临床医学中数据挖掘技术的运用

此文是一篇临床医学论文范文,临床医学有关论文范文,与临床医学中数据挖掘技术的运用相关毕业论文参考文献格式。适合不知如何写临床医学及数据库及统计分析方面的临床医学专业大学硕士和本科毕业论文以及临床医学类开题报告范文和职称论文的作为写作参考文献资料下载。

【摘 要】医院有着庞大的信息资源系统,包括全面的管理信息资料与临床信息资料,这对于实现医院管理的科学化现代化,对诊疗过程进行全面、动态跟踪,进一步优化就诊环境有着非常重要的作用,同时,不断积累大量的临床信息与管理资源.如何高效的应用这部分数据信息资源,挖掘有价值、深层次的信息,是摆在我们面前的重要研究课题.数据挖掘技术的有效运用,能够进一步提高医院管理水平与医学技术.

【关 键 词 】临床医学；数据挖掘技术；临床应用

随着人工智能技术与数据库技术的发展,数据挖掘应运而生.其不仅是一种新型的信息技术,也是支持决策的过程体系,更好的为决策提供信息支持.现阶段大部分医院已经建立了自己的数据库,但是,数据库有效利用率比较低,仅限于查询、录入、修改等操作,缺乏对数据的分析与集成,更谈不上知识的与医学决策的自动获取,数据挖掘的应用成为临床医学的重点.

1.简要论述数据挖掘技术

数据挖掘技术[1]就是指从大量不完整的、随机的、有噪声模糊的数据里提取出隐匿于其中人们所不知道却又有潜在有用的信息及知识的过程,简而言之数据挖掘就是从各种数据中挖掘或提取信息和知识.在信息技术飞速发展的今天,数据收集及存储技术的快速进步使各个组织机构得以积累大量的数据,面对如此庞大的数据量,现存的统计技术都遇到了各种各样的问题,于是人们就开始对数据采取抽样的方式收集信息,这样一来如何抽样,抽多大样本,怎么评价抽样效果,都是需要我们去研究的.

数据挖掘技术是将观测到的庞大数据集加以分析研究,其目的是找的未知的关系及数据拥有者能够理解且有价值的新方法来总结数据,经数据挖掘技术推导出的关系及摘 要 常被称为模式或模型.数据挖掘技术的出发点就是替代专家从海量数据中找出隐含知识,它使数据储存进入了一个新阶段,它既有传统数据库的存储功能,又能查询历史数据,找出其潜在的联系,挖掘出海量数据背后隐匿的重要信息,这些信息在决策生成中有重要参考意义,从而能更好地帮助人们做出正确的决策.

2.数据挖掘中常用的工具分析

作为人工智能同数据库技术结合下的产物,数据挖掘技术的很多方法都来源于机器的学习,所以模式识别,机器学习以及人工智能领域常规的技术例如决策树、聚类分析、统计分析等方法在改进后都能用于挖掘数据.对医学数据库的数据挖掘,最重要的是对疾病的分类以及疾病预测.现阶段床用的挖掘工具有几下几种：

2.1 以统计分析为基础的数据挖掘法

数据挖掘技术里非常多的实用工具都是以统计分析作为基础构造而成的,作为一门比较成熟的分析数据的技术,统计技术在很多挖掘数据的工具中得到了充分的应用.

2.2 人工神经网络法

作为计算领域的重要技术,人工的神经元网络技术[2]能根据管理模式或者非管理模式进行学习和研究,管理模式中的神经网络要预测现有的示例可能造成的结果,并将预测到的结果同目标答案比较；非管理模式学习法对数据的描述很有效却可以预测结果,而非管理模式里的神经网络创建了自己的合法性验证及操作、类描述,无关于数据模式,神经网络需要经历相当的时间,同时由于它们像黑盒一样的行为会不能满足信息分析员的要求.

2.3 决策规则法与决策树

决策规则法与决策树就是一种解决在实际应用中的分类问题的方法,简单的说,分类是使数据反映到一个事先定义好的类中的函数过程,以一组输入属性值的向量或者相应类,归纳学习算法,然后得出分类.学习的目标就是要构建分类模型,根据属性输入值来预测实体的类.换言之,分类就是将一不连续标识值分到一个未标识的记录中的过程,分类规则由于较直观,因而易容于让人接受,许多实施的决策树在机器获取领域中得到了有效算法.

2.4 进化的计算法

这是模仿了生物进化的一种计算方法的总称,包括遗传编程、进化规划、进化策略及遗传算法,它们一般具有下列特点；进化计算在函数的适度约束下进行智能搜索,在目标函数的驱动下优胜劣汰,通过数次迭代逐步接近目标,因为进化计算大都采用变异、杂交等的操作以扩大搜索的范围,所以其能接近全局的最优解,且具有框架式结构.一般在完成编码及适应度函数选择后,下面的遗传、杂交及变异等操作都能自动完成.

3.临床医学中数据挖掘技术的运用分析

3.1 疾病诊断

疾病诊断的准确性对于病人合理用药指导以及康复指导非常重要.在临床医学上,疾病类型多种多样、致病原因错综复杂,通过数据挖掘技术的应用,能够更好的进行临床诊断.在疾病诊断方面,模糊逻辑分析法、人工神经网络、粗糙集理论等工具非常有效.我国学者[3]通过人工神经网络分析法用于类风湿的临床诊断,临床诊断准确性大大提高.国外学者也通过人工神经网络分析法用于实体性肺结节的临床诊断,准确率高达百分之百.在心血管疾病诊断中[4],应用模糊逻辑开发以及粗糙集理论,临床准确准确率高达93.5%.

3.2 分析疾病相关因素

在医院信息库中,含有大量的患者个人资料以及病情信息,包括患者的性别、年龄、生活情况等多方面资料,通过对数据库中相关信息的综合研究与分析,可以得出有指导性意义的模式以及关系.疾病的发病原因、相关性危险因素分析,能够有效指导此类疾病的预防.比如说,国外研究人员[5]运用数据挖掘技术成功分析了导致产科早产的三个危险性因素.

3.3 疾病预测分析

通过数据挖掘技术运用,能够确定疾病的未来发展方向,结合患者的病史、临床症状,分析、预测疾病的发展,从而有的方式的进行疾病预防.比如说,运用粗糙集分析方法,可以有预测疾病的发生.现阶段,通过粗糙集理论预测疾早产准确率高达70%-90%,而人工预测准确性仅为16%-35%.

3.4 在临床影像学中的应用

随着医学的不断进步以及影像学的发展,在临床医学中,影像图像被越来越多的应用到临床疾病诊断中去.PET、MRI、CT等就是常用的疾病诊断工具.随着数据挖掘技术的发展与应用,其在医学图像中逐渐应用,并发挥越来越重要的价值.西方学者[6]通过数据挖掘机是成功对SPECT心肌图像进行了临床诊断分类.

【参考文献】

[1]李晓毅.Bayes判别分析及其在疾病诊断中的应用[J].中国卫生统计,2011,21（6）：356-357.

[2]网帅立,吴永明.数据挖掘技术在HIS中的应用探讨[J].计算机应用与软件,2012,20（4）：248-249.

[3]姜兴岳,耿道颖.人工神经元网络鉴别星形胶质细胞瘤良恶性的初步研究[J].中国医学计算机成像杂志,2011,27（2）：186-187.

[4]刘革平,黄智兴,邱玉辉.基于数据挖掘的远程学习过程评价系统设计与实现[J].电化教育研究,2012,13（07）：99-100.

[5]黄晶晶,倪天倪.分类挖掘在大学生智能评估系统中的设计与实现[J].计算机与现代化,2012,5（11）：16-17.