临床医学中数据挖掘技术的分析与应用-生物医学工程专业论文.docxVIP

解放军医学院硕士学位论文 解放军医学院硕士学位论文 PAGE PAGE 3 6.2 研究对象 52 6.3 处理方法 53 6.3.1 数据预处理54 6.3.2 神经网络数值预测55 6.3.3 输血疗效预判58 6.4 结果与讨论 58 6.4.1 输血疗效的影响因素58 6.4.2 多指标综合评分模型60 6.4.3 测试验证结果61 6.4.4 讨论63 6.5 本章小结 64 第 7 章 总结与展望 65 7.1 全文总结 65 7.2 工作展望 66 参考文献 67 文献综述 71 攻读学位期间发表文章情况 76 致谢 77 作 者：潘昌霖 学科专业：生物医学工程 导 师：周 丹 题目: 临床医学中数据挖掘技术的研究与应用 中文摘要 随着医院信息化的发展以及医院信息系统和电子病历的应用，医院数据库的 数据容量不断膨胀。这些宝贵的医学数据对于疾病的诊断、治疗和医学研究都是 非常有价值的。然而,目前大多数医院对数据库的处理仅限于数据的录入、修改、 查询和删除等平凡过程,属于医学数据库的低端操作,缺乏数据的集成和分析,更 谈不上辅助医学决策和自动获取知识。另一方面，面对海量数据,传统的数据分析 工具只能进行一些表层的处理,而无法获得数据之间的内在关联和隐藏信息,从而 陷入“数据丰富,知识贫乏”的困境。为了摆脱这种困境,一种能够智能地、自动 地把数据转换成有用信息和知识的技术应运而生。它就是数据挖掘(Data Mining) 技术。数据挖掘是指从数据库中识别出有效的、新颖的、潜在有用的、并且最终 可理解的模式和知识的非平凡过程。 本文首先在深入研究数据挖掘理论的基础上，根据临床实际应用需求的调研， 对需要用到的两种数据挖掘技术——朴素贝叶斯方法和 BP 神经网络——进行了改 进。对传统的朴素贝叶斯方法进行的改进包括：基于逻辑回归 Wald 值的属性加权 和基于核密度估计法计算类条件概率，而对 BP 神经网络进行的改进则有：添加动 量项和自适应调整学习速率。然后分别采用 ICU 数据集和输血数据集对它们在临 床医学中的应用进行了测试验证。针对 ICU 数据集，本文建立了预测 ICU 患者死 亡概率的朴素贝叶斯模型。通过与 Logistic 回归模型的对比，表明朴素贝叶斯模 型在分辨度方面存在明显优势。而对于输血数据集，我们利用改进的 BP 神经网络 预测红细胞输注患者输血后的生命体征和 Hb 指标数值，建立一个多指标综合评分 模型对患者的输血效果进行评估和预判断。经测试样本集的验证，结果表明基于 BP 神经网络数值预测的多指标综合评分模型具有较好的分辨能力，预测准确率为 89.7%，能够实现输血效果的准确预判断。 关键词：数据挖掘，朴素贝叶斯，BP 神经网络，死亡概率预测，输血效果评估 Title: Data Mining In Clinical Medicine: Research And Application Abstract With the development of hospital informatization and the application of hospital information systems and electronic medical records, the data capacity of the hospital database has been expanding continually. These precious medical data are very valuable for disease diagnosis, treatment and medical research. Currently, however, most database operation in hospitals was limited to some ordinary process, such as data entry, modify, query, and delete, which were low-end operation of the medical database, lack of data integration and analysis, much less for automatic acquisition of knowledge and medical decision support. On the other hand, traditional data analysis tools can only do some light processing in the face of mass data, rather than obt