数据挖掘技术在高血压病种上的应用研究.docVIP

数据挖掘技术在高血压病种上的应用研究 　　摘要：近十年来我国卫生信息化建设已取得了飞速的进展，信息系统应用水平不断提升，大量的医学信息被科学的记录下来，如何从这些医学数据资源挖掘出深层次的、隐含的、有价值的知识，就变得越来越重要。该文在对各种数据挖掘算法进行分析研究的基础上，选择IBM SPSS Modeler作为数据挖掘平台，以某社区医院电子病历作为数据源，利用不同的挖掘算法对电子病历系统中的数据进行研究。通过数据的采集、数据清理和数据筛选方法，结合常见的高血压病案，用不同的挖掘模型进行比较分析，总结出各种算法的特点及适用范围，得出适合这种常见病的挖掘模型，并给医务人员提供简单而有效的数据挖掘模型。 　　关键词：电子病历；数据挖掘；关联规则 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）05-0001-04 　　1 绪论 　　1.1研究背景 　　随着计算机技术和数据库技术的飞速发展，各种卫生信息系统在医学领域的广泛应用，由此积累下来的海量医学数据，在此海量的医学数据背后隐藏着许多重要的有用信息，怎样才能把深层次的、隐含的、有价值的知识从数据资源中把挖掘出来，这在当今日趋重要。在国内，数据挖掘技术在医疗服务领域的研究有所报道，但到目前为止，针对于不同的医学目标实现医学数据挖掘应用，怎样科学地选择合适的数据挖掘算法，此类方法学研究在国内尚还较少。 　　临床信息系统（CIS）中的电子病历系统是以病人为主导，包含所有横向的、纵向的医院信息和临床信息数据的系统。如何从这些数据集中使用不同数据挖掘技术挖掘出各种疾病的成因以及它们之间的相互关系、和各种疾病的发展规律，并总结各种治疗方案的诊疗效果，这对疾病的预防、诊断、治疗和医学研究意义非常重大。本文是基于SPSS Modeler软件平台的基础上对医学数据进行规则的挖掘和知识探索。 　　1.2 国内外数据挖掘的应用及研究现状 　　在国外，目前在金融领域、生物工程领域、企业分析以及网络信息搜索等许多领域数据挖掘技术都有了很好的应用[1]。国际知名调查机构通过技术调查，认为未来五年内数据挖掘和并行处理体系将挤在十大新兴技术投资焦点的前列，“数据挖掘和人工智能”将列在首位的。在我国，数据挖掘技术最早在如中国海关集团、人民银行、上海通用汽车等少数实力雄厚的国企或外资企业中得以充分应用。也有少数应用在经济上，如使用一般数量化模型如人工神经网络方法、回归分析法和时间序列方法在经济上对于股价指数进行预测。目前在国内，数据挖掘技术在医疗服务领域的研究已有一些成果，但至今为止，怎样科学地选择适当的数据挖掘算法，针对不同目标的实际应用挖掘，这方面的方法学在国内研究还较尚少。 　　1.3 研究意义 　　本研究以某社区医院电子病历作为数据源，对数据挖掘算法在电子病历系统中的应用进行了研究。结合常见高血压病案，通过使用不同的挖掘模型进行比较分析，总结出各种算法的特点及适用范围，得出适合这常见病的挖掘模型，并给医务人员提供简单而有效的数据挖掘模型。同时通过研究探索性电子病历数据挖掘技术的实现，也将进一步做更复杂的数据查询提供参考模式，这也给将来医务人员、科研工作者使用更高层次的数据分析方法解决诊疗水平提供有效的科学的途径，具有极其重要的现实意义。 　　2 数据挖掘综述 　　2.1 数据挖掘定义 　　从技术角度来解释，数据挖掘就是通过自动分化分析数据仓库的大量的、有噪声的、模糊的、不完全的实际应用数据，进行提取人们不知道的隐性的知识和规律，依托于数据库、数据统计和人工智能技术的发展，最大可能地利用已有信息和数据，归纳性推理，挖掘潜在规律[2]。数据挖掘技术主要由三个部分，即数据、算法和技术、建模能力组成。 　　2.2 常用的数据挖掘算法 　　2.2.1 神经网络 　　神经网络是由大量的简单的处理单元组成的，自适应非线性的大规模动力系统，是神经科学、统计学、计算机科学和物理学的交叉学科[3]。神经网络能够有良好的自适应、自学习和高容错能力，并具有分布式存储、并行处理以及联想等特点。目前在常用的多种训练算法和网络模型中，多层前馈型神经网络是应用最广泛的。 　　BP网络是一种由输入层、输出层和隐含层组成的单向传播的多层前馈网络，如图①所示，是目前在各行各业应用最多的一种模型。 　　2.2.2 决策树 　　决策树算法是属于的分类、回归和关联型算法，它主要用于对离散型和连续型的数据进行预测性的建模。 　　决策树的常用算法有： 　　1） CART算法 　　CART算法是一种二分递归分割技术，是结构简单的二叉树，它将总样本集分成两个子样本集，使每个非子结点都有两个分支[4]。 　　2 ）CHAID算法 　　CHAID提供了一种在多个自变量