数据挖掘及其在医学领域中的应用和展望.pdfVIP

icine,2006,Voi 7,Noll 实用临床医学2006年第7卷第11期 PracticalClinical Med— — — 数据挖掘及其在医学领域中的应用和展望 徐 刚，袁兆康 (南昌大学医学院公共卫生学院，南昌330006) 关键词：数据挖掘{医学信息；医学应用 中国分类号：TP3—05；R195．1 文献标识码：A 文章编号：10O9—8194(2006)11—0196--03 信息化、网络化时代，伴随数据库技术以及信息管理系 1．3 常用数据挖掘方法 统在医疗机构的广泛运用，促进了医学信息的数字化．信息 分析时需根据不同目的，运用不同方法．且单一分析方 量的剧增，然而由此却导致了信息过量难消化、真假难分、形 法常难满足要求。当前数据挖掘工具常采用决策树、神经网 式不一致难处理的困惑。但是在这大量的数据后面却蕴含 络、关联规则、()LAP联机分析处理、遗传算法、K-nearest邻 了许多对疾病的诊断、治疗以及卫生行政决策有重大价值的 居、数据可视化和传统统计方法等。这些方法中蕴含大量的 信息。常用的数据库及传统的统计分析方法已经远不能满 挖掘模型，医疗领域常用的是关联分析、趋势分析、分类分 足现实的要求，为了解决把数据灾难变为数据宝库的需求， 析、聚类分析、序列分析、偏差检测和可视化技术 ]。 一 门融合人工智能、机器学习、数理统计等方法的新型学科 决策树：是建立在信息论基础上的．主要解决分类问题 技术即数据挖掘诞生了。目前，该技术在医学领域应用尚处 的一种方法．它利用信息增益寻找数据库中最大信息量的属 于起步阶段，因而阐述其理论框架及其在医学领域应用的特 性建立一个节点，采用剃归方式自顶向下逐个据节点属性的 殊性和当前在医疗领域应用研究现状很有必要 不同取值建立树的分支，从而构建树的模型 它实现了数据 1 数据挖掘理论框架及其发展 规则的可视化．具有精度高、结果易理解、效益高的优点【7]。 1．1 数据挖掘概念及特点 与传统的统计方法比较，它是严格“非参”而叉类似判别分析 数据挖掘[1](data mining)是指从大量的、不完全、有噪 的有监督的学习方法；是基于对属性的布尔型和比较运算的 声、模糊、随机的数据中提取蕴含其中的，事先不得知但又潜 逻辑判断；它在结果表达、缺失值处理、对于变量要求以及模 在有用的信息和知识的过程。由于其是汇集数据库、人工智 型评价方面有其独特性 。 。然而由于其算法尚处发展完 能、统计学等不同学科领域知识的交叉学科，从而近年来备 备阶段，其亦有诸如：选取分类变量时易选取取值较多的变 受关注。它与知识发现(KDD)有不同的含义，FAYYAD 量进入模型；尚不能直接利用连续变量值，从而损失一定量 UM等 ]将KDD定义为：从大量数据中提取可信的、新颖 信息的弊端 。目前在实际资料的处理中通常将其与其它 的 有效的并能被人理解的模式的高级处理过程。严格讲， 方法联用。 DM仅仅是KDD的一个处理过程．是KDD的最为关键环 神经网络：是建立在自学习的数学模型基础上。通过训 节 它们是按照既定的目标探索大量数据，找出内在规律形 练来学习的非线性预测模型，它在机器学习中作分类器使用 成模型化，从而做出预测和描述提供决策支持口]。 很普遍。其分类精度远高于决策树，可以对大量复杂的数据 1．2 数据挖掘基本过程 分析。完成对人脑或其它计算机而言极为复杂的模式抽取及 数据挖掘一般有如下几个步骤