数据挖掘技术在电子病历中的研究与应用

利用数据挖掘技术可以从电子病历中提取隐含的有用信息,并挖掘出疾病诊断与治疗的规律。数据挖掘技术主要包括统计分析类和知识发现类。结合电子病历的特点,目前主要有基于关联规则的数据挖掘、基于粗糙集的数据挖掘和可视化数据挖掘等方面的研究,并已取得了初步进展。     

数据挖掘技术探讨

本文首先介绍了数据挖掘技术产生的背景,接着给出数据挖掘技术定义,并探讨了数据挖掘技术及其应用.     

医疗数据挖掘中的隐私保护

从传统数据挖掘的流程入手,介绍医疗数据挖掘的意义,分析数据挖掘中隐私保护的着重探讨基于安全多方计算的数据挖掘、面向原始数据的隐私保护和面向数据挖掘知识的隐私保护及其实现技术.     

数据挖掘技术及其在教学中的应用

数据挖掘是当前数据库和信息决策领域的研究热点,本文首先介绍了数据挖掘的基本涵义和主要方法,然后阐述数据挖掘技术在教学中的应用。     

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.     

利用数据挖掘技术进行医药信息整合

本文首先介绍了数据挖掘和信息整合的涵义，进而叙述了利用数据挖掘技术进行医药信息整合的意义，最后论述了如何利用数据挖掘技术进行医药信息整合。     

数据挖掘及其在信息服务业应用的研究现状

回顾数据挖掘产生的根源，对数据挖掘的定义、分类、分析方法和算法及其发展的体系结构进行简要的介绍，并重点探讨数据挖掘技术在信息服务业应用的研究现状，在此基础上指出数据挖掘所面临的挑战，也指出发展数据挖掘技术的成本问题。     

数据挖掘技术在健康数据分析中的应用

结合健康数据自身的特点,阐述数据挖掘技术用于疾病诊断、治疗及预后评估的优势,探讨现有的健康数据挖掘应用情况以及发展趋势,提出所面临的问题和挑战,为促进数据挖掘技术在医学相关领域中的更广泛应用提供借鉴。     

数据挖掘技术在中医证候研究中的应用概述

对近5年来数据挖掘技术在中医证候研究中的应用情况进行归纳总结,介绍中医证候数据挖掘的特点、关键环节、应用方向和主要方法,并分析了数据挖掘技术在中医证候研究领域中的重要作用和意义。     

数据挖掘技术在国家级名老中医学术经验继承中的应用

本文介绍了数据挖掘技术的概念和类别,着重讨论了频数分析、关联规则、聚类分析、因子分析及Logistic回归分析在国家级名老中医经验继承中的应用情况,从中发现了数据挖掘技术在国家级名老中医经验继承中的问题,最后指出了数据挖掘技术在中医药领域的研究方向和前景。     

肿瘤基因组数据挖掘及其应用

简要介绍肿瘤基因组数据的积累和基因组数据挖掘情况;结合现有的高通量技术与数据挖掘策略,以白血病为例,提出一套基于基因组数据研究的肿瘤精准诊断治疗和风险预测策略;最后总结肿瘤基因组数据挖掘研究面临的机遇与挑战。     

A Data Preparation Methodology in Data Mining Applied to Mortality Population Databases

It is known that the data preparation phase is the most time consuming in the data mining process, using up to 50 % or up to 70 % of the total project time. Currently, data mining methodologies are of general purpose and one of their limitations is that they do not provide a guide about what particular task to develop in a specific domain. This paper shows a new data preparation methodology oriented to the epidemiological domain in which we have identified two sets of tasks: General Data Preparation and Specific Data Preparation. For both sets, the Cross-Industry Standard Process for Data Mining (CRISP-DM) is adopted as a guideline. The main contribution of our methodology is fourteen specialized tasks concerning such domain. To validate the proposed methodology, we developed a data mining system and the entire process was applied to real mortality databases. The results were encouraging because it was observed that the use of the methodology reduced some of the time consuming tasks and the data mining system showed findings of unknown and potentially useful patterns for the public health services in Mexico.     

Data Mining in Healthcare and Biomedicine: A Survey of the Literature

As a new concept that emerged in the middle of 1990’s, data mining can help researchers gain both novel and deep insights and can facilitate unprecedented understanding of large biomedical datasets. Data mining can uncover new biomedical and healthcare knowledge for clinical and administrative decision making as well as generate scientific hypotheses from large experimental data, clinical databases, and/or biomedical literature. This review first introduces data mining in general (e.g., the background, definition, and process of data mining), discusses the major differences between statistics and data mining and then speaks to the uniqueness of data mining in the biomedical and healthcare fields. A brief summarization of various data mining algorithms used for classification, clustering, and association as well as their respective advantages and drawbacks is also presented. Suggested guidelines on how to use data mining algorithms in each area of classification, clustering, and association are offered along with three examples of how data mining has been used in the healthcare industry. Given the successful application of data mining by health related organizations that has helped to predict health insurance fraud and under-diagnosed patients, and identify and classify at-risk people in terms of health with the goal of reducing healthcare cost, we introduce how data mining technologies (in each area of classification, clustering, and association) have been used for a multitude of purposes, including research in the biomedical and healthcare fields. A discussion of the technologies available to enable the prediction of healthcare costs (including length of hospital stay), disease diagnosis and prognosis, and the discovery of hidden biomedical and healthcare patterns from related databases is offered along with a discussion of the use of data mining to discover such relationships as those between health conditions and a disease, relationships among diseases, and relationships among drugs. The article concludes with a discussion of the problems that hamper the clinical use of data mining by health professionals.     

论中医学数据挖掘的数据预处理

文章介绍了中医学数据的特点,阐述了对中医原始数据进行数据预处理的必要性和中医实验数据结构规范化的方法,以此可以大大提高数据挖掘的效率。     

数据挖掘在医院信息系统中的应用

介绍数据挖掘的概念、意义及主要任务,以医院信息系统(Hospital information system,HIS)为主要数据源,探讨数据挖掘技术在HIS中的应用,包括对工作量、质量指标等数据的挖掘等。     

数据挖掘技术在医院信息系统中的应用

介绍数据预处理、匿名化与标识转换等医学数据挖掘的关键技术,阐明医院信息系统中数据挖掘的基本过程,包括数据提取和预处理、运行挖掘算法、模式发现、知识表示和评价几个环节,并从模型建立、实现过程两方面详细论述数据挖掘技术在医院信息系统中的应用。     

基于用户数据挖掘的医院图书馆文献采访和服务实践

介绍数据挖掘应用于图书馆的主要功能,分析医院图书馆及其数据特点,探讨数据挖掘在医院图书馆的应用实践及其困境与对策,指出用户数据挖掘对于文献采访决策、图书馆服务创新具有指导作用。     

数据仓库与数据挖掘在医院管理中的应用

本文在介绍医院信息系统现状的同时，对数据仓库和数据挖掘技术在医院信息系统中的应用进行了研究，以Oracle Warehouse Builder作为构建数据仓库的技术平台，用Data Miner作为对数据挖掘的工具，给出了应用于医院的数据仓库实例。指出了数据挖掘技术在医疗费用管理、医疗诊断管理、医院资源管理中具有的广泛应用性，为支持医院管理者的分析决策作出了积极探索。