- 相關(guān)推薦
臨床醫(yī)學(xué)中數(shù)據(jù)挖掘技術(shù)的運(yùn)用分析
數(shù)據(jù)挖掘技術(shù)的目的是找的未知的關(guān)系及數(shù)據(jù)擁有者能夠理解且有價(jià)值的新方法來(lái)總結(jié)數(shù)據(jù)，以下是小編搜集整理的一篇探究數(shù)據(jù)挖掘技術(shù)運(yùn)用分析的論文范文，歡迎閱讀參考。
【摘 要】醫(yī)院有著龐大的信息資源系統(tǒng)，包括全面的管理信息資料與臨床信息資料，這對(duì)于實(shí)現(xiàn)醫(yī)院管理的科學(xué)化現(xiàn)代化，對(duì)診療過(guò)程進(jìn)行全面、動(dòng)態(tài)跟蹤，進(jìn)一步優(yōu)化就診環(huán)境有著非常重要的作用，同時(shí)，不斷積累大量的臨床信息與管理資源。如何高效的應(yīng)用這部分?jǐn)?shù)據(jù)信息資源，挖掘有價(jià)值、深層次的信息，是擺在我們面前的重要研究課題。數(shù)據(jù)挖掘技術(shù)的有效運(yùn)用，能夠進(jìn)一步提高醫(yī)院管理水平與醫(yī)學(xué)技術(shù)。
【關(guān)鍵詞】臨床醫(yī)學(xué);數(shù)據(jù)挖掘技術(shù);臨床應(yīng)用
隨著人工智能技術(shù)與數(shù)據(jù)庫(kù)技術(shù)的發(fā)展，數(shù)據(jù)挖掘應(yīng)運(yùn)而生。其不僅是一種新型的信息技術(shù)，也是支持決策的過(guò)程體系，更好的為決策提供信息支持�，F(xiàn)階段大部分醫(yī)院已經(jīng)建立了自己的數(shù)據(jù)庫(kù)，但是，數(shù)據(jù)庫(kù)有效利用率比較低，僅限于查詢、錄入、修改等操作，缺乏對(duì)數(shù)據(jù)的分析與集成，更談不上知識(shí)的與醫(yī)學(xué)決策的自動(dòng)獲取，數(shù)據(jù)挖掘的應(yīng)用成為臨床醫(yī)學(xué)的重點(diǎn)。
1 簡(jiǎn)要論述數(shù)據(jù)挖掘技術(shù)
數(shù)據(jù)挖掘技術(shù)[1]就是指從大量不完整的、隨機(jī)的、有噪聲模糊的數(shù)據(jù)里提取出隱匿于其中人們所不知道卻又有潛在有用的信息及知識(shí)的過(guò)程，簡(jiǎn)而言之?dāng)?shù)據(jù)挖掘就是從各種數(shù)據(jù)中挖掘或提取信息和知識(shí)。在信息技術(shù)飛速發(fā)展的今天，數(shù)據(jù)收集及存儲(chǔ)技術(shù)的快速進(jìn)步使各個(gè)組織機(jī)構(gòu)得以積累大量的數(shù)據(jù)，面對(duì)如此龐大的數(shù)據(jù)量，現(xiàn)存的統(tǒng)計(jì)技術(shù)都遇到了各種各樣的問(wèn)題，于是人們就開(kāi)始對(duì)數(shù)據(jù)采取抽樣的方式收集信息，這樣一來(lái)如何抽樣，抽多大樣本，怎么評(píng)價(jià)抽樣效果，都是需要我們?nèi)パ芯康摹?/p>
數(shù)據(jù)挖掘技術(shù)是將觀測(cè)到的龐大數(shù)據(jù)集加以分析研究，其目的是找的未知的關(guān)系及數(shù)據(jù)擁有者能夠理解且有價(jià)值的新方法來(lái)總結(jié)數(shù)據(jù)，經(jīng)數(shù)據(jù)挖掘技術(shù)推導(dǎo)出的關(guān)系及摘要常被稱為模式或模型。數(shù)據(jù)挖掘技術(shù)的出發(fā)點(diǎn)就是替代專家從海量數(shù)據(jù)中找出隱含知識(shí)，它使數(shù)據(jù)儲(chǔ)存進(jìn)入了一個(gè)新階段，它既有傳統(tǒng)數(shù)據(jù)庫(kù)的存儲(chǔ)功能，又能查詢歷史數(shù)據(jù)，找出其潛在的聯(lián)系，挖掘出海量數(shù)據(jù)背后隱匿的重要信息，這些信息在決策生成中有重要參考意義，從而能更好地幫助人們做出正確的決策。
2 數(shù)據(jù)挖掘中常用的工具分析
作為人工智能同數(shù)據(jù)庫(kù)技術(shù)結(jié)合下的產(chǎn)物，數(shù)據(jù)挖掘技術(shù)的很多方法都來(lái)源于機(jī)器的學(xué)習(xí)，所以模式識(shí)別，機(jī)器學(xué)習(xí)以及人工智能領(lǐng)域常規(guī)的技術(shù)例如決策樹(shù)、聚類分析、統(tǒng)計(jì)分析等方法在改進(jìn)后都能用于挖掘數(shù)據(jù)。對(duì)醫(yī)學(xué)數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘，最重要的是對(duì)疾病的分類以及疾病預(yù)測(cè)�，F(xiàn)階段床用的挖掘工具有幾下幾種：
2.1 以統(tǒng)計(jì)分析為基礎(chǔ)的數(shù)據(jù)挖掘法
數(shù)據(jù)挖掘技術(shù)里非常多的實(shí)用工具都是以統(tǒng)計(jì)分析作為基礎(chǔ)構(gòu)造而成的，作為一門比較成熟的分析數(shù)據(jù)的技術(shù)，統(tǒng)計(jì)技術(shù)在很多挖掘數(shù)據(jù)的工具中得到了充分的應(yīng)用。
2.2 人工神經(jīng)網(wǎng)絡(luò)法
作為計(jì)算領(lǐng)域的重要技術(shù)，人工的神經(jīng)元網(wǎng)絡(luò)技術(shù)[2]能根據(jù)管理模式或者非管理模式進(jìn)行學(xué)習(xí)和研究，管理模式中的神經(jīng)網(wǎng)絡(luò)要預(yù)測(cè)現(xiàn)有的示例可能造成的結(jié)果，并將預(yù)測(cè)到的結(jié)果同目標(biāo)答案比較;非管理模式學(xué)習(xí)法對(duì)數(shù)據(jù)的描述很有效卻可以預(yù)測(cè)結(jié)果，而非管理模式里的神經(jīng)網(wǎng)絡(luò)創(chuàng)建了自己的合法性驗(yàn)證及操作、類描述，無(wú)關(guān)于數(shù)據(jù)模式，神經(jīng)網(wǎng)絡(luò)需要經(jīng)歷相當(dāng)?shù)臅r(shí)間，同時(shí)由于它們像黑盒一樣的行為會(huì)不能滿足信息分析員的要求。
2.3 決策規(guī)則法與決策樹(shù)
決策規(guī)則法與決策樹(shù)就是一種解決在實(shí)際應(yīng)用中的分類問(wèn)題的方法，簡(jiǎn)單的說(shuō)，分類是使數(shù)據(jù)反映到一個(gè)事先定義好的類中的函數(shù)過(guò)程，以一組輸入屬性值的向量或者相應(yīng)類，歸納學(xué)習(xí)算法，然后得出分類。學(xué)習(xí)的目標(biāo)就是要構(gòu)建分類模型，根據(jù)屬性輸入值來(lái)預(yù)測(cè)實(shí)體的類。換言之，分類就是將一不連續(xù)標(biāo)識(shí)值分到一個(gè)未標(biāo)識(shí)的記錄中的過(guò)程，分類規(guī)則由于較直觀，因而易容于讓人接受，許多實(shí)施的決策樹(shù)在機(jī)器獲取領(lǐng)域中得到了有效算法。
2.4 進(jìn)化的計(jì)算法
這是模仿了生物進(jìn)化的一種計(jì)算方法的總稱，包括遺傳編程、進(jìn)化規(guī)劃、進(jìn)化策略及遺傳算法，它們一般具有下列特點(diǎn);進(jìn)化計(jì)算在函數(shù)的適度約束下進(jìn)行智能搜索，在目標(biāo)函數(shù)的驅(qū)動(dòng)下優(yōu)勝劣汰，通過(guò)數(shù)次迭代逐步接近目標(biāo)，因?yàn)檫M(jìn)化計(jì)算大都采用變異、雜交等的操作以擴(kuò)大搜索的范圍，所以其能接近全局的最優(yōu)解，且具有框架式結(jié)構(gòu)。一般在完成編碼及適應(yīng)度函數(shù)選擇后，下面的遺傳、雜交及變異等操作都能自動(dòng)完成。
3 臨床醫(yī)學(xué)中數(shù)據(jù)挖掘技術(shù)的運(yùn)用分析
3.1 疾病診斷
疾病診斷的準(zhǔn)確性對(duì)于病人合理用藥指導(dǎo)以及康復(fù)指導(dǎo)非常重要。在臨床醫(yī)學(xué)上，疾病類型多種多樣、致病原因錯(cuò)綜復(fù)雜，通過(guò)數(shù)據(jù)挖掘技術(shù)的應(yīng)用，能夠更好的進(jìn)行臨床診斷。在疾病診斷方面，模糊邏輯分析法、人工神經(jīng)網(wǎng)絡(luò)、粗糙集理論等工具非常有效。我國(guó)學(xué)者[3]通過(guò)人工神經(jīng)網(wǎng)絡(luò)分析法用于類風(fēng)濕的臨床診斷，臨床診斷準(zhǔn)確性大大提高。國(guó)外學(xué)者也通過(guò)人工神經(jīng)網(wǎng)絡(luò)分析法用于實(shí)體性肺結(jié)節(jié)的臨床診斷，準(zhǔn)確率高達(dá)百分之百。在心血管疾病診斷中[4]，應(yīng)用模糊邏輯開(kāi)發(fā)以及粗糙集理論，臨床準(zhǔn)確準(zhǔn)確率高達(dá)93.5%。
3.2 分析疾病相關(guān)因素
在醫(yī)院信息庫(kù)中，含有大量的患者個(gè)人資料以及病情信息，包括患者的性別、年齡、生活情況等多方面資料，通過(guò)對(duì)數(shù)據(jù)庫(kù)中相關(guān)信息的綜合研究與分析，可以得出有指導(dǎo)性意義的模式以及關(guān)系。疾病的發(fā)病原因、相關(guān)性危險(xiǎn)因素分析，能夠有效指導(dǎo)此類疾病的預(yù)防。比如說(shuō)，國(guó)外研究人員[5]運(yùn)用數(shù)據(jù)挖掘技術(shù)成功分析了導(dǎo)致產(chǎn)科早產(chǎn)的三個(gè)危險(xiǎn)性因素。
3.3 疾病預(yù)測(cè)分析
通過(guò)數(shù)據(jù)挖掘技術(shù)運(yùn)用，能夠確定疾病的未來(lái)發(fā)展方向，結(jié)合患者的病史、臨床癥狀，分析、預(yù)測(cè)疾病的發(fā)展，從而有的方式的進(jìn)行疾病預(yù)防。比如說(shuō)，運(yùn)用粗糙集分析方法，可以有預(yù)測(cè)疾病的發(fā)生�，F(xiàn)階段，通過(guò)粗糙集理論預(yù)測(cè)疾早產(chǎn)準(zhǔn)確率高達(dá)70%-90%，而人工預(yù)測(cè)準(zhǔn)確性僅為16%-35%。
3.4 在臨床影像學(xué)中的應(yīng)用
隨著醫(yī)學(xué)的不斷進(jìn)步以及影像學(xué)的發(fā)展，在臨床醫(yī)學(xué)中，影像圖像被越來(lái)越多的應(yīng)用到臨床疾病診斷中去。PET、MRI、CT等就是常用的疾病診斷工具。隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展與應(yīng)用，其在醫(yī)學(xué)圖像中逐漸應(yīng)用，并發(fā)揮越來(lái)越重要的價(jià)值。西方學(xué)者[6]通過(guò)數(shù)據(jù)挖掘機(jī)是成功對(duì)SPECT心肌圖像進(jìn)行了臨床診斷分類。
【參考文獻(xiàn)】
[1]李曉毅.Bayes判別分析及其在疾病診斷中的應(yīng)用[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2011，21(6)：356-357.
[2]網(wǎng)帥立，吳永明.數(shù)據(jù)挖掘技術(shù)在HIS中的應(yīng)用探討[J].計(jì)算機(jī)應(yīng)用與軟件，2012，20(4)：248-249.
[3]姜興岳，耿道穎.人工神經(jīng)元網(wǎng)絡(luò)鑒別星形膠質(zhì)細(xì)胞瘤良惡性的初步研究[J].中國(guó)醫(yī)學(xué)計(jì)算機(jī)成像雜志，2011，27(2)：186-187.
[4]劉革平，黃智興，邱玉輝.基于數(shù)據(jù)挖掘的遠(yuǎn)程學(xué)習(xí)過(guò)程評(píng)價(jià)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電化教育研究，2012，13(07)：99-100.
[5]黃晶晶，倪天倪.分類挖掘在大學(xué)生智能評(píng)估系統(tǒng)中的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)與現(xiàn)代化，2012，5(11)：16-17.
【臨床醫(yī)學(xué)中數(shù)據(jù)挖掘技術(shù)的運(yùn)用分析】相關(guān)文章：
數(shù)據(jù)挖掘技術(shù)在飯店?duì)I銷中的運(yùn)用03-28
數(shù)據(jù)挖掘在ＣＲＭ中的應(yīng)用分析03-22
數(shù)據(jù)挖掘技術(shù)在ＣＲＭ中的應(yīng)用03-22
基于數(shù)據(jù)挖掘技術(shù)的交叉銷售分析12-08
數(shù)據(jù)挖掘理論在數(shù)據(jù)采集中的運(yùn)用03-16
電商網(wǎng)站設(shè)計(jì)中網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)的運(yùn)用11-15
數(shù)據(jù)挖掘技術(shù)在企業(yè)知識(shí)管理中的應(yīng)用03-19