约束关联规则挖掘在医疗数据分析中的应用

目的 探讨关联规则挖掘在医疗数据分析中的应用研究.方法 通过分析医疗数据的特点,将约束应用到医疗数据的关联规则挖掘中,提出了一种有效挖掘医疗数据关联规则的约束关联规则挖掘算法CAMD,并采用该算法对冠心病病例进行关联分析.结果 以冠心病诊断的数据集为例,设置最小支持度和最小置信度分别为20%和60%,病例数为303例,得到关联规则8条.这些规则揭示了年龄、性别、心电图结果等因素与冠心病的发生和诊断之间的关联关系.结论 CAMD算法不产生候选项集,扫描数据库的次数较少,能够大大减少产生无用规则的数量,快速发现有趣的医疗关联规则.     

蛋白质组学质谱数据预处理技术综述

基于质谱技术的蛋白质组学数据分析,是识别新型生物标记物模式的有效手段。质谱仪检测的数据含有大量潜在信息,但数据很容易被系统误差和噪声污染。蛋白质组学质谱数据预处理的目的在于抑制噪声、数据简约和增加谱可比性等,是增强生物学相关信息的至关重要步骤。只依赖质谱仪中的软件进行数据预处理存在一定局限,需要额外工具辅助。从数据简约、谱线平滑、基线校正、标准化、谱峰提取与量化、谱峰联配等方面介绍典型的预处理技术,对预处理方法存在的问题进行讨论,并就发展趋势进行展望。     

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。     

基于一维卷积神经网络的糖尿病周围神经病变预测模型研究

为了实现对糖尿病周围神经病变(DPN)的早期预防,辅助医生进行早期诊断与决策,提出了一种基于一维卷积神经网络的DPN预测模型,对原始数据进行了一系列的预处理工作以提高数据的质量,此外数据集的特征维度较高,为了进一步提高预测模型的准确性,进行了主成分分析(PCA)降维处理,通过自主学习数据的特征信息,从中挖掘其有价值的医学信息与规律,来实现DPN的预测。通过支持向量机、BP神经网络和一维卷积神经网络分别建立了DPN预测模型。实验结果表明,一维卷积神经网络模型预测效果优于其他两个模型,其准确率、召回率、F1值、AUC值分别达到了0.983、0.916、0.923、0.98。     

SMOTE算法在不平衡数据中的应用

目的临床数据在分析时多存在不平衡性,即阳性数据和阴性数据不相等,如果不加以预处理会使分析结果产生偏倚.处理有偏性数据的方法多,但多数方法存在过拟合或丢失数据等缺点.方法本文介绍了SMOTE算法的原理和R语言具体实现方式,并用SMOTE算法处理真实临床数据作为应用实例.结果原始数据良恶性比率为1/3,经过 SMOTE算法处理后,良恶性比率为1.结论 SMOTE算法可对不平衡数据进行有效纠偏.     

基于大数据技术的糖尿病临床决策支持系统分析与展望

糖尿病是一种慢性非传染性疾病,目前只能通过长期用药和自我管理来缓解病情,无法根治.临床决策支持系统能够模拟糖尿病医疗专家诊断疾病的思维过程,向医生提供常规诊疗方案,推荐最优方案.现有的临床决策支持系统大多基于临床指南、规则、案例推理以及本体.大数据技术可获取和处理多元异构的各类数据,提供更科学的个性化诊疗方案.近年来已有基于决策树、神经网络、模糊逻辑、支持向量机、APRIORI关联规则与多维分析和时序挖掘等多种大数据处理方法应用于糖尿病的临床诊断,但其尚处于起步阶段.对基于大数据技术的糖尿病临床决策支持系统的框架进行了分析,并展望了未来的诊疗方式.     

基于APRIORI算法和兴趣度的糖耐量实验数据关联规则挖掘和筛选

在医院专家系统里,人们关心基本医疗数据对于诊断的指导意义,这是一个典型的关联规则分析.本文对糖耐量实验数据进行基于APRIORI算法的关联规则挖掘,分析实验数据对糖尿病的诊断意义.并基于主观和客观兴趣度定义,讨论了对规则筛选的问题.     

聚类和关联规则挖掘在基因表达数据分析中的应用研究

随着DNA微阵列技术的广泛应用,产生了海量基因表达数据,如何利用这些数据研究基因间的调控关系成为当前生物信息学的一个研究热点.关联规则挖掘是数据挖掘领域的一个重要技术,然而直接埘基因表达数据进行关联规则挖掘存在两个问题:一是时间和空间复杂度过高;二是获得的规则仅定性表示基因间的调控关系,无法提供关于调控关系强度的信息.本文利用聚类实现数据降维,然后将基因表达水平离散化为七个状态,最后关联分析每个聚类中的基因表达数据.实验结果表明本文的分析方法是有效的.     

开发应用软件，实现数据的增值利用

目的 开发应用软件,实现数据的增值利用.方法 利用原始数据,进行数据查询、统计.结果 根据药剂科管理的需要,从庞大的医院数据中提取有用数据,进一步分析加工、深入挖掘,生产各种静态或动态的报表.结论 提高我院数字化管理水平.     

大数据分析技术及其在医药领域中的应用

随着“大数据时代”的来临,大数据在医药领域中将发挥越来越重要的作用,基于基因组学大数据和现代生物医学技术的个性化医疗,即精准医学,是未来医学的发展方向.如何获取、分类、存储大数据,如何挖掘大数据中有价值的信息,以及如何将大数据有效地应用于医药领域是目前研究的热点领域.本文对大数据及其特征、大数据分析技术以及大数据在医药领域的应用进行综述.     

基于机器学习的神经精神疾病辅助诊断研究进展

【摘要】神经影像技术被广泛应用于研究大脑结构和功能异常与神经精神疾病之间的相关性。与传统的统计学分析方法不同,机器学习模型能对神经影像学数据进行个体化预测,发掘潜在的生物学标记物。神经精神疾病辅助诊断包含数据预处理和机器学习算法。数据预处理是一种人为的特征工程,为机器学习算法提供量化特征;机器学习算法包含特征降维、模型训练和模型评估。鲁棒的机器学习算法可以实现对不同数据集的准确预测,并提供对预测结果贡献大的特征,作为潜在的生物学标记物。本文综述了近年来基于机器学习的神经精神疾病辅助诊断研究进展,从数据预处理、机器学习算法和生物学标记物3个角度进行介绍,并展望未来的研究方向。 【关键词】神经精神疾病;神经影像;机器学习;辅助诊断     

肠道压力数据的分形分析

结肠测压是广泛使用的评价消化道功能的检查手段,对结肠运动障碍疾病的诊断有较高的价值,是其他检查手段不可替代的.本文对肠道压力数据进行分形特性的分析.通过对结肠压力数据进行预处理,采用Higuchi算法计算正常受试者和异常受试者结肠压力数据的分形维数.结果表明,该方法能够区分正常的和异常的结肠压力信号,可以作为判断肠道动力性能的辅助手段.     

心电信号预处理与心电信号分析

本文介绍了在一种便携式心电监护仪器中是如何对心电数据进行预处理和智能分析的.为了适应便携式仪器的特征,我们在心电信号预处理中采用了FFT滤波和滑动平均滤波的方法去除各种干扰并使图像得以平滑,同时采用了差分阈值法提取特征点.考虑到监护仪器的实用性,在心电信号分析阶段,我们采用了分析特征间期异常情况的方法来替代对病症的智能诊断功能.     

中医临床数据分析挖掘的研究进展

随着计算机采集和存储技术的发展,中医电子病历日益普及.如何将这些数据变活,从中获得知识以推动中医传承和理论技术的创新发展已成为重要研究课题.从“病-症-证-治-效”研究框架介绍中医临床数据分析挖掘研究中具有挑战性的几个专题,并就各个专题介绍当前最新研究进展.包括中医临床数据分析挖掘的重要意义以及包含的主题研究内容和最新成果,其包括7个方面:病症分析,研究症状之间的关系,为疾病选择主症子集;通过病症与证候(疾病)之间的相关性分析来对症-证关系进行建模;证候分析;核心方及药物加减分析;方证效关系挖掘;数字化病症采集;中医知识工程.     

基于足底压力分布的足部运动特征提取

目的 分析足底压力分布的统计学行为,提取足部运动的特征,为步态识别研究用于医疗临床诊断、康复训练和大众健康等提供参考.方法 通过对采集到的足部压力数据进行预处理,并对数据进行统计分析,实现足迹重构,并对足迹、分割区域以及各区域压力分布率进行比较分析,实现对足部运动特征的分解.结果 分区域对足底压力峰值进行分析比较,以不...     

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。     

数字化技术在临床诊断与治疗中的应用

数字化技术的应用提高了临床诊断的准确性与治疗的成功率,使医院管理更加高效、安全.本文基于数字化技术在临床诊疗方面的应用,对其在经验医学诊断、实验医学诊断、术前规划、术中导航及术后评估等方面进行了分析阐述.我们提出未来通过大数据、智能手机与可穿戴式传感器的配合使用,可以实时监测人们健康情况,为临床诊断与治疗提供经验数据....     

影像组学在前列腺癌中的应用进展

影像组学是从影像标准图像中提取海量数据特征进行分析处理,进而转换为可挖掘的高维数据库,用于肿瘤的诊断分期、治疗预后及基因分析等.目前影像组学已在多种良恶性肿瘤诊治中展开了研究,包括全球男性发病率较高的前列腺癌.文章就影像组学作一简要概述,详细分析其在前列腺癌中应用,综述了肿瘤诊断与鉴别诊断、格里森分级与侵袭性预测、骨转...     

医学图像计算机辅助诊断数据平台研究

缺乏统一的数据存储模型及相关研究工具,是制约计算机辅助诊断研究中数据、算法等研究成果共享的最主要因素。针对计算机辅助诊断协同研究中的这一问题,提出并构建了用于医学图像计算机辅助诊断协同研究的数据平台。首先对计算机辅助诊断协同研究中的影像数据、过程数据以及“金标准”数据需求进行了分析,提出了统一的数据模型用于数据存储和表示,采用Oracle数据库实现;分析了病例获取、“金标准”标注、分割、特征提取以及算法评估等研究阶段的业务需求,设计并完成了相应的研究工具;最后基于DCMTK采用VC++编程实现了数据平台。数据平台应用于肺癌和脑胶质瘤辅助诊断研究,较好地解决了医学图像计算机辅助诊断研究过程中的数据存储、病例获取、标注、研究结果存储及评估问题,达到了共享研究成果的目的,对提高计算机辅助诊断研究有很好的促进作用。     

利用医院信息系统,充分挖掘数据再利用

目的 利用医院信息系统,充分挖掘数据再利用.方法 利用原始数据,进行数据查询、统计.结果 一次录入有效数据.充分共享结果.结论 提高我院数字化管理水平.