数据挖掘与医学数据资源开发利用.ppt.pptVIP

一、引言 什么激发了数据挖掘 近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛应用于各种领域，如商务管理、生产控制、市场分析、工程设计和科学探索等。 一、引言 面对海量数据库和大量繁杂信息，如何才能从中提取有价值的知识，进一步提高信息的利用率，由此引发一个新的研究方向：基于数据库的知识发现（Knowledge Discovery in Database）及相应的数据挖掘（Data Mining）理论和技术的研究。 二、目前医学数据资料的状况 我国医疗行业计算机的发展： 70年代，计算机进入医院，主要是国外医院应用，以小型机为主，采用单机用户阶段； 80年代，医院信息系统进入大型医院，开始建立小型的局域网； 90年代，计算机技术及网络通讯等信息技术的发展，医院的信息系统开始发展起来。 二、目前医学数据资料的状况 什么是医学数据？ 医学领域的数据是一个很复杂的数据库； 医学数据是从医学影像、实验数据以及医生和病人的交流中获得的，所以原始的医学数据具有多种形式。 二、目前医学数据资料的状况 医学数据： 影像（SPECT，B超，CT等） 信号（肌电信号、脑电信号等） 纯数据（体征参数、化验结果） 文字（病人的身份记录、症状描述、检测和诊断结果） 二、目前医学数据资料的状况 电子医学数据： 电子病历 医学影像 病理参数 化验结果 二、目前医学数据资料的状况 电子信息库： HIS系统 EMR系统 LIS系统 …………………… 三、医学数据在数据挖掘中的应用 数据挖掘(Data Mining)： 就是从大量的、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、人们事先不知道的、但又是潜在有用的信息和知识的过程。 什么是数据挖掘？ 通过采用自动或半自动的手段，在海量数据中发现有意义的行为和规则的探测和分析活动。 数据挖掘是从数据中自动地抽取模式、关联、变化、异常和有意义的结构 三、医学数据在数据挖掘中的应用 医疗数据的特点： 多态性 不完整性 实践性 冗余性 隐私性 数据挖掘流程 确定目标 对现有资源评估，确定问题是否能够通过数据挖掘来解决，确定数据挖掘的目标，制定数据挖掘计划 数据理解 确定数据挖掘所需要的数据，对数据进行描述，数据的初步探索，检查数据的质量 数据准备 选择数据，清理数据，对数据进行重建，调整数据格式使之适合建模 可扩展性的体系结构 三、医学数据在数据挖掘中的应用 数据挖掘在医疗领域的主要应用： 数据挖掘在医院管理部门的应用 数据挖掘在基础医学领域的应用 在疾病的临床诊断和治疗方面的应用 在流行病方面的预测 在药物研究开发中的应用 三、医学数据在数据挖掘中的应用 数据挖掘在医院管理部门的应用： 医院信息系统（HIS系统）：管理医院内部财务、物流、处理患者问题 急门诊人次 科室的就诊人次 住院病人人次 三、医学数据在数据挖掘中的应用 在基础医学领域的应用： DNA序列分类排序以及对基因组测序数据的分析； 肿瘤分类基因的记忆； 致病基因的发现和遗传数据的分析研究。 三、医学数据在数据挖掘中的应用 在疾病的临床诊断和治疗方面的应用： 通过数据挖掘对大量的病人病历以及治疗手段进行预测、清洗，分类以及归档； 挖掘出有价值的诊断规则，为临床决策服务； 把专家的经验转化为关联规则，根据患者的症状作出判断。 三、医学数据在数据挖掘中的应用 在流行病方面的预测： 结合医学统计，对流行病防治以及危险因素的筛选 对大量的健康体检资料进行整理 三、医学数据在数据挖掘中的应用 药物研究开发中的应用： 新药计算机辅助药物设计系统的利用，缩短了先导化合物发现周期，降低了新药的开发成本。 对于中医药的开发，KDD技术可以探讨并形成新的中药组方配伍理论，指导中药复方新药开发研究。 四、数据挖掘的主要方法 数据挖掘的三部曲： 数据准备 数据挖掘 结果评估 数据挖掘系统的分类 一般功能 描述性的数据挖掘 预测性的数据挖掘 不同的视角，不同的分类 根据所挖掘的数据库类型分类 根据挖掘的知识类型分类 根据挖掘所用的技术分类 根据数据挖掘的应用分类 四、数据挖掘的主要方法 医学数据挖掘的主要方法： 聚类分析 关联分析 决策树 四、数据挖掘的主要方法 什么是聚类分析？ 定义：将一些对象的集合分成由类似的对象组成的多个类的过程称为聚类。 由聚类生成的簇（类）：一组对象的集合。 同一簇（类）中的对象彼此相似，与其他簇（类）中的对象相异 提取客户的特征值。 四、数据挖掘的主