(jù)分析的挑戰(zhàn)，不管是計算模型還是存儲模型技術(shù)都有了超前的進(jìn)步。然而，僅憑借當(dāng)前的技術(shù)，我們準(zhǔn)備好面對健康云上的大數(shù)據(jù)分析的挑戰(zhàn)了嗎？下一節(jié)，我們將重點分析醫(yī)療數(shù)據(jù)的特有性質(zhì)為大數(shù)據(jù)分析帶來的挑戰(zhàn)。

?

三、健康云上的大數(shù)據(jù)分析

由于醫(yī)療數(shù)據(jù)的一些特有的性質(zhì)，給健康云上的大數(shù)據(jù)分析帶來了特殊的挑戰(zhàn)。

?

1、 醫(yī)療數(shù)據(jù)是持續(xù)、大量增長的大數(shù)據(jù)。根據(jù)估算，中國一個中等城市（一千萬人口）50年所積累的醫(yī)療數(shù)據(jù)量就會達(dá)到10PB級。并且，隨著時間的推移和業(yè)務(wù)系統(tǒng)的不斷升級換代，醫(yī)療數(shù)據(jù)模式的一致性也無法保證。因此，每天都會有大量的數(shù)據(jù)持續(xù)不斷的導(dǎo)入?yún)^(qū)域醫(yī)療數(shù)據(jù)中心，并且每當(dāng)有數(shù)據(jù)模式的更改，相關(guān)的歷史數(shù)據(jù)也需要做相應(yīng)的調(diào)整。所以，區(qū)域醫(yī)療數(shù)據(jù)中心并不是簡單的傳統(tǒng)數(shù)據(jù)倉庫概念。相比之下，它的模式更靈活、寫入和更新的操作更多，而對數(shù)據(jù)存儲的水平可擴(kuò)展性的要求也更高。

2、 醫(yī)療數(shù)據(jù)是關(guān)系復(fù)雜的多維數(shù)據(jù)。由于醫(yī)療數(shù)據(jù)是多種數(shù)據(jù)源數(shù)據(jù)的匯總，數(shù)據(jù)之間的關(guān)系非常復(fù)雜。比如：一個簡單的實驗室檢驗檢測值，必須同時記錄這個值對應(yīng)的編碼系統(tǒng)和編碼、單位、檢測時間、檢驗項目、標(biāo)本編碼，以及相關(guān)聯(lián)的患者主索引號、就診機構(gòu)、申請科室、申請醫(yī)師標(biāo)識號、報告醫(yī)師標(biāo)識號、審核醫(yī)師標(biāo)識號、正常值參考等等。一條檢測記錄就可以把患者、醫(yī)生、醫(yī)療機構(gòu)多個實體在不同層次上關(guān)聯(lián)起來。而不同的醫(yī)療信息服務(wù)更需要從不同的視角來觀察這些數(shù)據(jù)，如下圖所示。比如：以患者為中心的服務(wù)需要把一個患者的全周期數(shù)據(jù)按照時間軸排列，并分析診斷、用藥和患者生命體征、檢驗檢測值之間的關(guān)聯(lián)；以醫(yī)生為中心的服務(wù)又需要把與一個醫(yī)生相關(guān)的患者數(shù)據(jù)挑揀出來，并進(jìn)行分類；以科室為中心的服務(wù)可能需要即從科室所屬醫(yī)生的角度，又要從在該科室就診患者的角度進(jìn)行分析；針對社區(qū)的服務(wù)可能需要統(tǒng)計整個社區(qū)居民某項指標(biāo)（比如血壓、血糖）的達(dá)標(biāo)率?？傊?，醫(yī)療數(shù)據(jù)的多維度多粒度為各種信息服務(wù)的多角度多層次分析提供了可能，但同時也為大數(shù)據(jù)分析帶來了挑戰(zhàn)。因為我們不可能為每一種信息服務(wù)存儲一份特定的優(yōu)化模式的數(shù)據(jù)，況且我們也無法枚舉出所有可能的信息服務(wù)需求。這就需要醫(yī)療數(shù)據(jù)的存儲模型能夠適應(yīng)靈活多變的多維統(tǒng)計分析需求。

3、 醫(yī)療數(shù)據(jù)是具有語義的數(shù)據(jù)。大家可能聽說過語義網(wǎng)（Semantic Web），它是為讓數(shù)據(jù)能跨應(yīng)用進(jìn)行共享和重用所設(shè)計的框架體系。我們可以把語義網(wǎng)簡單地理解為：一個讓機器（machines）讀懂的維基百科（Wikipedia），主要包括了各種條目的定義以及各個條目之間的關(guān)系。如果數(shù)據(jù)也采用這些條目和關(guān)系組織內(nèi)容，那么機器就可以自動理解數(shù)據(jù)的語義，并推理出各種知識。所以建立語義網(wǎng)的關(guān)鍵就是如何制作一本百科全書（有個專有名詞叫Ontology）。由于醫(yī)學(xué)是一門非常嚴(yán)謹(jǐn)?shù)目茖W(xué)，其在全球的標(biāo)準(zhǔn)化水平很高，對疾病名稱、藥物成分、臨床特征、儀器設(shè)備等都有嚴(yán)格的定義以及關(guān)聯(lián)描述。所以，語義網(wǎng)在醫(yī)學(xué)領(lǐng)域得到了廣泛應(yīng)用。進(jìn)而，醫(yī)療數(shù)據(jù)也越來越多的采用基于語義網(wǎng)的臨床文檔框架（CDA）格式的XML文檔來保存。這些XML文檔通過Ontology的解釋，就變成了一個無比巨大的概念+事實+關(guān)系的網(wǎng)絡(luò)。雖然機器能夠讀懂這個網(wǎng)絡(luò)，并能夠在上面進(jìn)行邏輯推理，從而發(fā)現(xiàn)知識，但是其計算代價也是相當(dāng)高的。當(dāng)前的醫(yī)療系統(tǒng)通常會把復(fù)雜的臨床文檔解析成簡單的屬性值，并存入自定義的關(guān)系表中。這樣做雖然會有大量的語義及關(guān)系的丟失，但卻能夠滿足日常業(yè)務(wù)系統(tǒng)對數(shù)據(jù)處理性能的要求。但是對于未來的區(qū)域醫(yī)療信息系統(tǒng)來說，為了能夠提供豐富全面的信息服務(wù)，我們必須盡可能的保留臨床文檔中的語義信息。這樣，醫(yī)療數(shù)據(jù)分析的過程中就不可避免的需要對大量XML文檔進(jìn)行解析、對各種關(guān)系進(jìn)行推理。這樣的數(shù)據(jù)分析處理過程比我們之前提到的互聯(lián)網(wǎng)數(shù)據(jù)處理要復(fù)雜得多。

?

通過上述的分析可見，簡單地將現(xiàn)有的大數(shù)據(jù)分析技術(shù)套用在健康云服務(wù)上是行不通的。我們需要充分考慮健康云服務(wù)的特點和充分利用現(xiàn)有技術(shù)框架的靈活性，已達(dá)到較好的大數(shù)據(jù)分析性能。EMC中國研究院大數(shù)據(jù)實驗室正在涉足于健康云領(lǐng)域的大數(shù)據(jù)分析技術(shù)。根據(jù)我們已掌握的技術(shù)，我們提出了如下的初步解決方案：

?

1. 基于Hadoop生態(tài)系統(tǒng)構(gòu)建健康云數(shù)據(jù)中心，用以解決數(shù)據(jù)存儲水平擴(kuò)展的挑戰(zhàn)。利用MapReduce并行處理批量事務(wù)的能力，從多個數(shù)據(jù)源（主要是醫(yī)療機構(gòu)的各個業(yè)務(wù)系統(tǒng)）抽取數(shù)據(jù)、轉(zhuǎn)換格式、并導(dǎo)入基于HBase的數(shù)據(jù)存儲模型。

2. 在數(shù)據(jù)存儲模型的設(shè)計上，我們將充分借鑒已有的數(shù)據(jù)倉庫中多維數(shù)據(jù)模型的設(shè)計思想，比如：星型模式和數(shù)據(jù)立方體的概念。在考慮應(yīng)用需求的基礎(chǔ)上，利用HBase中行鍵、列鍵、列族設(shè)計的靈活性，將多維醫(yī)療數(shù)據(jù)有效地組織在一起。而在索引技術(shù)上，我們會結(jié)合RDBMS領(lǐng)域的成熟技術(shù)，用以進(jìn)一步提高HBase的查詢性能。對于數(shù)據(jù)模式的更新，HBase特有的多版本共存的特性正好成了解決問題的關(guān)鍵。

3. 為了保留醫(yī)療數(shù)據(jù)中大量的語義關(guān)系，我們將采用結(jié)構(gòu)化數(shù)據(jù)+XML文檔混合存儲的方式。在數(shù)據(jù)導(dǎo)入的同時，提取XML文檔中特定的元數(shù)據(jù)，（比如：患者主索引、就診科室、主治醫(yī)師等），并將XML文檔根據(jù)不同粒度打散成大小不一的子文檔。根據(jù)不同粒度的查詢條件，系統(tǒng)將自動選擇相應(yīng)的子文檔進(jìn)行進(jìn)一步信息的解析，從而避免為提取少量信息而不得不解析大量XML文檔的問題。

4. 數(shù)據(jù)模型的接口將采用Hive提供的類SQL查詢的方式。這樣更有利于數(shù)據(jù)分析人員設(shè)計分析算法。同時，我們的系統(tǒng)中將嵌入多種數(shù)據(jù)挖掘算法供數(shù)據(jù)分析師使用。

?

綜上所述，為解決健康云上的大數(shù)據(jù)分析問題，我們必須同時利用RDBMS和NoSQL的優(yōu)勢，并且采用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)混合存儲的形式，相互彌補缺陷，已達(dá)到最靈活和較高效的設(shè)計。而這套基于健康云的大數(shù)據(jù)分析平臺，也將有希望擴(kuò)展到其他類似行業(yè)，比如：電信、能源、物聯(lián)網(wǎng)和公共事業(yè)等。

?

在我國，健康云的發(fā)展才是剛剛起步。我們相信，在不久的將來，我國的區(qū)域醫(yī)療解決方案市場將會有突飛猛進(jìn)的發(fā)展，文中提到的醫(yī)療信息服務(wù)將會真正的走入我們的日常生活。為此，EMC中國研究院已經(jīng)走在了技術(shù)發(fā)展的前列，旨在為健康云的實現(xiàn)提供先進(jìn)的技術(shù)支持。

?

周寶曜，EMC中國研究院大數(shù)據(jù)實驗室主任研究員，新加坡南洋理工大學(xué)計算機工程博士，主要從事大數(shù)據(jù)相關(guān)的管理架構(gòu)和分析挖掘算法的研究。曾就職于惠普中國研究院和IBM中國研究院。已在國際領(lǐng)先的學(xué)術(shù)會議和期刊上發(fā)表論文30余篇，并擁有4項專利。