医学数据挖掘的技术、方法及应用

医学数据挖掘是提高医院信息管理水平，为疾病的诊断和治疗提供科学的、准确的决策，促进远程医疗和社区医疗发展的需要。本文对医学数据挖掘的关键技术——数据的预处理、多属性信息的融合、挖掘算法的高效性与鲁棒性、提供知识的准确性与可靠性等进行了论述；阐述了基于计算智能的医学数据挖掘方法，介绍了人工神经网络、模糊逻辑、遗传算法、粗糙集理论和支持向量机在医学数据挖掘中的应用；最后对医学数据挖掘的特点和亟待解决的问题进行了总结。     

基于决策树的外科手术信息挖掘与研究

本文首先介绍了数据挖掘和决策树的概念及其在医学领域的应用,之后结合实际医学资料,详细阐述决策树算法在外科手术信息资源挖掘中的具体应用.     

数据挖掘在医学信息中的应用

医学信息数据挖掘是一门涉及面广、技术难度大的新兴交叉学科.本文首先对数据挖掘概念及功能进行详细地阐述,在此基础上探讨了医学数据挖掘的几项关键技术,并讨论了医学信息数据挖掘中的主题选取;最后,讨论了医学数据挖掘中存在的问题以及解决方案.     

基于WEB的医学数据挖掘集成

本文主要针对基于WEB的医学数据挖掘工具集成方案进行了研究。基于WEB的医学数据挖掘由客户端浏览器通过HTTP协议向服务器端发送请求,服务器端接收相应的指令并调用数据挖掘工具的远程对象进行数据处理,并将处理结果通过HTTP协议传回到客户端浏览器,展示给用户。为了证明所提出的集成方案的可行性,针对.NET平台下的SAS和SPSS两种统计分析软件进行了集成,并给出了详细的操作步骤。通过实际测试,本文提出的基于WEB的数据挖掘集成方案,展现了其广阔的发展前景,这为医学数据挖掘开辟了一条新的途径。     

数据挖掘在医学信息中的应用

医学信息数据挖掘是一门涉及面广、技术难度大的新兴交叉学科。本文首先对数据挖掘概念及功能进行详细地阐述,在此基础上探讨了医学数据挖掘的几项关键技术,并讨论了医学信息数据挖掘中的主题选取;最后,讨论了医学数据挖掘中存在的问题以及解决方案。     

医学数据挖掘综述

本文主要综述了有关数据挖掘的概念,综述了医学数据的一些特点,以及医学数据挖掘的关键问题,介绍了医学数据挖掘的主要应用方向,并给出了一些具体的应用实例.     

关联规则挖掘在中医证候信息数据库系统中的应用

关联规则挖掘是数据挖掘的一个重要研究方向,它可以揭示数据之间有趣的关联或者相关联系.在此基础上结合特定系统的用户行为数据,还可以进行用户行为分析.本文以一个开发的中医证候信息数据库系统为基础,结合中医数据挖掘实际,论述了在此系统架构下关联规则挖掘算法的成功运用,并提出了一个高效的中医数据挖掘模型.系统运行状况表明,在该模型指导下的系统在智能和用户使用人性化方面都比原系统有明显的优势.     

医学数据挖掘技术与应用研究

计算机技术的发展,促进医疗数据由传统的纸质模式发展成电子模式,信息化后的医疗数据的有效利用将带动医疗事业的发展。本文首先阐述医学数据挖掘现状与特点,然后从分类、聚类与预测三个方面论述了医学数据挖掘的关键方法,并介绍了决策树、聚类分析、关联规则、智能算法及混合算法在内的五类算法在医学数据挖掘中的应用及评价,最后对数据挖掘技术在医学领域的应用前景进行了展望。     

计算机辅助医学知识发现系统研究——糖尿病并发症流行病学数据挖掘

针对流行病学研究的特点,我们提出计算机辅助医学数据挖掘系统构架,以糖尿病并发症为研究实例,探讨医学数据的冗余性消除、规范化储存、知识归纳及可视化表达等问题.以天津总医院3 022例普查数据为研究对象,尝试解决用计算机实现糖尿病并发症这类定性数据的定量化数据挖掘和知识发现.通过对于43种并发症的定性数据挖掘,可以发现诸如高血脂、冠心病、高血压和脑血管病等具有明显并发倾向的知识规则18条.同时,采用知识树方式和决策树等方法实现知识规则的可视化表达.基于数据挖掘和知识发现计算机辅助医学数据挖掘系统能够对现有病历数据库中数据进行自动分析并且提供有价值医学知识,特别适合流行病学分析和全民健康评估,因此与社区医疗和医院HIS系统结合是未来一个非常现实的发展方向.     

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。