医学论文范文：
浅谈医学数据挖掘技术
摘 要:对数据挖掘的概念,医学数据的特殊性以及医学数据挖掘的关键技术做详细的阐述,介绍在医学当中数据挖掘如何应用,并给出具体实例。
关键词:数据挖掘;医学;技术;应用
0前言
随着数据库技术的迅速发展,在医疗机构中大量的医疗数据被精确地统计下来。同时,电子病例和病案的大量应用、医疗设备和仪器的数字化,使得医院数据库的信息量剧增,这些珍贵的医学信息资源对于疾病的诊断、治疗和研究都是非常有价值的,然而目前的数据库系统无法发现数据中存在的关系和规则,无法根据现有的数据预测未来的发展趋势,因此,如何从这些海量的数据中,挖掘出有用的信息,为疾病的防控、诊断、治疗和医学研究的发展具有重大意义。
1医学数据挖掘技术
1.1数据挖掘的定义
数据挖掘是近年来随着数据库和人工智能技术发展而出现的一种新兴信息技术。就是从大量的、不完全的、有噪声的、模糊的实际应用数据中,提取隐含在其中的、人们事先不知道的,但又是潜在有用的信息和知识的过程,它能高度自动化地分析数据仓库原有数据,做出归纳性推理,挖掘出潜在的模式,最大效能地利用已有信息和数据。
1.2医学数据挖掘的特殊性
医学数据挖掘的主要研究对象是临床医疗信息,反映了医学信息的独特之处:
1)模式多态性:医学信息包括纯数据、信号、图像、文字以及语音和视频信息等多态性数据。
2)信息不完整性:病例和病案的有限性使医学数据库不可能对任何一种疾病信息都能全面地反映,疾病信息所体现出的客观不完整性和描述疾病的主观不确切性,形成了医学信息的不完整性。
3)数据的时序性:病人的就诊、疾病的发病过程在时间上有一个进度,医学检测的波型、图像都是时间函数,这些都具有一定的时序性。
4)数据冗余性:医学数据库是一个庞大的数据资源,有大量相同的或部分相同的信息存储在其中。
1.3医学数据挖掘的关键技术
医学数据的特点使其与常规的数据挖掘之间存在较大的差异,其关键技术如下:
1)数据预处理:医学数据库中包括大量模糊的、不完整的、带有噪声和冗余的信息,必须对这些信息进行清理和过滤,填充缺失的值、光滑噪声、纠正数据中的不一致,以确保数据的一致性和确定性。
2)数据集成技术:要进行数据挖掘的医学信息一般是多态性的,应将这些数据源中的数据整合到一起,使其在属性上趋同或一致。
3)数据归约与鲁棒的挖掘算法:医学数据库是一个海量的信息库,要从中提取知识,需要花费大量的时间,因此必须考虑医学数据挖掘的效率问题。数据归约技术用于从原有的庞大
的数据库中获得一个精简的数据集合,并使其保持原有数据集的完整性,从而提高数据挖掘的效率,并且使挖掘出来的结果与使用原有数据集所获得结果基本相同。同时,医学数据库的类型较多,并且又是动态变化的,要求挖掘算法具有一定的容错性和鲁棒性。
4)准确性和可靠性:医学数据挖掘的主要目的是为医疗活动和管理提供科学的决策,因此必须保证挖掘算法所提供的知识具有较高的准确率和可靠性。
2医学数据挖掘应用
1)疾病诊断、预测:数据挖掘可以通过对患者大量的数据资料的处理,挖掘出有价值的诊断规则,建立预测模型,再对这个模型进行测试,得到合适的算法模型,利用这种模型可以辅助临床医学诊断。如借助数据挖掘技术中的贝叶斯(Bayes)网络技术来研究抑郁症的中医证候规律。
2)遗传基因:遗传学的研究表明,遗传疾病的发生是由基因决定的,如何从大量的DNA数据中找到具有统计特异性的序列就成为最迫切需要解决的问题。建立良好的系统模型将基因组数据进行有效地存储、分析和挖掘,从而获取大量有价值的知识。
3)医学图像挖掘:医学图像是利用人体内不同器官和组织对X射线、超声波、光线等的散射、透射、反射和吸收的不同特性而形成的,为人体骨骼、内脏器官疾病和损伤进行诊断、定位提供了有效的手段,对医学图像的存储与挖掘将对人体内部器官的诊断与治疗具有重大意义。
3应用举例
关联规则在中医疾病症候诊断中的应用:[1]
通过采用基于关联规则的数据挖掘方法,可以得到很有价值的一些规则,如从《伤寒论》中的病名,症状,舌苔分别作为数据表建立数据库,挖掘得出:
规则1:发热、恶寒、脉浮身,能够得出太阳病(支持度65%,置信度5%,兴趣度1.2),说明《伤寒论》里提到的发热、恶寒、脉浮、太阳病的条文占65%之多,该规则很有意义,可以认为发热、恶寒的确是太阳病的诊断依据。
规则2:脉紧,得出太阳病(支持度30%,置信度l%)支持度与置信度小,故认为不能单独凭脉紧就诊断为太阳病。
规则3:脉弦,得出太阳病(支持度0.5%,置信度0.5%)支持度与置信度都太小,可以认为脉弦根本不是太阳病的备选证候。
4结束语
医学数据库的信息量非常庞大,其数据又具有自身的独特性。要想充分利用丰富而宝贵的医学资源,必须选择适合医学数据类型的数据挖掘工具及挖掘技术,尽可能大的发挥数据挖掘技术在医学信息获取中的价值,为医学发展开辟一条新路。