基于模式识别临床病例异常检测算法研究.docVIP

基于模式识别临床病例异常检测算法研究 计算机工程与设计ComputerEngineeringandDesign2009,30(24)5705 ?人工智能? 基于模式识别临床病例异常检测算法研究 田青华,杨鹤标,郑甜 (江苏大学计算机科学与通信工程学院,江苏镇江212013) 摘要:目前临床病例异常检测的研究主要采用病症关联,费用控制和临床序列模式挖掘等方法,对无症状信息,无完整临 床行为时间等临床数据仍具有一定的局限性.根据这一类临床数据特点,提出了基于模式识别的cc_FR模型,该模型采用 频繁模式挖掘的方法确定单病种隶属函数,通过隶属函数中的频繁模式与待检测临床病例相匹配得到检测结果.实验结果 表明,该模型可以有效的检测临床病例异常性,在临床医疗中起到监督和警示的作用. 关键词:异常检测;模式识别;频繁模式挖掘;FP增长;隶属函数 中图法分类号:TP311文献标识码:A文章编号:1000—7024(2009)24.5705—03 Researchonanomalydetectionofclinicalcasebasedonfuzzypatternrecognition TIANQing—hua,YANGHe.biao,ZHENGTian (SchoolofComputerScienceandTelecommunicationsEngineering,JiangsuUniversity,Zhenjiang212013,China) Abstract:Existinganomalydetectionofclinicalcaseusuallyfoundedonassociationwithsymptomanddisease,expensescontroland patternminingonclinica1sequence.Someclinicaldatathatnoinformationofsumptomandtimefallacrosssomeproblem.Basedon thecharacteristicofthesedata,CC—— FRmodelisadvanced,thismodelusedfrequentpatternsminingtoconfirmsubordinatefunction andmatchedfrequentpatternsofsubordinatefunctionwithclinicaldatatogainthedetectionresults.Theexperimentalresultsshowthat themodelcangetbettergeneralperformance,itcanplaythesupervisingandcautionfunctioninclinicalmedicaltreatment. Keywords:anomalydetection;patternrecognition;frequentpatternsmining;FPGrowth;subordinatefunction 0引言1CC— FR模型 临床病例检测旨在发现违规的医疗行为,辨别医疗欺诈. 目前临床诊疗研究的内容主要有:文献[1—3】采用关联规则,粗 糙集理论,聚类分析,遗传算法等技术发现病种与症状相互关 联的程度和中医症候研究;采用决策树,回归等数据挖掘技 术对临床病例进行费用控制等.由于临床病例为临床行为, 用药数量及医嘱的诊疗集合,缺少病人疾病症状等信息,上述 方法无法适用于病例欺诈检测.针对临床数据的特点,文献 /6]提出了一种对临床医疗过程中的时序数据进行序列模式挖 掘的方法,挖掘出临床路径中的频繁序列模式,通过匹配待检 测临床病例检测异常,该算法对于多疗程的,临床时间长和具 有完整时间记录的临床病例,具有良好的检测效果,但是对于 单疗程,临床行为无明显时序关系或时间记录不完整的数据 无法进行检测.因此,本文提出一种基于模式识别的临床病 例异常检测算法(anomalydetectionofclinicalcasebasedonpat— ternrecognition,Cc—FR模型),方法采用频繁模式挖掘算法确 立单病种隶属函数,通过待检测病例与其病种的隶属函数相 匹配,得到隶属于该病种的隶属程度. 临床模式识别是指一具体的待检测病例与单病种标准诊 疗模式匹配,检测其隶属程度.首先由于单病种和临床治诊 疗行为之间可能存在较复杂的非线性关系,要直接利用原信 息庞大的临床数据进行检测,必然效果不佳或方法复杂.本 文根据文献【6】对临床数据进行属性子集的选择和噪声数据处 理,抽取出临床行为,其中临床行为包括检查,用药,治疗和护 理4种行为类型;其次要建立单病种诊疗行为模式,就要建立 反映该病种诊疗