数据挖掘技术在医院信息系统中的应用探讨.docVIP

数据挖掘技术在医院信息系统中的应用探讨 摘要：医院信息系统已经在医院得到了广泛的普及和应用，在多年的运行和管理过程中，积累了海量的数据，包括患者病历资料、药品使用、诊断和治疗决策等方面。为了进一步提高医院信息化、智能化诊断和和治疗服务水平，可以采用数据挖掘技术，从海量的数据中发现潜在的有价值信息，辅助医院管理。本文详细地分析了大数据时代常用的数据挖掘技术及其在医院的常见应用，为推广数据挖掘做出参考。 关键词：数据挖掘 医院信息系统 SVM 神经网络 遗传算法 中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2015）05-0000-00 1 引言 近年来，计算机技术、网络技术和数据库技术发展迅速，许多计算机学者提出了云计算、移动计算、分布式计算等新型技术，使分布式管理系统在医院得到了广泛普及和应用[1]。据我国卫生管理部门统计，医院已经开发了人事管理系统、财务管理系统、住院病房管理系统、药品管理系统、医院影像拍摄与存储系统、患者病历档案管理系统，为医院的行政管理、诊断治疗提供了强大的自动化、信息化支撑[2]。医院信息系统已经积累了海量的患者诊断和治疗数据，如何更好地利用这些数据为患者服务，已经成为医院管理人员、医护人员和计算机学者的研究热点[3]。数据挖掘可以采集不同的患者数据，分析药品合理使用、患者疾病种类预测、会诊专家推荐等功能，提高医院诊断和治疗的服务水平，保证医院信息系统的正常工作和运行[4]。 2 大数据时代常用数据挖掘技术 数据挖掘能够从海量数据中提取潜在有价值的信息，对其进行分类管理，以便能够帮助人们进行决策，数据挖掘又被称为知识发现技术，已经在复杂问题求解、网络优化管理、Web数据搜索等领域得到了广泛的应用。目前，经过多年的研究，数据挖掘技术已经得到了极大的改进，诞生了支持向量机、神经网络、遗传算法等。 2.1支持向量机 支持向量机（Support Vector Machine，SVM）基于统计学习理论，采用结构风险最小化原理，可以解决非线性、小样本、高维空间数据挖掘问题，以便能够利用有限的样本发现数据中隐藏的有价值信息，为人们提供良好的数据挖掘结果。 2.2神经网络 神经网络可以对训练数据进行自组织、自适应的学习过程，并且能够学习到最具典型特征的样本和区分数据能力，以便能够得到不同的数据价值信息。神经网络具备的分布式存储、并行处理和容错能力，都可以通过训练学习时调整不同的神经网络参数权值进行，具有较强的外界环境适应变化能力，同时具备非常强的抗干扰能力。神经网络的不足之处是很难获得样本数据，并且学习精度也需要依赖于神经网络训练次数，如果加入了新的数据特征，需要重新训练网络，训练步骤较为复杂，耗费较长的时间。 2.3遗传算法 遗传算法是一种非常有效的模拟生物进化的数据挖掘算法，该算法可以针对一串描述字符的位串进行操作，不同位串在实际的应用环境中代表不同的问题。遗传算法可以从若干个初始的种群开始搜索，根据当前的种群成员，模仿生物的遗传进化过程，选择基因优良的下一代作为进化的目标。目前，遗传算法已经在很多领域得到了广泛的应用，比如自动组卷过程中、基因序列预测过程中、数据库连接优化过程中，均得到了广泛的使用。 3 数据挖掘在医院信息系统中的应用分析 经过多年的运行和管理，医院信息系统已经积累了海量数据，人工处理过程复杂，无法准确发现海量数据中潜在的有价值信息。因此，采用数据挖掘技术处理和分析医院信息数据，已经成为许多人研究的热点。数据挖掘在医院信息系统中的应用主要包括以下三个方面。 3.1数据挖掘在合理用药方面的分析 目前，我国医院药品管理系统中引入的药品种类多达上万种，每一种药品的价格、用量都不同，数据量非常大。随着药品种类的增多，为了能够大幅度提升药物治疗效果，需要严格遵循合理用药原则，控制药物使用量。数据挖掘算法可以从药品管理系统中提取海量药品使用数据，精确挖掘和分析用药数量、患者用药成本、药品产生的不良反应等情况，确保医院药品使用合理。 3.2患者疾病种类分析与预测 随着人们生活质量的提高，易感染的疾病种类也越来越多。数据挖掘算法可以从患者病历资料系统中提取患者诊断、治疗数据，分析患者疾病种类、发病时间、病程、治愈情况等，以便能够预测疾病易感染或发作时间段，挖掘有效的诊断和治疗方法，提高患者医治的成功率。 3.3构建专家治疗库，便于用户诊断推荐 随着互联网技术的快速发展，许多医院设计了门户网，可以集成共享医疗卫生资源，实现网上预约会诊等功能。由于许多患者或家属对疾病知识不甚了解，无法获取准确的治疗专家信息，因此医院可以使用数据挖掘技术，选取和分析诊断治疗较好的专家，构建专家库，患者输入相关的疾病之后，系统可以采用关联规则自动匹配疾病专家，以便得到有效的会诊和治疗。 4 结语 数据库技术、互