生物医学课题研究论文(五篇)：生物医学文本挖掘研究热点、生物医学科研伦理审查研究….docVIP

生物医学课题研究论文（五篇） 内容提要： 1、生物医学文本挖掘研究热点2、生物医学科研伦理审查研究3、生物医学计算平台管理和运行维护4、生物医学工程专业实验课教学方法5、红足壮异蝽的生物学特性与防治研究 全文总字数：19928 字 篇一：生物医学文本挖掘研究热点 生物医学文本挖掘研究热点 ［摘要］为了解生物医学文本挖掘的研究现状和评估未来的发展方向，以美国国立图书馆PubMed中收录的2000年1月－2015年3月发表的生物医学文本挖掘研究文献记录为样本来源，提取文献记录的主要主题词进行频次统计后截取高频主题词，形成高频主题词－论文矩阵，根据高频主题词在同一篇论文中的共现情况对其进行聚类分析，根据高频主题词聚类分析结果和对应的类标签文献，分析当前生物医学文本挖掘研究的热点。结果显示，当前文本挖掘在生物医学领域应用的主要研究热点为文本挖掘的基本技术研究、文本挖掘在生物信息学领域里的应用、文本挖掘在药物相关事实抽取中的应用3个方面。 ［关键词］文本挖掘;生物医学研究;研究热点 随着生物医学科学的飞速发展，生物医学领域的实验数据和文献数量急剧增加。常用的检索方式通常会消耗大量时间，并且需要对检索词进行仔细筛选及恰当组合。文本挖掘是通过计算机发现以前未知的新信息，即在现有文献资源中自动提取相关信息，并揭示另外隐含的意义［1］。利用文本挖掘能够有效地从生物医学数据库中提取相关知识进行研究进而提出新的实验假设，得到新的科学结论，因此文本挖掘在生物科学领域具有很大的应用价值。以检索词“textmining”在PubMed检索(2015年6月9日)相关文献，结果显示文献累积数量随着年代的分布呈现典型的指数分布，说明文本挖掘在生物医学领域中正处在飞速发展中，是当前的研究热点。基于以上原因，我们运用共词分析的方法，对2000年1月至2015年3月MEDLINE数据库收录的有关文本挖掘在生物医学领域应用的论文中的高频主题词进行了共现聚类分析，总结出当前国际上文本挖掘在生物医学领域应用的研究热点，并对其进行分析。 1资料与方法 数据样本为MEDLINE数据库收录的生物医学领域文本挖掘研究文献。MEDLINE是国际上生物医学领域的权威数据库，迄今收录文献达2400万篇，通过该数据库可以检测到含有确切关键词的文献［2］。采用检索策略为:“textmining”［tiab］AND((“2000/01/01”［PDAT］:“2015/03/31”［PDAT］)ANDmedline［sb］)，共得到879篇相关文献记录。以xml格式将全部相关文献记录套录下来，运用文献计量学统计分析软件BICOMB［3］抽取和统计以上文献中的主要主题词及副主题词及每个词在以上全部文献中的出现频次，按照它们的出现频次由高到低进行排序，选取其中出现频次高于13次的40个主题词/副主题词作为高频主题词(表1)。由于这些文献的篇名或摘要中含有“文本挖掘”被检出，且被收录于MEDLINE，其主要内容都与生物医学文本挖掘有关，因此得到的主题词和副主题词可反映文本挖掘在生物医学领域中的应用情况。对所有高频主题词做进一步处理，统计每一个高频词在文献中的出现情况，形成高频词－文献矩阵，输入到gCLUTO软件，采用系统聚类法对所得相似矩阵进行聚类分析，聚类分析的结果可以反映出这些高频词之间的亲疏关系，分析这些高频主题词能够获得生物医学领域文本挖掘研究的热点。聚类结果如图1所示，其中横轴代表PubMed数据库中文献，纵轴代表进行聚类的主题词/副主题词。如果两词聚集到一起的距离短，说明它们的关系越密切［4］。首先，根据每一类高频主题词的含义以及这些主题词之间的语义关系，总结出每一类主题词所代表的研究热点，即当前医学领域文本挖掘研究的热点。例如，主题词NaturalLanguageProcessing(自然语言处理)和PeriodicalsasTopic(期刊作为主题)距离较近，关系密切，首先聚成一类;ArtificialIntelli-gence(人工智能)再与前面两个词合成一类，这一类再与MEDLINE组成的一类再聚成一大类，以此类推。通过分析这些主题词的语义关系就能得出它们所代表的类团含义标签，综合各个类别的类标签可以得出当前医学领域文本挖掘研究的热点。其次，利用gCLUTO软件计算各类成员对聚类贡献率的指标(描述度Descriptive和区分度Descriminating)，选取对每一类形成贡献最大的来源文献作为表示该类内容的类标签文献，通过文献内容进一步阐释该研究方向的具体内容。 2结果与分析 通过对近2000－2015年MEDLINE收录的生物医学领域文本挖掘研究文献的高频主题词和副主题词进行共现聚类分析(图1)，我们将该领域的研究热点分为以下3大方面，14个主题。 2．1文本挖掘