医学决策支持系统__培训课件.pptVIP

二、在线分析处理技术 （一）关系联机分析处理 （二）多维联机在线分析处理 （三）混合联机在线分析处理 P174 图8-3 三、数据挖掘技术 所谓数据挖掘，就是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息的过程。数据挖掘是KDD最核心的部分。数据挖掘与传统分析工具不同的是数据挖掘使用的是基于发现的方法，运用模式匹配和其它算法决定数据之间的重要联系。 （一）数据挖掘支持技术 数据库技术和人工智能技术 （二）数据挖掘方法与过程 方法： 决策树 关联规则 人工神经网络 粗糙集理论 遗传算法 过程： 对数据库数据整理，抽取出用来完成特定挖掘目标的数据集。 选择合适的挖掘方法和工具，在领域专家指导下进行知识获取研究 对事物的发展进行预测 数据采集与处理：从数据仓库中选取相关的数据集合。 知识库：指导数据挖掘和评价挖掘结果。 数据挖掘：对数据仓库中提取的数据进行分析处理。 知识评价：是以兴趣度作为衡量标准来查找和选择对最终决策活动友有益的的知识。 HIS 中的数据处理模型 （四）数据挖掘在医学决策支持系统中的应用 关联规则的发现 例如根据数据库挖掘出以下三条规则: a ) 不锻炼∧ ( 43 年龄 48 ) ∧ 不吸烟∧不喝酒∧ 女性－－高血压(s=1.6%，c=20%) b ) 不锻炼∧ ( 43 年龄 48 ) ∧ 不吸烟∧ 喝酒∧ 女性－－高血压(s=2.3%，c=22%) c ) 不锻炼∧ ( 43 年龄 48 ) ∧ 吸烟 ∧ 喝酒∧ 女性－－高血压(s=2.9%，c=26%) 规则a、b、c 表明不锻炼、吸烟、喝酒这三个危险因素如果同时存在, 将明显增加高血压病的发生率( 22%～ 26% ) 。 (2) 分类规则的发现 在HIS应用中, 可以通过决策树方法、神经网络方法等算法对数据库中的病历记录进行挖掘, 参照国际疾病的编码(ICD 9) 标准, 根据系统中存在疾病的相应特征, 构造出相应疾病的分类模型, 并对每种疾病寻找出一种效果较好的治疗方案。临床应用时, 可以将病人的病症数据与模型中的数据相比较, 确定出疾病的类型。 (3) 序列模式的发现 例如: 某疾病40% 的病人会发生在7、8、9 三个月内。另外,为了发现序列模式, 不仅需要知道某事件是否发生，而且需要确定知道此时间发生的时间。在HIS中, 记录有大量病人病情变化的时间记录。可以收集对病人变化情况, 利用相关挖掘技术发现序列模式。发现序列模式便于医疗工作人员预测病人的病情发展趋势, 确定病情的发展时间, 从而有针对性地防止某些疾病的发生 (4) 聚类分析 聚类分析不同于分类分析, 输入的记录是一组未分类的记录, 在进行聚类之前并不知道将要划分为哪几种类别。聚类就是将数据分到不同的类中, 要求同类数据间具有很高的相似性, 而不同类间的数据尽量不相关。在医学中, 一些特定症状的聚集可能预示某种特定的疾病。 HIS 中数据挖掘实例分析 HIS 中数据挖掘实例分析 ( 1 ) IF [(性别= 男) AND (体重= 肥胖)AND (47 年龄≤ 55) AND (97 血糖≤ 571 )] THEN 高血压比率= 66. 20% ( 2 ) IF [(性别= 男) AND (体重= 肥胖) AND(50 年龄≤ 55) AND (103 血糖≤ 571 )] THEN 高血压比率= 79. 12% ( 3 ) IF [(性别= 男) AND (体重= 肥胖) AND(44 年龄≤ 50) AND (家庭有中风史) AND (0 小便PH 值≤ 60 ) AND ( 92 血糖≤ 571 ) ] THEN 高血压比率= 77. 65% 四、知识库 知识库:人工智能和数据库技术的结合,知识库由知识和知识处理机构组成。 医学知识库种类 文献数据库 事实数据库 知识类型 科学知识 经验性知识 知识库的三大技术： 知识表示 知识利用 知识获取 五、统一医学语言系统 UMLS是美国国立医学图书馆主持开发的计算机化的生物医学检索语言集成系统和机读情报资源指南系统。 UMLS 第四节 医学决策支持系统实例 HELP系统(Health Evaluation through Logical Processing) 基于知识框架技术，专用开发语言-HELP FRAME LANGUAGE 帮助医护人员分析解释处理临床数据。 呼吸系统疾病 实验检查异常结果判断 传染病监控 用药合理性检查 HELP系统的处方控制 HELP系统(Health Evaluation through Logical Processing) 基于知识框架技术，专用开发语言-HELP FRAME LANGUAGE 帮助医护人员分析解释处理临床数据。 呼吸系统疾病 实