医学数据挖掘综述

医学数据挖掘是一门涉及面广、技术难度大的新兴交叉学科。本文在阐述医学数据特点的基础上，初步探讨了医学数据挖掘的一般过程，并讨论了医学数据挖掘过程中的几项关键技术。最后，文章并介绍了几种数据挖掘的智能化方法及其在医学数据挖掘中的应用。     

数据挖掘在医学科技查新中的应用

数据挖掘技术是基于关系数据库的一种有效的信息发掘工具。通过介绍数据挖掘技术在医学科技查新领域的应用情况，即在文献资料分析以及科研管理中的运用，分析探讨了数据挖掘技术在医学科技查新领域的应用前景和未来发展方向。     

数据挖掘及其在医学信息中的应用

介绍数据挖掘技术的概念、过程和常用方法,结合医学信息的特点,探讨数据挖掘技术在医学信息中的应用,包括医疗费用分析、辅助医疗诊断、医学科研以及医疗资源利用评价,以期为促进数据挖掘技术在医学领域中的更广泛应用提供借鉴.     

数据挖掘技术在医学领域中的应用

传统统计手段无法对海量数据进行有效地分析，数据挖掘技术的出现使人们看到了解决这一问题的曙光，它能将大量数据背后隐藏的有价值的信息挖掘出来，给用户带来巨大的经济效益和社会效益。目前数据挖掘技术在医学领域的应用尚处于起步阶段，但随着该方法的日益普及，其必将在医学领域得到更加广泛的应用。     

数据挖掘在医学图像分类中的应用

介绍几种数据挖掘方法的发展历程,分析其在医学图像处理中的应用及其研究现状,包括关联规则、决策树、人工神经网络、支持向量机、粗糙集等,同时阐述数据挖掘在医学图像分类研究领域存在的问题,希望对研究人员有所借鉴。     

医学数据及其应用

介绍了医学数据及医学数据系统,重点论述了医学数据挖掘,诸如RLIMS-P规则挖掘工具、PubGene关联分析系统、数据分析及知识关联服务等应用。     

数据挖掘及其在医学中的应用

介绍了数据挖掘的基本原理以及在医学领域的应用。     

天津市医学重点学科信息保障系统

以文献信息资源保证、信息分析研究、科技查新咨询、学科信息导航和数据挖掘平台为主要功能的医学信息保障系统,通过针对、集中、优选和深入的医学信息服务对天津市医学重点学科发展起到重要作用。     

R与医学统计的未来

随着大数据时代的到来,数据挖掘和模式识别已经逐渐成为新的医学科学研究范式.临床大数据集具有自身的特点:数据格式多样、复杂且难于统一,常规的商业化统计分析软件难以适应临床数据挖掘的任务需要.R是一种应用范围极其广泛、发展极其迅速、功能极其强大的统计和数据挖掘软件.本文为从事数据挖掘工作的临床研究者和医务人员介绍了R的特点.R相较于SPSS、SAS等常规商业数据分析软件的优点包括:(1)良好的编程性;(2)R具有易于扩展性,为开源社区的大量开发者提供了很多先进和实验性的统计模块及算法包;(3)良好的交互界面;(4)支持几乎所有数据格式的载入;(5)良好的数据管理;(6)绘图功能强大;(7)强大的并行计算与大数据处理能力;(8)由于以上优点,R可以很好地与临床数据挖掘研究相结合,为医学统计的发展提供动力,并推动新一代循证医学的全新理论和方法在21世纪诞生.     

数据挖掘方法及其在医学领域中的应用

简单扼要地介绍了数据挖掘中各种方法如关联分析、聚类分析、决策树方法等的相关内容和它们在医学领域中的主要应用。     

基于云计算的医疗大数据挖掘平台

介绍大数据时代医疗行业数据挖掘面临的挑战,结合云计算提出一种基于Hadoop生态环境搭建的医疗云数据挖掘平台架构,详细阐述其各层功能,包括基础层、平台层、功能层以及业务层,以期为医疗行业的大数据分析及挖掘提供新思路.     

A study on building data warehouse of hospital information system

Background  Existing hospital information systems with simple statistical functions cannot meet current management needs. It is well known that hospital resources are distributed with private property rights among hospitals, such as in the case of the regional coordination of medical services. In this study, to integrate and make full use of medical data effectively, we propose a data warehouse modeling method for the hospital information system. The method can also be employed for a distributed-hospital medical service system.

Methods  To ensure that hospital information supports the diverse needs of health care, the framework of the hospital information system has three layers: datacenter layer, system-function layer, and user-interface layer. This paper discusses the role of a data warehouse management system in handling hospital information from the establishment of the data theme to the design of a data model to the establishment of a data warehouse. Online analytical processing tools assist user-friendly multidimensional analysis from a number of different angles to extract the required data and information.

Results  Use of the data warehouse improves online analytical processing and mitigates deficiencies in the decision support system. The hospital information system based on a data warehouse effectively employs statistical analysis and data mining technology to handle massive quantities of historical data, and summarizes from clinical and hospital information for decision making.

Conclusions  This paper proposes the use of a data warehouse for a hospital information system, specifically a data warehouse for the theme of hospital information to determine latitude, modeling and so on. The processing of patient information is given as an example that demonstrates the usefulness of this method in the case of hospital information management. Data warehouse technology is an evolving technology, and more and more decision support information extracted by data mining and with decision-making technology is required for further research.

     

数据挖掘技术及其在医疗质量管理中的应用

介绍数据挖掘概念、基本流程及任务,阐述数据挖掘在医疗质量管理中的应用,包括医疗质量指标变化趋势分析、基于多维数据模型的数据挖掘分析等方面,指出将数据挖掘技术应用于医疗质量管理具有广阔的发展前景和较高的应用价值。     

需求驱动的医疗健康大数据挖掘模型构建

将跨行业数据挖掘标准流程模型（简称“CRISP-DM模型”）和需求、数据、数据挖掘方法三者的对应关系相结合构建需求驱动的数据挖掘模型。该模型主要包括需求、数据和数据挖掘方法3个核心概念与需求理解、数据理解、数据准备、建模、评估和部署6个过程步骤，分为需求层、数据层、算法层和部署层4个层次。需求驱动的医疗健康大数据挖掘模型可打破“数据先入为主”的习惯性思维，降低盲目进行数据挖掘研究引发的失败风险。整理需求、数据和数据挖掘方法之间的对应关系，可优化医疗健康大数据挖掘路径，降低数据挖掘新手的学习成本，对临床医疗和健康管理实践都具有现实意义，可用于未来的医疗健康大数据开发策略研究。     

数据挖掘技术在建立肺结核病单病种费用模型中的研究

肺结核病具有发病率高、危害严重、消耗医疗资源大的特点。因病情程度和并发症等差异,其住院费用的差别也较大。本文利用数据挖掘技术,针对南京市胸科医院信息系统中所积累的医疗病历数据及病人医疗费用数据,构建了相应的病人医疗费用数据库。采用决策树、神经网络等数据挖掘方法,对肺结核单病种医疗费用数据进行分析、处理,建立了用3层10分类的决策树表示的费用模型,比较客观地反映了历史数据中所蕴涵的相关知识或规律。     

基于电子病历信息大数据挖掘的患者就医行为分析

在对就医行为和大数据挖掘及关联规则进行文献综述的基础上,介绍大数据挖掘及关联规则算法——Apriori算法的基本内容。以郑州大学第一附属医院部分电子病历系统数据为基础,采用关联规则的Apriori算法对患者的性别、年龄、手术记录、危重记录、就诊距离、住院天数等因素进行挖掘分析,得出不同就诊距离患者的就医行为规律,提出相关政策和建议。     

病案首页数据挖掘与利用探讨

目的为充分发挥病案首页在医院管理决策中的作用。方法基于医院管理信息系统,利用数据挖掘技术进行信息整合。结果通过对病案首页信息采集质量现状分析研究,制定病案首页数据核查标准,完成病案首页数据的探索性分析和住院患者病种质量费用分析。结论数据挖掘技术的发展为医院管理信息系统病案首页信息利用,提供了强有力的技术支持,为医院管理决策提供信息服务。