图像数据挖掘的模型和技术

目的:介绍图像数据挖掘的模型及核心技术.方法:原始图像不能直接用于图像数据挖掘,必须进行预处理以生成用于高层次挖掘的图像特征库.一个图像挖掘系统应该包括图像的存储、预处理、检索、挖掘和展示等功能.它主要涉及图像数据挖掘模型和图像数据挖掘技术.结果:MultiMediaMiner是以DBMiner系统和C-BIRD系统为基础发展起来的图像数据挖掘系统,它是典型的功能驱动模型.在信息驱动模型中,象素层和对象层主要进行图像处理、对象识别和特征提取,而语义概念层和模式知识层主要进行图像数据挖掘和知识集成,该模型不仅只在图像的高层次进行挖掘,而且还可以扩展此模型以使挖掘能够在每个层次以及不同层次间进行.基于图像的数据挖掘核心技术涉及:图像处理技术,如去噪、对比度增强、图像分割等技术;特征提取和优化技术;分类、规则提取、预测和聚类等.结论:理论上图像数据挖掘是数据挖掘的一个分支,但是由于挖掘对象的复杂性,所以图像数据挖掘不是传统的数据挖掘理论与技术在图像数据上的简单应用和延伸,而是一个具有自己独特研究内容、理论与技术框架的新的研究领域.     

数据挖掘技术在医学研究中的应用

随着电子信息技术的发展．人们对搜集数据的能力得到了迅速的提高。而医学数据挖掘常用的用于分类和预测的智能化方法有粗糙集理论、决策树、人工神经网络等。本文就数据挖掘技术如神经网络、决策树以及粗糙集理论等几种方法在医学研究中的应用作一综述。     

数据挖掘在国内护理领域应用的文献计量学分析

目的 分析数据挖掘在护理领域的应用现状,为开展护理学相关研究提供参考.方法 计算机检索中国期刊全文数据库和万方数据库自建库以来至2019年12月31日所收录的有关数据挖掘应用于护理领域的文献,采用文献计量学方法对文献年度和地区及期刊分布、作者情况、合著率及数据挖掘技术分布情况等进行分析.结果 共纳入351篇文献,文献年度发文量总体呈上升态势;发文量排名前5的省市为北京、江苏、上海、山东和湖北;文献分布于103种期刊,有基金支持的文献仅105篇(29.91％);文献第一作者所属机构类型以医学院校为主(47.01％);作者总人数811人,文献合作度2.31;使用的数据挖掘技术有聚类分析、主成分分析、决策树、关联规则、遗传算法等,其中使用最多的是聚类分析和主成分分析,分别占40.46％、37.32％.结论 数据挖掘在护理领域的研究正在逐渐深入,但存在研究覆盖面尚不宽广、基金资助尚显不足、文献合作度及被引频次低等问题,应加强护理人员信息化技术的教育和培训,以推进数据挖掘在护理学中的研究,从而提高护理研究的质量.     

数据挖掘在护理领域中的应用进展

正数据挖掘是指从大量数据中挖掘有用知识的过程~([1]),它的技术主要来源于统计学、机器学习、模式识别和数据仓库等学科。数据挖掘是知识发现的一个步骤。2011年,国际数据公司认为人类社会产生和复制的数据十分庞大,并以每2年翻倍的速度增长~([2])。医疗卫生领域也产生了大量有价值的数据,充分挖掘并利用这些数据有助于改善照护方法~([3-5]),促进人群健康~([6-8]),节约医疗费用~([9-11])。数据挖掘在医疗领域     

基于数据挖掘技术的决策树算法在医疗设备绩效预测中的应用

研究一种基于数据挖掘技术的决策树算法在医疗设备绩效预测中的分析方法,在医疗设备购置前对其投入使用后的绩效进行预测.应用数据挖掘技术的决策树算法对HIS中的数据进行挖掘.数据挖掘过程包括数据选择导入模块、数据清理与预处理模块、数据挖掘模块、测试、评估模块、绩效预测模块.结果显示这种方法能在医疗设备购置前对其投入使用后的绩效进行较为准确的预测,并能为临床路径的研究提供具有实际意义的参考.     

基于数据挖掘技术的医疗大数据分析方法

医疗大数据中隐含着宝贵的知识和规律信息,获取这些知识并将之应用于医疗护理实践具有重要意义。数据挖掘技术是从大数据中挖掘知识的经典方法和有效手段。本文详细探讨了基于数据挖掘技术对医疗大数据进行分析的基本方法并给出了具体应用实例,对促进医疗大数据的实际应用具有一定的参考价值和借鉴意义。     

数据挖掘技术平台在护理质量综合评价中的应用

目的 应用数据挖掘技术,为护理质量评价建立分析平台。 方法 运用数据挖掘技术中的决策树分析法为病区护理质量考评构建兼顾护理人员能级配置、护理技术操作风险与护理工作数量负荷综合分析的等级评估平台。 结果 应用数据挖掘技术综合分析各病区护理工作量、护理技术操作风险与护理人员配置后,各病区被数据挖掘分析技术自动分为不同的病区集群,并以树型图的方式表达,护理管理者再在不同的病区集群中进行护理质量评价。 结论 运用数据挖掘技术平台能进行更为公平、公正地护理质量综合评价。     

关联规则应用于护理领域的研究现状

关联规则作为数据挖掘技术的一部分,其应用与发展得到了良好机遇,护理研究者已经开始应用关联规则技术挖掘护理数据中有意义的内容,以指导护理相关领域的发展.文章阐述了关联规则含义、常用算法及软件,梳理了关联规则在护理不良事件、护理人力资源、护理教育及中医护理领域的研究进展.在此基础上,从数据挖掘能力、护理语言标准化的角度提出...     

护理大数据应用现状及发展趋势的可视化分析

目的分析国内外护理大数据相关研究,了解其应用现状与发展趋势,为我国护理大数据的发展提供借鉴。方法以CNKI、万方数据库和Web of Science核心合集收录的护理大数据相关文献为数据来源,检索时限为建库至2019年9月30日。采用Excel软件对文献的发表年份、国家、机构及期刊进行统计分析,采用VOSviewer软件对关键词和国家合作关系进行共现分析,绘制可视化图谱。结果共纳入中文文献195篇,英文文献5751篇。2001—2019年护理大数据相关研究总体呈增长趋势。我国护理大数据相关研究较少,研究机构较分散,主要刊登在护理期刊上。护理大数据英文文献主要涉及5个领域,分别为健康管理、评估与预测、数据挖掘技术、数据分析与云计算、大数据研究平台;中文文献主要涉及3个领域,分别为信息化护理、护理质量管理和大数据的应用类型。美国处于国家合作关系的中心位置并占据主导地位。结论我国护理大数据研究尚处于起步阶段,研究内容不够聚焦,可从规范护理标准术语、构建多元的数据监测平台、提高护理人员信息素养等方面进一步探索,加快我国护理大数据在临床的应用,进而为患者提供精准的护理服务。     

护理管理微型数据库集

<正>护理管理微型数据库集(Nursing Management Minimum Data Set,NMMDS)是由3类17种数据元素组成的数据集,包括环境、护理资源和财政资源。该数据集是用于发现和收集护理行政人员和管理者所需要的数据。从行政、管理和资源角度,来管理护理保健和描述卫生保健、护理环境与疾病诊断、干预、结果的关联性。     

数据挖掘技术在名老中医学术经验研究的应用

根据数据挖掘中几类常用的方法,分别从频数分析、关联规则、聚类分析、因子分析、复杂网络分析等具体方法,对近10年数据挖掘在名老中医学术经验研究中的应用加以综述。总结各数据挖掘方法在名老中医治疗疾病的用药频次、用药药性、常用药对配伍规律、药症关联及新处方的挖掘等方面的研究方法及成果,对各方法和研究目的的适应关系做出相应评价,提出对于不同研究目的较为适用的具体方法,并认为数据挖掘可为总结名老中医学术经验提供有效的数据参考和新的思路。     

基于数据挖掘技术构建导管相关感染关联规则的应用与展望

回顾数据挖掘技术的概念及分类,综述数据挖掘技术在临床医学、护理安全预警、护理管理决策以及医院感染风险预测中的应用,分析基于数据挖掘技术构建导管相关感染关联规则的应用前景,旨在为数据挖掘在导管相关感染中的临床实践应用提供参考。     

基于关联规则数据挖掘的献浆者招募形式研究

采用计算机技术,探索提升献浆者招募效率和质量的途径,进一步建立献浆长效机制。构建数据仓库建立一套献浆者多维数据集,采用数据挖掘中关联规则方法,研究分析宜春市上生单采血浆有限公司2013年2 730名合格献浆者相关数据。通过关联规则分析得出一系列献浆者招募的相关规则。利用关联规则数据挖掘技术,为进一步转被动为主动方式发展献浆者提供决策支持的依据,使献浆者招募进入一个全新的发展领域。     

中医护理技术在脑卒中后上肢功能障碍中的应用进展

中医护理技术是脑卒中后上肢功能障碍的有效护理手段之一,有效的中医护理干预能较好改善患者的神经功能缺损和肢体功能,临床常用的护理干预方法包括石蜡疗法、针灸、中药热熨、刺络拔罐、穴位注射、中药离子导入等。以临床经验总结、两种以上的综合疗法及理论的报道居多;针对患者个体差异进行辩证施护、分析中医证候特点的少见;较常用于慢性病康复及养生领域的护理;刮痧、中药热熨等耗时较长的技术开展率较低。中医护理技术在作用机制、循证依据、动物实验、操作标准、远期疗效及客观评价指标等方面还有待进一步研究。     

数据挖掘技术在医院消毒和医院感染管理中的应用

数据挖掘(Data Mining,DM)是指从大量不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的潜在有用的信息和知识的过程〔1,2〕。随着现阶段医院信息系统在日常应用中积累的数据越来越多,数据挖掘技术近年来得到国内外的极大重视〔3〕。在医学领域,数据挖掘技术     

基于孤立点分析的医学图像处理

背景：在进行临床诊断的时候,医学影像中许多微小的纹理变化细节和形态特征不容易被发现,会影响对病情的早期判断。目的：为数字医学图像中病变的计算机诊断提供一种新的思路和方法,帮助医生及早发现和诊断恶性病变、提高诊断效率和准确性。方法：运用孤立点数据挖掘技术,分析提取医学图像数据集中隐藏、不为人所注意、易被抛弃的但非常有用的信息,找出其中的医学诊断规则和模式,从而辅助医生进行疾病诊断。结果与结论：实验证明基于医学图像象素聚类的孤立点分析算法对于发现脑部病变是切实可行的。     

基于孤立点分析的医学图像处理

背景:在进行临床诊断的时候,医学影像中许多微小的纹理变化细节和形态特征不容易被发现,会影响对病情的早期判断.目的:为数字医学图像中病变的计算机诊断提供一种新的思路和方法,帮助医生及早发现和诊断恶性病变、提高诊断效率和准确性.方法:运用孤立点数据挖掘技术,分析提取医学图像数据集中隐藏、不为人所注意、易被抛弃的但非常有用的信息,找出其中的医学诊断规则和模式,从而辅助医生进行疾病诊断.结果与结论:实验证明基于医学图像象素聚类的孤立点分析算法对于发现脑部病变是切实可行的.     

脑功能成像与数据挖掘

随着新技术手段的不断发展(如脑功能成像等), 神经科学研究积累了海量的数据,任何一个人或研究小组已无法掌握本领域的所有信息.一个可能的解决方法就是采用信息学的工具和手段来整合脑研究数据(即神经信息学).脑功能成像领域的研究结果与数据挖掘方法的结合, 将对破译人脑奥秘起到重要作用.     

基于DEA法的护理单元效率评价

护理效率是护理单元中投入的护理人力、资源,所产出的护理活动及措施的数量[1]。在医疗服务领域的效率评估中大致可以分为两类,一是应用比较直接的临床数据来评估成本,二是应用计量经济学模型来测量效率[2]。护理效率的评估,国内学者多从临床所得数据来进行部分项目成本研究的测量和分析,数据包络分析(data envelopment analysis,DEA)作为计量经济学模型的一种,是运筹学、管理科学和数理经济学交叉研究的一个新的领域[3,4],由Charnes等于1978年开始创建,并成功地运     

3D直肠压力测定的操作及护理

<正>肛门直肠压力测定是检测肛门直肠功能的重要方法,是对肛门和直肠的运动压力变化进行数据记录,从而对肛门直肠生理、病理进行研究[1]。它是一种安全、简便、无创的客观检查技术,用于辅助诊断、指导治疗和疗效评估等。它由受过专业培