臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究

臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究

ID:30951782

大?。?9.00 KB

頁數(shù):6頁

時間:2019-01-04

臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究_第1頁
臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究_第2頁
臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究_第3頁
臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究_第4頁
臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究_第5頁
資源描述:

《臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究》由會員上傳分享,免費在線閱讀,更多相關內容在工程資料-天天文庫。

1、臨床醫(yī)學中數(shù)據(jù)挖掘技術應用研究【摘要】醫(yī)院有著龐大的信息資源系統(tǒng),包括全面的管理信息資料與臨床信息資料,這對于實現(xiàn)醫(yī)院管理的科學化現(xiàn)代化,對診療過程進行全面、動態(tài)跟蹤,進一步優(yōu)化就診環(huán)境有著非常重要的作用,同時,不斷積累大量的臨床信息與管理資源。如何高效的應用這部分數(shù)據(jù)信息資源,挖掘有價值、深層次的信息,是擺在我們面前的重要研究課題。數(shù)據(jù)挖掘技術的有效運用,能夠進一步提高醫(yī)院管理水平與醫(yī)學技術。【關鍵詞】臨床醫(yī)學;數(shù)據(jù)挖掘技術;臨床應用隨著人工智能技術與數(shù)據(jù)庫技術的發(fā)展,數(shù)據(jù)挖掘應運而生。其不僅是一種新型的信息技術,也是支持決策的過程體系,更好的為決策提供信息支持。

2、現(xiàn)階段大部分醫(yī)院已經(jīng)建立了自己的數(shù)據(jù)庫,但是,數(shù)據(jù)庫有效利用率比較低,僅限于查詢、錄入、修改等操作,缺乏對數(shù)據(jù)的分析與集成,更談不上知識的與醫(yī)學決策的自動獲取,數(shù)據(jù)挖掘的應用成為臨床醫(yī)學的重點。1簡要論述數(shù)據(jù)挖掘技術數(shù)據(jù)挖掘技術[1]就是指從大量不完整的、隨機的、有噪聲模糊的數(shù)據(jù)里提取出隱匿于其中人們所不知道卻又有潛在有用的信息及知識的過程,簡而言之數(shù)據(jù)挖掘就是從各種數(shù)據(jù)中挖掘或提取信息和知識。在信息技術飛速發(fā)展的今天,數(shù)據(jù)收集及存儲技術的快速進步使各個組織機構得以積累大量的數(shù)據(jù),面對如此龐大的數(shù)據(jù)量,現(xiàn)存的統(tǒng)計技術都遇到了各種各樣的問題,于是人們就開始對數(shù)據(jù)采取抽

3、樣的方式收集信息,這樣一來如何抽樣,抽多大樣本,怎么評價抽樣效果,都是需要我們去研究的。數(shù)據(jù)挖掘技術是將觀測到的龐大數(shù)據(jù)集加以分析研究,其目的是找的未知的關系及數(shù)據(jù)擁有者能夠理解且有價值的新方法來總結數(shù)據(jù),經(jīng)數(shù)據(jù)挖掘技術推導出的關系及摘要常被稱為模式或模型。數(shù)據(jù)挖掘技術的出發(fā)點就是替代專家從海量數(shù)據(jù)中找出隱含知識,它使數(shù)據(jù)儲存進入了一個新階段,它既有傳統(tǒng)數(shù)據(jù)庫的存儲功能,又能查詢歷史數(shù)據(jù),找出其潛在的聯(lián)系,挖掘出海量數(shù)據(jù)背后隱匿的重要信息,這些信息在決策生成中有重要參考意義,從而能更好地幫助人們做出正確的決策。2數(shù)據(jù)挖掘中常用的工具分析作為人工智能同數(shù)據(jù)庫技術結合下

4、的產(chǎn)物,數(shù)據(jù)挖掘技術的很多方法都來源于機器的學習,所以模式識別,機器學習以及人工智能領域常規(guī)的技術例如決策樹、聚類分析、統(tǒng)計分析等方法在改進后都能用于挖掘數(shù)據(jù)。對醫(yī)學數(shù)據(jù)庫的數(shù)據(jù)挖掘,最重要的是對疾病的分類以及疾病預測。現(xiàn)階段床用的挖掘工具有幾下幾種:2.1以統(tǒng)計分析為基礎的數(shù)據(jù)挖掘法數(shù)據(jù)挖掘技術里非常多的實用工具都是以統(tǒng)計分析作為基礎構造而成的,作為一門比較成熟的分析數(shù)據(jù)的技術,統(tǒng)計技術在很多挖掘數(shù)據(jù)的工具中得到了充分的應用。2.2人工神經(jīng)網(wǎng)絡法作為計算領域的重要技術,人工的神經(jīng)元網(wǎng)絡技術[2]能根據(jù)管理模式或者非管理模式進行學習和研究,管理模式中的神經(jīng)網(wǎng)絡要預測

5、現(xiàn)有的示例可能造成的結果,并將預測到的結果同目標答案比較;非管理模式學習法對數(shù)據(jù)的描述很有效卻可以預測結果,而非管理模式里的神經(jīng)網(wǎng)絡創(chuàng)建了自己的合法性驗證及操作、類描述,無關于數(shù)據(jù)模式,神經(jīng)網(wǎng)絡需要經(jīng)歷相當?shù)臅r間,同時由于它們像黑盒一樣的行為會不能滿足信息分析員的要求。2.3決策規(guī)則法與決策樹決策規(guī)則法與決策樹就是一種解決在實際應用中的分類問題的方法,簡單的說,分類是使數(shù)據(jù)反映到一個事先定義好的類中的函數(shù)過程,以一組輸入屬性值的向量或者相應類,歸納學習算法,然后得出分類。學習的目標就是要構建分類模型,根據(jù)屬性輸入值來預測實體的類。換言之,分類就是將一不連續(xù)標識值分到

6、一個未標識的記錄中的過程,分類規(guī)則由于較直觀,因而易容于讓人接受,許多實施的決策樹在機器獲取領域中得到了有效算法。2.4進化的計算法這是模仿了生物進化的一種計算方法的總稱,包括遺傳編程、進化規(guī)劃、進化策略及遺傳算法,它們一般具有下列特點;進化計算在函數(shù)的適度約束下進行智能搜索,在目標函數(shù)的驅動下優(yōu)勝劣汰,通過數(shù)次迭代逐步接近目標,因為進化計算大都采用變異、雜交等的操作以擴大搜索的范圍,所以其能接近全局的最優(yōu)解,且具有框架式結構。一般在完成編碼及適應度函數(shù)選擇后,下面的遺傳、雜交及變異等操作都能自動完成。3臨床醫(yī)學中數(shù)據(jù)挖掘技術的運用分析3.1疾病診斷疾病診斷的準確性

7、對于病人合理用藥指導以及康復指導非常重要。在臨床醫(yī)學上,疾病類型多種多樣、致病原因錯綜復雜,通過數(shù)據(jù)挖掘技術的應用,能夠更好的進行臨床診斷。在疾病診斷方面,模糊邏輯分析法、人工神經(jīng)網(wǎng)絡、粗糙集理論等工具非常有效。我國學者[3]通過人工神經(jīng)網(wǎng)絡分析法用于類風濕的臨床診斷,臨床診斷準確性大大提高。國外學者也通過人工神經(jīng)網(wǎng)絡分析法用于實體性肺結節(jié)的臨床診斷,準確率高達百分之百。在心血管疾病診斷中[4],應用模糊邏輯開發(fā)以及粗糙集理論,臨床準確準確率高達93.5%。3.2分析疾病相關因素在醫(yī)院信息庫中,含有大量的患者個人資料以及病情信息,包括患者的性別、年齡、生活情況等

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現(xiàn)內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。