数据挖掘在生物医学数据分析中的应用.pdfVIP

上海 交 通 大 学 学 报 (医 学 版 ) JournalofShanghaiJiaotongUniversity(MedicalScience) 文章编号 ： 1674—8115(2010)11—1420—04 · 综 述 · 数据挖掘在生物医学数据分析中的应用 龚著琳， 陈 瑛 ， 苏 懿， 刘雅琴 ， 徐立钧 (上海交通大学 医学 院生物医学工程 系，上海 200025) 摘 要 ：随着信息技术的发展 ，采集、存储和管理数据 的手段 日益完善 ，数据挖掘学科应运而生。文章阐述数据挖掘 的概念 ；通 过给出各种数据挖掘方法在生物医学研究领域中的应用实例 ，分析数据挖掘与生物医学领域 中统计学的关系，并就国内生物医 学数据挖掘 的应用现状、需要解决的问题 以及今后研究的发展方 向等进行综述 。 关键词 ：数据挖掘 ；生物医学 ；统计学 DOI：10．3969／j．issn．1674—8115．20l0．11．025 中图分类号 ：0213 文献标志码 ：A Application ofdatamininginbiomedicaldataanalysis GONGZhu—lin，CHENYing，SUYi，LIUYa—qin，XULi-jun (DepartmentofBiomedicalEngineering，ShanghaiJiaotongUniversitySchoolofMedicine，Shanghai200025，China) Abstract：Thedisciplineofdataminingemergeswiththedevelopmentofinformationtechnologyand maturationofmethods ofdatacollection，storageandmanagement．Thispaperintroducestheconceptofdatamining．Inaddition，itclarifieshow dataminingandstatisticsarerelated in biomedicalfield． Itwasalsosummarized with avarietyofapplication examplesof dataminingtechniquesinbiomedicalresearch．Furthermore，thispapernotonlyanalyzesthepresentstatusofbiomedical dataminingin China，butalsopointsoutsonicproblemstobesolvedandprospectsofresearch inthisarea． Key words： datamining； biomedicalresearch； statistics 数据挖掘 (datamining，DM)又称为数据库 中的 可见 ，统计学和数据挖掘的研究对象均为数据 。 知识发现 (knowledgediscoveryindatabase，KDD)，是 统计学主要利用概率论建立数学模型，是研究 对大量观察到的数据进行分析 ，从 中发现事先未知 随机现象的常用数学工具之一。数据挖掘分析大量 的联系和规律 。随着信息技术的发展 ，采集 、存 数据，发现其中的内在联系和知识 ，并 以模型或规则 储和管理数据的手段 日益完善和丰富，各行业积累 表达这些知识。虽然两者采用的某些分析方法 (如 的数据量快速增长，生物医学领域也面临 同样 的情 回归分析)是相同的，但是数据挖掘和统计学是有本 况。仅登录在美国GenBank数据库 中的 DNA序列 质区别 的： 总量在2002年就 已超过了280亿个碱基对 。面对 一 个主要差别在于处理对象 (数据集)的尺度和 爆炸式的数据增长 ，若仅采用传统的数据分析方法 ， 性质。数据挖掘经常会面对尺度为 GB甚至TB数量 通常只能从中获取一些表层信息，而无法发现数据 级的数据库 ，而用传统 的统计方法很难处理这么大 的内在联系和隐藏的知识。数据挖掘学科正是在这