计算机辅助医学医学数据挖掘.pptxVIP

计算机辅助医学 医学数据挖掘（上）刘雷上海生物信息技术研究中心提纲基本概念1关键技术相关工具24应用实例3提纲基本概念1关键技术相关工具24应用实例3背景需求是发明之母数据挖掘引起了信息产业的极大关注，主要原因是存在大量的数据，并且迫切需要将这些数据转换成有用的信息和知识。什么激发了数据挖掘？背景数据挖掘是信息技术自然演化的结果数据收集和数据库创建（20世纪60年代和更早）--原始文件处理数据库管理系统（70年代）层次和网状数据库系统关系数据库系统数据建模工具：实体-联系模型索引和数据组织技术：b+树查询语言：SQL等联机事务处理（OLTP）高级数据库系统（80年代中期-现在）基于Web的数据库系统（90年代中期-现在）--高级数据模型--面向应用--基于XML的数据库系统--Web挖掘数据仓库和数据挖掘（80年代后期-现在）--数据仓库和OLAP--数据挖掘和知识发现数据库技术的演化Jiawei Han， Data Mining新一代综合信息系统（2000-。。。）背景Databases are too big数据的丰富带来了对强有力的数据分析工具的需求数据挖掘—概念数据挖掘是从大量数据中提取或“挖掘”知识。 --Jiawei Han，Micheline Kamber， Data Mining： Concepts and Techniques大规模和快速的统计学。 --Darryl Pregibon数据挖掘是用模式识别、统计学、数学等方法过滤存储在数据库中大量的数据来发现新的、有意义的关系、模式和趋势的过程。 --Gartner小组数据挖掘正处在变动和发展过程中，有很多数据挖掘的定义，也有很多关于数据挖掘是什么和不是什么的讨论。数据挖掘—概念相关概念a scientific discipline concerned with the design and development of algorithms that allow computers to evolve behaviors based on empirical data, such as from sensor data or databases.机器学习（machine learning）人工智能Artificial intelligencethe intelligence of machines and the branch of computer science that aims to create it.In machine learning, pattern recognition is the assignment of some sort of output value (or label) to a given input value (or instance), according to some specific algorithm. 模式识别（ pattern recognition ）数据挖掘– 概念数据库技术机器学习数据挖掘信息科学统计学可视化其他科学数据挖掘是一个交叉学科数据挖掘– 任务分类分类（classification）聚类（clustering）预测（prediction）估值（estimation）数据挖掘描述和可视化（description and visualization）关联分析（association）背景什么激发了医学数据挖掘？数据数据需求是发明之母数据数据计算机信息管理系统的应用电子病历和病案的大量应用医疗设备和仪器的数字化分子生物学方法在医学上的应用数据数据数据数据背景如何利用海量数据的信息资源为疾病的诊断和治疗提供科学的决策为医学基础、临床研究提供知识更好的为远程医疗及社区医疗提供保证背景常用医学数据分析方法统计方法常用统计软件SPSS SASS-Plus医学数据模型知识数据挖掘的方法背景常用方法的局限性量 – 大数据量维 -- 高维度Data Mining医学数据挖掘医学数据记录内容多病人基本信息手术记录出院小结免疫组化结果影像学检测结果医学数据挖掘医学数据记录的形式多样纸质vs电子Excel vs 自然语言图像……电子病历EXCEL表格医学数据挖掘医学数据不完整性病例和病案的有限性使医学数据库不可能对任何一种疾病信息都能全面地反映, 表现为医学信息的不完全性。时间性。医学检测的波形、 图像都是时间的函数。冗余性。医学数据库是一个庞大的数据资源, 每天都会有大量相同的或部分相同的信息存储在其中。医学数据挖掘高通量生物医学数据特点纬度高数据量大医学数据挖掘数据挖掘技术在生物医学方面面临的挑战医学数据存储大规模、高通量、高维度数据的处理高效、准确、稳定的分析方法医学数据挖掘的关键技术数据预处理医学数据库中