医学数据挖掘的技术、方法及应用

《医学数据挖掘的技术、方法及应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、医学数据挖掘的技术、方法及应用　计算机信息管理系统在医疗机构的广泛应用促进了医学信息的数字化;同时,电子病历和病案的大量应用、医疗设备和仪器的数字化,使得医院数据库的信息容量不断地膨胀。这些宝贵的医学信息资源对于疾病的诊断、治疗和医学研究都是非常有价值的。然而,目前大多数医院对数据库的处理仅限数据的录入、修改、查询、删除等平凡过程,属于医学数据库的低端操作,缺乏数据的集成和分析,更谈不上医学决策和知识的自动获取。如何利用这些海量的信息资源来为疾病的诊断和治疗提供科学的决策总结各种医治方案的疗效,更好地为医院的决策管理、医疗、科研和教学服务,已越来越为人们关注。另一方面,随着人们生

2、活水平的提高、保健意识的增强以及我国医疗体制改革的深入,基于计算机技术、通信技术的远程医疗和社区医疗,已经逐渐成为各大医院的另一个潜在市场。如何对医学数据库进行自动提升和处理,使其更好地为远程医疗和社区医疗提供全面的、准确的诊断决策和保健措施,已成为促进医院发展、提高服务质量而必须解决的新问题。正是在这种背景下,医学数据挖掘应运而生。　　数据挖掘概述数据挖掘(Datamining),是指从数据库中提取隐含在其中的、人们事先未知的、潜在的有用信息和知识[1]。所提取的知识可以表示为概念、规则、规律、模式等形式。数据挖掘是一门近几年才发展起来的涉及到数据库、人工智能、统计学、模式识别

3、、可视化技术、并行计算等多领域知识的交叉学科,它和数据库中的知识发现是两个等价的概念。广义的数据挖掘对象包括数据库、数据仓库、文件系统、Web信息以及其他方式的数据集合。常用的数据挖掘方法有:统计方法、机器学习、神经计算和可视化等。由于实际的数据库种类繁多,从关系型到面向对象型、空间型、时间型乃至多媒体等复杂数据库,在挖掘算法设计中往往将几种方法和几种技术综合起来运用。国外的许多零售、金融、保险、电信、民航等大型企业都开始应用数据挖掘来指导实际问题的求解。如对金融数据进行挖掘来预测贷款的偿还、制定客户的信用政策和侦破金融犯罪;电信业应用数据挖掘来确定电信的运营模式、捕捉盗用行为和

4、改进服务质量等等。　　医学数据挖掘具有特殊性医院信息涵盖了医疗过程和医院活动的全部数据资源,包括临床医疗信息和医院管理信息[2]。我们感兴趣的主要是临床医疗信息,只有这部分数据才能反映医学信息的独特之处,医学数据挖掘的主要对象也是针对这部分信息资源的。医学信息具有以下特点模式的多态性。医学信息包括纯数据(如体征参数、化验结果)、信号(如肌电信号、脑电信号等)、图像(如B超、CT等医学成像设备的检测结果)、文字(如病人的身份记录、症状描述、检测和诊断结果的文字表述),以及用于科普、咨询的动画、语音和视频信息。医学信息的多模式特性是它区分其它领域数据的最显著特征,这种多属性模式并存加

5、大了医学数据挖掘的难度。　　不完整性。病例和病案的有限性使医学数据库不可能对任何一种疾病信息都能全面地反映,表现为医学信息的不完全性。同时,许多医学信息的表达、记录本身就具有不确定和模糊性的特点[2]。疾病信息所体现出的客观不完整和描述疾病的主观不确切,形成了医学信息的不完整性。时间性。医学检测的波形、图像都是时间的函数;还有一部分医学信息,比如病人的身份记录等静态数据,虽然不带有时序性,但都是对病人在某一时刻医疗活动的记录。冗余性。医学数据库是一个庞大的数据资源,每天都会有大量相同的或部分相同的信息存储在其中。比如,对于某些疾病,病人所表现的症状、化验的结果、采取的治疗措施都可

6、能完全一样。　　医学信息的所具有的这些特点,使得医学数据挖掘与普通的数据挖掘存在较大的差异,决定了医学数据挖掘的特殊性。医学信息是由文字、数据、波形信号、图像、以及少量的语音和视频信号组成。对这些不同物理属性的医学数据,应采用不同的技术和措施进行处理,使其在属性上趋同或一致,再对处理的结果进行综合。医学信息的多源性、时序性和非时序性数据共存、数字型数据和非数字型数据共存的特点,加大了信息融合的难度。医学数据库是一个涉及面广、信息量大的信息库。要在这样庞大的数据库中提取知识,需要花费比其它数据库更多的时间,因此必须考虑医学数据挖掘的效率问题。研究快速挖掘算法对于远程医疗和社区医疗具

7、有更深远的意义,将直接影响其响应速度和医疗成本。同时,医学数据库的类型较多,并且又是动态变化的,要求挖掘算法具有一定的容错性和鲁棒性。本文转载自：http://www.heblunwen.com/请尊重原创，转载请注明出处。