1. 研究目的与意义

1 毕业设计的内容1.1 理论研究研究etl技术的实现方法，研究可视化开发技术，研究xml技术，研究数据库技术等。

1.2 系统开发1.2.1 主要功能多源异构的数据抽取软件是利用etl（抽取、转换、加载）对分布在不同系统、不同数据库的混合数据进行统一的数据整合。

软件具备以下功能： （1）数据加载：连接至目标系统并将结果写入及存储；（2）数据转储：读取不同文件格式的数据，并统一存储为数据分析与挖掘需要的文件格式；（3）数据迁移功能：根据用户需求实现不同数据库之间的数据迁移；（4）数据管理：对加载的数据集进行增、删、改操作以及基本的筛选工作；（5）数据展示功能：主要实现对整合前后数据的前台展示功能。

2. 文献综述

摘要：多源异构数据抽取软件能够对医疗内部的his、emr、lis、pacs等中的不同格式（结构化、半结构化和非结构化）的健康医疗数据进行一系列处理，包括采集、清洗和转换，并经过抽取获得元数据和规范化信息，转换为目标系统要求的数据格式，最后连接至目标系统并将结果写入及存储。

关键词：数据抽取；多源异构；etl1 研究背景和意义随着医疗数据信息化建设的愈加深入，越来越多的医疗信息管理系统被广泛应用于医疗行业，如his、emr、lis、pacs等。

在积累海量医疗数据的同时很多医院都面临这样的问题：病人信息不能完全共享，从而形成多个信息孤岛，而孤立的电子医疗数据难以适应医疗行业未来的发展。

3. 设计方案和技术路线

1 设计方案本系统为实现对医疗数据的抽取整合功能，选择了可扩展的、具有灵活性的xml技术作为桥梁，设计了一种中间件和etl结合的异构数据转换系统结构。

在该系统中，以xml存储关系表数据，以xml schema存储关系表模式，建立起关系模式到xml模式的可靠映射。

并且系统采用b/s架构，便于使用的同时，又利用web服务屏蔽了数据源的异构，为用户提供一个统一的访问接口，实现对异构数据转换的调用。

4. 工作计划

2022年12月01日-12月15日：收集资料，在不断修正中形成较为具体的研究方法；撰写论文粗纲，进行毕设选题申请、选题研究； 2022年12月26日-2022年1月31日：读文献，查资料，完成文献综述，完成开题；2022年01月01日-02月28日：软件需求分析、系统界面设计；撰写论文大纲；2022年03月01日-03月15日：系统实现关键词抽取功能；整理相关资料和数据；2022年03月16日-03月31日：系统实现数据整合功能；论文形成初稿；2022年04月01日-04月30日：测试软件，根据测试结果进一步完善程序代码；修改论文，形成二稿；2022年04月30：提交《毕业设计（论文）中期检查表》；2022年05月04日-05月10日：论文中期检查；2022年05月11日-05月19日：系统平台增量；论文修改，进行格式调整；2022年05月20日-05月31日：系统平台整合；论文定稿；答辩前准备工作；2022年06月01日-06月10日：论文答辩。

5. 难点与创新点

特色：采用XML与JSON相结合的数据传输与存储方式；设计了一种中间件和ETL结合的异构数据转换系统结构。

创新：本数据抽取软件既满足对异构数据的进行统一整合的功能，又满足从医疗数据中抽取出数据挖掘所需要的关键词的功能。