医学信息学1.ppt

数据挖掘概念 数据挖掘--从大量数据中寻找其规律的技术，是统计学、数据库技术和人工智能技术的综合。 数据挖掘是从数据中自动地抽取模式、关联、变化、异常和有意义的结构； 数据挖掘大部分的价值在于利用数据挖掘技术改善预测模型。 数据挖掘的社会需求 数据挖掘 数据库越来越大 有价值的知识 可怕的数据 数据挖掘的社会需求 数据爆炸，知识贫乏 苦恼: 淹没在数据中 ; 不能制定合适的决策! 数据 知识 决策 模式 趋势 事实 关系 模型 关联规则 序列 目标市场 资金分配 贸易选择 在哪儿做广告 销售的地理位置 金融 经济 政府 POS. 人口统计 生命周期 数据挖掘系统 矿山（数据） 挖掘工具（算法） 金子（知识） 身边的数据挖掘 淘宝购物 QQ的圈子功能 关于数据挖掘的就业方向 数据库与数据仓库 数据库 数据仓库 面向事务 存储在线交易数据 尽量避免冗余 采用符合范式规则设计 为捕获数据而设计 面向主题 存储历史数据 有意引入冗余 采用反范式方式设计 为分析数据设计 数据库定义：依照某种数据模型组织起来并存放的数据集合。其内容尽可能不重复，以最优方式为某个特定组织的多种应用服务，其数据结构独立于使用它的应用程序，对数据的编辑和应用由统一软件进行管理和控制。 数据仓库定义：面向主题的、集成的、与时间相关且不可修改的数据集合 广义上，都是数据集，用数据库管理技术来处理数据仓库 医学数据挖掘 集信息科学、管理科学、统计学和人工智能等学科的交叉学科 医学信息的特殊性和复杂性，使得数据挖掘算法更加高效和鲁棒 数据挖掘的基本过程： 确定业务对象 数据准备 数据挖掘 结果分析 知识应用 医学信息学 2013年8月22日至9月16日 课时安排 总学时：54（32/22） 第1周：周四，周五上午 第2周：周一、周二下午，周四、周五上午 第3、4周：周四上午 第5周：周一上午 共九次课，每次六学时 为什么要上这门课 做为未来的信息工作者，了解未来的工作特征 了解医学信息学 大学的学习特征，素质教育 整合大学三年学过的知识，把大学学习更进一步 了解医学信息处理的基本内容和方法，提高自己的信息处理能力 我们与同龄人相比 计算思维 目前大学生教育中最热的一个概念，而我们经过比较系统的计算机教育的学习，应该具有更多的计算思维 计算机人才不是多而是少 计算机人才不只是在软件方面，更不限于计算机硬件，而是更贴近应用 我们的优势 有过系统的计算机课程的学习，贴近一些方面的应用 计算思维 卡耐基?梅隆大学计算机科学系的系主任周以真提出了“计算思维”。 除了阅读、写作、算数之外，计算思维能力也应成为人们基本能力的一部分。 所有人都必须学习计算机，学习算法和计算机程序设计 人类文明已经进入到信息社会 人类文明的几大阶段： 农业社会/view/408876.htm 工业社会/view/408879.htm 信息社会 /view/45594.htm#2 信息社会中信息应用 医学信息应用 信息学的三个重要概念 数据、信息、知识 数据是原始符号 信息是经过分析的可用的数据 知识是信息组成的一系列法则和公式 例：儿童平均身高 生物医学信息学的知识框架 计算机硬件 计算机软件 临床医学 基础生物医学科学 认知学 生物工程学 管理学 流行病学 及生物统计学 公共卫生 个体 器官 组织 细胞 亚细胞 蛋白 基因 分子 生物医学 信息学 生物信息学 影象信息学 临床信息学 公共卫生信息学 医学信息学的知识点分类 编号 学科知识点 编号 学科知识点 1 基础知识 3.3 健康信息系统及其常见程序 1.1 临床信息学 3.4 临床数据标准 1.2 健康系统 3.5 信息系统的生命周期 2 临床决策支持和医疗流程优化 4 领导和管理革新 2.1 临床决策支持 4.1 职能和流程建模 2.2 循证医学 4.2 高效的跨学科团队 2.3 临床工作的分科，流程再造和质控 4.3 高效的沟通 3 健康信息系统 4.4 项目管理 3.1 常用信息科技 4.5 信息系统的战略和投资回报管理 3.2 人机工程学 4.6 系统升级的管理 美国医药信息学会的本体论系统 有三大独立的轴 方法、目标、应用领域 医学信息学所有的基础研究或应用研究都可以从本体论角度分析为： 应用某一个（或几个）“方法” 针对某一个“目标” 在某一个“应用领域”进行研究或应用 医学信息学本体论系统 医学信息学的研究范畴 原始健康数据 影像、微阵列、生理数据等 从原始健康数据中分析出来的有组织的综合数据库 整合起来的基因分类和其外在表现形态 从数据库中抽象出来的知识库 词表、术语学、本体库、语义网等 从知识库中验证出来的可直接应用的知识结晶和