2025年医学信息学专升本练习题库与参考答案

2025年医学信息学专升本练习题库与参考答案一、单项选择题1.医学信息学的核心研究对象是（）A.医院管理流程B.生物医学数据与信息C.临床诊疗技术D.药品供应链答案：B2.医院信息系统（HIS）的基础模块通常不包括（）A.门诊挂号子系统B.电子病历系统（EMR）C.医学影像存档与通信系统（PACS）D.医院财务核算系统答案：C（解析：PACS属于专业辅助系统，非HIS基础模块）3.DICOM标准主要用于规范（）A.实验室检验数据交换B.医学影像数据的存储与传输C.电子病历的结构化表达D.医院管理信息的编码答案：B4.HL7（HealthLevel7）协议的主要作用是（）A.统一医学影像格式B.规范医疗信息系统间的临床数据交换C.定义生物信号采集标准D.制定药品分类编码规则答案：B5.电子病历（EMR）区别于传统纸质病历的核心特性是（）A.存储介质数字化B.支持结构化数据录入与检索C.包含患者全生命周期信息D.具备法律效力答案：B6.健康信息交换（HIE）的关键技术不包括（）A.语义互操作性技术B.区块链存证C.大数据分析D.统一身份认证答案：C（解析：HIE核心是数据交换，分析为后续应用）7.医学数据仓库的核心功能是（）A.实时存储临床交易数据B.支持复杂查询与多维分析C.保障数据传输安全性D.实现跨系统数据同步答案：B8.自然语言处理（NLP）在医学领域的典型应用是（）A.医学影像三维重建B.电子病历非结构化文本的信息提取C.患者生命体征实时监测D.药品不良反应预警模型构建答案：B9.区块链技术在医疗数据共享中的主要优势是（）A.提升数据处理速度B.实现数据的不可篡改与可追溯C.降低存储成本D.简化数据格式转换答案：B10.健康大数据分析的基本步骤排序正确的是（）①数据清洗②需求分析③模型构建④结果验证⑤数据采集A.⑤→①→②→③→④B.②→⑤→①→③→④C.⑤→②→①→③→④D.②→①→⑤→③→④答案：B二、多项选择题1.医学信息学的研究内容包括（）A.医学信息标准制定B.临床决策支持系统开发C.生物医学数据挖掘D.医疗信息系统安全防护答案：ABCD2.医院信息系统（HIS）的功能模块通常包括（）A.门诊收费管理B.住院患者护理记录C.医学检验结果管理D.医院设备资产管理答案：ABCD3.电子健康档案（EHR）的特点包括（）A.覆盖个体全生命周期B.支持跨机构共享C.包含结构化与非结构化数据D.仅记录诊断与治疗信息答案：ABC4.医学图像存档与通信系统（PACS）的组成部分包括（）A.影像采集设备接口B.图像存储服务器C.放射科医生诊断工作站D.患者移动终端查询模块答案：ABC5.健康信息标准体系涉及的内容有（）A.数据元标准（如LOINC）B.术语标准（如SNOMEDCT）C.传输标准（如HL7FHIR）D.安全标准（如HIPAA）答案：ABCD6.医学数据清洗的主要步骤包括（）A.缺失值处理B.异常值检测C.重复数据删除D.数据格式统一答案：ABCD7.人工智能在医学影像中的应用场景包括（）A.肺结节自动检测B.病理切片肿瘤细胞识别C.影像伪影自动校正D.患者检查预约智能分配答案：ABC8.医疗物联网（IoMT）的关键技术包括（）A.传感器数据采集B.低功耗无线通信（如ZigBee）C.边缘计算处理D.电子病历结构化答案：ABC9.卫生信息系统的安全措施包括（）A.访问控制（如角色权限管理）B.数据加密传输（如TLS）C.灾难恢复与备份D.用户操作日志审计答案：ABCD10.医学信息学伦理原则需遵循（）A.患者隐私保护B.数据使用的知情同意C.算法公平性（避免偏见）D.信息系统的可及性答案：ABCD三、简答题1.简述医学信息学的学科特点。答案：医学信息学是医学、信息学、计算机科学交叉的边缘学科，具有以下特点：①多学科融合性，需结合临床医学、生物医学工程、统计学等；②实践性强，研究成果直接应用于医疗场景（如HIS、EMR）；③数据驱动性，核心是生物医学数据的采集、存储、处理与应用；④标准化需求高，依赖统一的信息标准（如DICOM、HL7）实现系统互操作；⑤伦理敏感性，涉及患者隐私保护、数据安全等伦理问题。2.比较医院信息系统（HIS）与电子病历系统（EMR）的区别与联系。答案：区别：HIS以医院管理为核心，覆盖门诊、住院、收费等运营流程；EMR以患者为中心，聚焦临床诊疗信息的记录与管理。联系：EMR是HIS的重要组成部分，HIS为EMR提供数据来源（如检验、检查结果）；两者均需遵循健康信息标准（如HL7），实现数据互通；HIS的运营数据（如患者就诊记录）可作为EMR的补充信息。3.简述DICOM标准的主要作用。答案：DICOM（数字影像与通信标准）是医学影像领域的核心标准，主要作用包括：①规范医学影像（如X线、CT、MRI）的文件格式（包含图像像素数据与元信息）；②定义影像设备（如CT机）与PACS、放射信息系统（RIS）间的通信协议；③支持影像的存储、传输与共享，确保不同厂商设备提供的影像可互认；④为影像后处理（如三维重建）提供统一的数据基础。4.说明HL7v3与v2的主要差异。答案：HL7v2是基于消息的文本协议，采用分隔符（如|、^）定义字段，灵活性高但语义表达有限，主要用于临床交易数据（如检验结果通知）的交换；HL7v3基于面向对象的建模方法（使用RIM模型），采用XML格式，强调语义标准化，支持更复杂的临床知识表达（如临床文档结构），适用于电子健康档案、临床决策支持等需要深度语义互操作的场景。5.电子病历结构化的意义是什么？答案：结构化电子病历将非结构化文本（如医生手写记录）转化为预定义的字段（如主诉、现病史）和标准化术语（如ICD-10诊断编码），意义包括：①支持高效检索与统计（如按诊断编码筛选患者）；②为临床决策支持系统（CDSS）提供结构化输入（如提取实验室值触发预警）；③便于跨机构数据共享（结构化数据更易解析）；④支撑医学研究（结构化数据可直接用于统计分析）。6.健康信息交换平台的核心功能有哪些？答案：核心功能包括：①数据整合：通过适配器（Adapter）接入不同医疗机构的HIS、EMR、PACS等系统，实现异构数据的抽取与转换；②语义映射：将各系统的私有术语（如医院自定义的检验项目名称）映射到公共术语标准（如LOINC），解决语义异构问题；③安全交换：通过数字签名、加密传输（如HTTPS）、访问控制（如基于角色的权限）保障数据传输安全；④查询服务：支持授权用户（如医生）跨机构查询患者健康信息（如外院检验结果）；⑤审计追踪：记录数据访问行为，满足合规性要求（如HIPAA）。7.医学数据仓库的构建步骤包括哪些？答案：步骤为：①需求分析：明确数据仓库的目标（如临床质量分析、科研数据支持），确定主题域（如患者、疾病、诊疗）；②数据源整合：识别需纳入的数据源（HIS、EMR、LIS等），抽取原始数据；③数据清洗与转换：处理缺失值、异常值，统一数据格式（如日期格式），进行维度建模（如时间维度、患者维度）；④数据加载：将清洗后的数据加载到数据仓库的星型或雪花型模式中；⑤前端应用开发：构建OLAP分析工具、可视化报表，支持多维查询（如按科室、时间分析住院费用）。8.自然语言处理（NLP）在临床决策支持中的应用场景有哪些？答案：应用场景包括：①电子病历文本挖掘：从非结构化病历中提取关键信息（如过敏史、用药剂量），填入结构化字段，辅助CDSS获取完整患者数据；②临床指南匹配：分析患者病历（如症状、检验结果），与指南文本（如“急性心梗诊疗指南”）进行语义匹配，推荐诊疗建议；③不良事件监测：自动扫描病历、护理记录中的关键词（如“呼吸困难”“血压下降”），识别潜在不良事件并预警；④科研数据提取：从大量病历中抽取符合纳入标准的患者队列（如“65岁以上2型糖尿病患者”），支持临床研究。9.区块链技术在医疗数据共享中的应用模式有哪些？答案：主要模式包括：①数据存证：将患者数据的哈希值存储在区块链上，确保数据完整性（如电子病历修改可追溯）；②共享授权：通过智能合约实现患者对数据访问的细粒度授权（如允许某医生在特定时间内查看检验结果），避免数据滥用；③跨机构协作：医院、保险公司、公共卫生机构作为节点加入联盟链，共享经患者授权的数据（如理赔所需的诊疗记录），提升协作效率；④药品溯源：记录药品生产、流通、使用全流程信息，防止假药流通。10.健康大数据隐私保护的技术手段有哪些？答案：技术手段包括：①数据脱敏：对原始数据进行匿名化处理（如姓名替换为ID、年龄分桶），防止直接识别患者；②差分隐私：在数据中添加可控噪声（如统计结果允许一定误差），避免通过多次查询推断个体信息；③联邦学习：在不共享原始数据的前提下，各机构使用本地数据训练模型（如疾病预测模型），仅交换模型参数，保护数据隐私；④访问控制：通过角色权限（如医生仅能查看负责患者的数据）、时间限制（如临时授权）限制数据访问范围；⑤加密技术：采用同态加密（允许对加密数据进行计算）、属性基加密（按数据属性设置解密条件）保护存储与传输中的数据。四、案例分析题案例1：某三甲医院计划升级HIS系统，需将旧系统中10年的患者就诊数据迁移至新系统。迁移过程中出现数据格式不一致（如旧系统日期为“YYMMDD”，新系统为“YYYY-MM-DD”）、部分检验结果缺失（如2015年某批次检验数据未存储）、患者ID重复（不同科室使用独立ID提供规则）等问题。问题：请提出数据迁移的解决方案。答案：解决方案包括：①数据标准化：制定迁移数据字典，明确新旧系统字段映射关系（如旧日期“230510”转换为“2023-05-10”），使用ETL工具（如Talend）自动完成格式转换；②缺失数据处理：对于可追溯的缺失数据（如联系检验科室补录2015年数据），通过人工+系统接口补全；无法补全的标注“缺失”并记录原因；③ID冲突解决：以患者身份证号为唯一标识，对重复ID进行合并（如关联旧ID与新提供的全局唯一ID），建立映射表供后续查询；④质量验证：迁移后抽取10%数据进行人工核对（如检查诊断编码、费用金额是否一致），使用统计工具验证数据完整性（如检验记录数是否匹配）；⑤回滚方案：迁移前备份旧系统数据，若新系统运行异常，可快速恢复旧数据。案例2：某医院放射科引入AI辅助诊断系统，可自动识别胸部CT中的肺结节并给出良恶性概率。但部分医生反映，系统对磨玻璃结节的识别准确率低于文献报道，且无法解释判断依据（如“为何认为该结节是恶性”）。问题：从医学信息学角度分析可能原因，并提出改进建议。答案：可能原因：①训练数据偏差：AI模型训练集可能包含更多典型结节病例，而磨玻璃结节样本量不足或特征标注不准确；②模型可解释性差：采用深度学习（如CNN）等黑箱模型，缺乏对决策逻辑的可视化（如未标注结节关键特征区域）；③临床场景差异：文献中的测试数据来自特定设备（如64排CT），而医院使用16排CT，图像分辨率不同影响模