基于数据挖掘的标准化医疗保险监控模型构建

从数据集建立、模型设计、医保审核模型相关指标建立、原始数据集预处理、基于K-means的聚类特征生成、数据分类、后处理模块几方面介绍基于数据挖掘的标准化医疗保险监控模型构建，提高医疗费用审核效率，减少医疗资源浪费。     

中医证候研究中的分类算法方法学研究

中医证的研究一直是中医药现代化研究的关键之一,其核心是证候分类和诊断标准的研究,数据挖掘中的分类算法已经大量应用于中医证候的分类研究。本文评述了数据挖掘中分类算法在中医证候研究中的应用,对其中主要算法的特点、适用条件和范围进行综合分析,认为应该根据不同的研究目的,选择适当的分类算法。粗糙集和聚类分析不需要先验知识,适合进行探索性的研究;模糊集理论、神经网络和决策树需要先验知识,适合应用于分类目标比较明确的证候诊断标准研究;模糊集理论更适合与其他分类算法结合应用,产生模糊聚类、模糊神经网络、模糊粗糙集和模糊决策树等更适合中医证候分类研究的算法。在具体的辨证分类研究中,我们需要根据所研究的疾病和证型分类特点选择合适的分类算法及其组合,同时建议应该在集成多学科理论与技术的基础上进行创新,建立符合中医证候特点的分类算法。     

基于中医传承辅助系统分析南征教授治疗消渴病用药经验

目的 研究基于中医传承辅助系统平台开展南征教授治疗消渴病的用药规律数据挖掘研究,获得了既往传统医案整理和统计学研究未获得的新知识、新信息,为南征教授消渴病治验的深入挖掘和传承提供参考.方法 收集、整理南征教授治疗消渴病处方,采用关联规则Apriori算法、复杂系统熵聚类等无监督数据挖掘方法,分析处方中药物的使用频次及药...     

基于优化模型的K-means聚类算法的医疗费用数据挖掘

从医院整体角度出发,对某医院的医疗费用数据进行筛选整理,基于优化模型的K-means聚类算法,对数据进行挖掘,研究患者年龄、住院天数与费用之间的关系,找出住院医疗费用数据的变化规律与规则知识。其结果可为医院加强管理提供决策信息,为医疗行政部门对医疗机构的费用管理的监控和政府制定卫生政策提供参考。     

基于改进双聚类算法的中医治疗过敏性紫癜性肾炎用药剂量规律的研究

目的 采用模糊C均值聚类算法和改进的CC双聚类算法,对中医治疗过敏性紫癜性肾炎（Henoch-Sch?nlein purpura nephritis, HSPN）用药剂量进行数据挖掘,并结合中医理论,分析数据挖掘结果。方法 检索CNKI、万方数据库、维普中文期刊服务平台、中国生物医学文献数据库,自建库至2022年8月26日关于中医治疗HSPN的文献资料,提取其中的药物方剂。首先,使用模糊C均值聚类算法创建药物的大剂量、中剂量、小剂量隶属矩阵,将所有药物剂量进行分类,再结合改进的CC双聚类算法挖掘中医治疗HSPN关键药物的组分信息。结果 共纳入中医治疗HSPN处方387则,其中包括药物174味,高频药物（频次≥30次）38味,高频药物组合10组,常见药物剂量组合有大剂量水牛角、生地黄配小剂量小蓟（2∶2∶1）;小剂量连翘配伍小剂量金银花（1∶1）;大剂量当归配伍中剂量黄芪（1∶2）等,以清热解毒、疏散风热、益气活血药为主。结论 经改进的CC双聚类算法联合模糊C均值聚类算法,可以从众多的方剂数据集中挖掘出关键的药物组分,并根据药物的剂量大小进行区间划分,具有高效率数据挖掘的特点,可为HSP...     

中医病案数据挖掘现状分析

从工具选择、数据采集、数据预处理、数据挖掘、结果翻译5个方面对中医病案数据挖掘研究现状进行概述,发现中医病案数据挖掘的信息主要包括症状、证型、方剂等,涉及的挖掘方法有关联规则、复杂网络、聚类、分类等。本研究可为中医临床数据挖掘选题及方法选择提供参考。     

数据挖掘技术及其在临床恶性肿瘤诊疗中的应用

介绍数据挖掘相关技术,包括特征选择、离群值检测模型、聚类模型、关联规则模型、分类模型、集成学习算法等方面,对数据挖掘在临床恶性肿瘤诊断、预后及管理中的应用进行具体阐述。     

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。     

武警卫勤无缝救援系统中急救管理子系统的数据预处理研究

目的：为急救管理子系统后续的数据挖掘提供高质量的数据,从而提高急救管理子系统的可信度,拓宽急救管理子系统的应用范围,提高急救管理子系统的性能。方法：对急救管理子系统中数据集的采用数据清理、数据集成、离散化、数据规约和数据转换等预处理方法。结果：通过数据的预处理,得到比原数据集完整、简洁、易实施数据挖掘的数据集。结论：数据预处理可以提高数据质量,减少数据存储空间,有助于数据挖掘精度和性能的提高,为其后更深层次的数据挖掘和知识发现奠定了基础。     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。     

数据挖掘在方剂学研究中的应用与发展

阐述了数据挖掘技术在方剂学研究中的常用方法和在方药配伍及用药规律中的应用,说明其在方剂研究中存在缺乏规范化、评价方法和研究人员知识结构差异性等问题,并提出了建立数据库和研究系统标准化、进行数据预处理、采用多元化挖掘方法、确立评价体系、培养兼备中医药知识与计算机技术研究人员的发展对策。     

数据挖掘技术在辅助临床诊断中的应用现状研究

随着卫生信息化进程的推进,卫生信息正在向海量的趋势快速发展,与此同时,如何快速、准确获得信息,进一步将信息转变为有用知识,也成为人们日益关心的问题。数据挖掘技术能够从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、事先不知但又潜在有用的知识,因此广泛应用于信息密集型行业,在医学领域也有一定的应用,特别是以电子病历为基础的应用在辅助临床诊断中发挥了重要作用。     

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.     

海量数据与数据挖掘技术

简要概述数据挖掘技术的发展由来和定义,着重介绍数据挖掘技术的功能、应用范围,以及常用的数据挖掘方法和一般过程,并提出我国目前国产数据挖掘软件存在的问题,以期更多的专业人才致力于这方面的研究。     

生物医学文献的知识发现与数据整合

通过整合生物医学文献与科学数据,创建数据和文献能够交互操作的开放式环境,充分发现生命科学领域新的知识,已经成为当前数据密集型科学发现的研究热点之一。系统分析和阐述了国内外生物医学文献挖掘与科学数据整合领域的整合方式和研究内容,调研了不同整合方式的对应系统,展望了生物医学文献与科学数据整合领域的发展趋势。     

中医证候研究的现代方法学述评(一)——中医证候数据挖掘技术

目的探索中医证候的现代研究方法。方法对近年来的中国中医期刊有关中医证候的数据挖掘技术进行汇总,分析其优势与不足。结果目前用于中医证候研究的数据挖掘方法主要有:关联规则、集对分析、粗糙集理论、聚类分析、人工神经网络、决策树、支持向量机、贝叶斯网络等。结论中医数据具有非线性、模糊性、复杂性、非定量等特征,针对具体的医学数据和不同的挖掘目标往往要将几种方法综合起来应用,以发挥各自的技术优势。     

数据挖掘在生物医学数据分析中的应用

随着信息技术的发展,采集、存储和管理数据的手段日益完善,数据挖掘学科应运而生。文章阐述数据挖掘的概念;通过给出各种数据挖掘方法在生物医学研究领域中的应用实例,分析数据挖掘与生物医学领域中统计学的关系,并就国内生物医学数据挖掘的应用现状、需要解决的问题以及今后研究的发展方向等进行综述。     

基于数据挖掘技术的骨肿瘤诊断知识的自动获取

目的:针对组建骨肿瘤辅助专家系统的瓶颈问题,研究从现有的病例资料中自动的获取骨肿瘤诊断知识并建立知识库的技术.方法:采用基于粗糙集理论的数据挖掘技术,对已确诊的病例资料进行预处理、数据简约等过程,自动的获取骨肿瘤诊断知识,建立诊断知识库.结果:知识自动获取程序模块运行生成一个带有29个节点的决策树,将数据库中的43个条件属性简化为28个,决策属性为6个.在不明显降低诊断正确率的条件下,提高了后续推理程序的运算速度,并为事后的推理解释打下基础.结论:使用基于数据挖掘的知识自动获取技术,可以加快诊断知识库的建立,加快专家系统的开发周期,提高系统的可靠性和诊断的准确性.     

数据挖掘在生物医学数据分析中的应用

随着信息技术的发展,采集、存储和管理数据的手段日益完善,数据挖掘学科应运而生。文章阐述数据挖掘的概念;通过给出各种数据挖掘方法在生物医学研究领域中的应用实例,分析数据挖掘与生物医学领域中统计学的关系,并就国内生物医学数据挖掘的应用现状、需要解决的问题以及今后研究的发展方向等进行综述。     

基于DeepSee的医院药库数据挖掘

医疗行业数据具有数据量庞大和数据关系复杂的特点,如何合理有效地对海置数据进行挖掘,是目前亟待解决的难题。利用嵌入式实时数据挖掘工具DeepSee处理医院信息系统（HIS）数据库中的数据,并以“药库”为主题建立挖掘模型。从出库趋势、库存量、库存单位盈利和厂商盈利等四方面进行数据挖掘和分析。数据分析的结果为医院管理者提供管理和经营方面的决策支持,从而避免出现药品积压、药品无计划采购和药品浪费等问题。