與臨床醫學(xué)數據挖掘分析相關(guān)論文

　　１ＤＭ概述

　�。模褪菙祿�庫知識發(fā)現（ｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙｉｎｄａｔａｂａｓｅ，ＫＤＤ）不可缺少的一部分，而ＫＤＤ是將未加工的數據轉換為有用信息的整個(gè)過(guò)程，包括一系列轉換步驟，從數據的預處理到ＤＭ的后處理［１］。其最早是在１９８９年舉行的第１１屆美國人工智能協(xié)會(huì )（ａｍｅｒｉｃａｎａｓｓｏｃｉａｔｉｏｎｆｏｒａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉ－ｇｅｎｃｅ，ＡＡＡＩ）學(xué)術(shù)會(huì )議上提出的，是近年來(lái)隨著(zhù)人工智能和數據庫技術(shù)的發(fā)展而出現的一門(mén)新興技術(shù)，其開(kāi)發(fā)與研究應用是建立在先進(jìn)的計算機技術(shù)、超大規模數據庫的出現、對巨大量數據的快速訪(fǎng)問(wèn)、對這些數據應用精深的統計方法計算的能力這４個(gè)必要條件基礎上的，以數據庫、人工智能和數理統計三大技術(shù)為支柱。

　　２ＤＭ的基本模式及在臨床醫學(xué)中的應用

　�。模偷娜蝿�(wù)通常有兩大類(lèi)：預測任務(wù)和描述任務(wù)。預測任務(wù)主要是根據其他屬性的值，預測特定屬性的值，主要有分類(lèi)（ｃｌａｓｓｉｆｉｃａｉｏｎ）和回歸（ｒｅｇｒｅｓｓｉｏｎ）２種模式。描述任務(wù)的目標是導出概括數據中潛在聯(lián)系的模式（相關(guān)、趨勢、聚類(lèi)、軌跡和異常），主要有關(guān)聯(lián)分析、聚類(lèi)分析、異常檢測３種模式。

　�。玻�１預測建模（ｐｒｅｄｉｃｔｉｖｅｍｏｄｅｌｉｎｇ）

　　涉及以說(shuō)明變量函數的方式為目標變量建立模型。有２種模式：分類(lèi)和回歸。分類(lèi)是用于預測離散的目標變量。在臨床醫學(xué)中，疾病的診斷和鑒別診斷就是典型的分類(lèi)過(guò)程。Ｍｅｌｇａｎｉ和Ｂａｚｉ以美國麻省理工學(xué)院的心律失常數據庫的心電圖為原始數據，采用不同分類(lèi)模型，對心電圖的５種異常波形和正常波形進(jìn)行分類(lèi)�；貧w是用于預測連續的目標變量�；貧w可廣泛應用于醫學(xué)研究中如醫療診斷與預后的判別、多因素疾病的病因研究等。Ｂｕｒｋｅ等采用各種回歸模式對影響乳腺癌患者預后的因素進(jìn)行回歸分析。

　�。玻�２關(guān)聯(lián)分析（ａｓｓｏｃｉａｔｉｏｎａｎａｌｙｓｉｓ）

　　用來(lái)描述數據中強關(guān)聯(lián)特征的模式，用于發(fā)現隱藏在大型數據集中的令人感興趣的聯(lián)系。所發(fā)現的模式通常用蘊函規則或特征子集的形式表示。關(guān)聯(lián)分析主要應用于ＤＮＡ序列間相似搜索與比較、識別同時(shí)出現的基因序列、在患者生理參數分析中的應用、疾病相關(guān)因素分析等。有學(xué)者對３７０００例腎病患者進(jìn)行了追蹤觀(guān)察，監測腎小球過(guò)濾率、尿蛋白水平和貧血狀況，結果發(fā)現以上３種生理指標中的任何一項異常都伴隨著(zhù)心臟病發(fā)病率的上升，這種腎病與心臟病“關(guān)聯(lián)”的現象可發(fā)生在腎病的早期階段。

　�。玻�３聚類(lèi)分析（ｃｌｕｓｔｅｒａｎａｌｙｓｉｓ）

　　旨在發(fā)現緊密相關(guān)的觀(guān)測值組群，使得與屬于不同簇的觀(guān)測值相比，屬于同一簇的觀(guān)測值相互之間盡可能類(lèi)似。聚類(lèi)分析在醫學(xué)領(lǐng)域中主要用于ＤＮＡ分析、醫學(xué)影像數據自動(dòng)分析以及多種生理參數監護數據分析、中醫診斷和方劑研究、疾病危險因素等方面。羅禮溥和郭憲國利用聚類(lèi)分析對云南�。玻悼h（市）現有的１１２種醫學(xué)革螨的動(dòng)物地理區劃進(jìn)行分析，發(fā)現云南省醫學(xué)革螨的分布明顯地受到自然地理區位和特定的自然景觀(guān)所制約。

　�。玻�４異常檢測（ａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎ）

　　用來(lái)識別其特征明顯不同于其他數據的觀(guān)測值。這樣的觀(guān)測值稱(chēng)為異常點(diǎn)（ａｎｏｍａｌｙ）或離群點(diǎn)（ｏｕｔｌｉｅｒ）。異常檢測的目標是發(fā)現真正的異常點(diǎn)，避免錯誤地將正常對象標注為異常點(diǎn)。換言之，一個(gè)好的異常檢測器必須具有高檢測率和低誤報率，其主要應用于檢測欺詐、網(wǎng)絡(luò )攻擊、疾病的不尋常模式等。

　　３ＤＭ的方法及研究趨勢

　　在ＤＭ算法的理論基礎上，ＤＭ常用方法：

　�。ǎ保┥�物學(xué)方法包括人工神經(jīng)網(wǎng)絡(luò )、遺傳算法等；

　�。ǎ玻┬畔⒄摲椒ò�括決策樹(shù)等；

　�。ǎ常┘�合論方法包括粗糙集理論、近鄰算法等：

　�。ǎ矗┙y計學(xué)方法；

　�。ǎ担┛梢暬�技術(shù)等方法。

　�。模徒�(jīng)過(guò)十幾年的蓬勃發(fā)展，很多基本算法已較為成熟，在其基礎上進(jìn)行更加高效的改進(jìn)和算法提高顯得比較困難，如傳統的頻繁模式和關(guān)聯(lián)規則挖掘在近幾年的國際著(zhù)名會(huì )議和期刊上已不再作為重要的研究主題。近年來(lái)眾多國內外知名學(xué)者相繼探討ＤＭ的最新方向。Ｙａｎｇ和Ｗｕ匯總形成了ＤＭ領(lǐng)域十大挑戰性問(wèn)題報告；Ａｇｒａｗａ等探討了ＤＭ的現狀并展望了未來(lái)的發(fā)展方向，Ｐｉａｔｅｔｓｋｙ－ｓｈａｐｉｒｏ等討論了ＤＭ新的挑戰性問(wèn)題，并主要探討在生物信息學(xué)（ｂｉｏｉｎｆｏｒｍａｔｉｃｓ）、多媒體挖掘（ｍｕｌｔｉｍｅｄｉａｍｉｎｉｎｇ）、鏈接挖掘（１ｉｎｋｍｉｎｉｎｇ）、文本挖掘（ｔｅｘｔｍｉｎｉｎｇ）和網(wǎng)絡(luò )挖掘（ｗｅｂｍｉｎｉｎｇ）等領(lǐng)域所遇到的挑戰。與國外相比，ＤＭ在國內的研究和應用始于２０世紀９０年代初，主要是對ＤＭ方法的介紹和推廣，２０世紀９０年代后期和２１世紀初進(jìn)入蓬勃發(fā)展階段，當前ＤＭ已成為大型企業(yè)進(jìn)行經(jīng)營(yíng)決策時(shí)所必須采用的方法，證券和金融部門(mén)已將ＤＭ作為今后重點(diǎn)應用的技術(shù)之一。有學(xué)者以ＨＩＳ和ＬＩＳ數據庫信息為數據源，人工神經(jīng)網(wǎng)絡(luò )為工具，概率論為依據，對常規檢驗結果和質(zhì)譜指紋圖數據進(jìn)行ＤＭ并應用于臨床實(shí)踐。

　　４臨床醫學(xué)ＤＭ的特點(diǎn)

　�。模妥饔糜卺t學(xué)數據庫跟挖掘其他類(lèi)型的數據庫相比較，具有其自己的特點(diǎn)。以電子病歷、醫學(xué)影像、病歷參數、化驗結果等臨床數據為基礎建立的醫學(xué)數據庫是一個(gè)復雜類(lèi)型數據庫，這些臨床信息具有隱私性、多樣性、不完整性、冗余性、異質(zhì)性和缺乏數學(xué)性質(zhì)等自身的特殊性和復雜性，使得醫學(xué)ＤＭ與常規ＤＭ之間存在較大差異。醫學(xué)ＤＭ方法包括統計方法、機器學(xué)習方法、神經(jīng)網(wǎng)絡(luò )方法和數據庫方法等。將這些不同的挖掘方法應用到疾病的診斷、治療和預后分析以及醫療管理等各個(gè)領(lǐng)域，從疾病的診治、醫療質(zhì)量管理、醫院管理、衛生政策研究與醫療資源利用評價(jià)等方面去獲取諸如概念、規律、模式等相關(guān)知識；用于對疾病進(jìn)行分類(lèi)、分級、篩選危險因素、決定治療方案和開(kāi)藥數量等。

　　５我國醫學(xué)ＤＭ的現狀及展望

　　生命科學(xué)的快速發(fā)展以及系統生物學(xué)（ｓｙｓｔｅｍｂｉｏｌｏｇｙ）的出現和蓬勃發(fā)展為研究現代醫學(xué)模式和中醫藥學(xué)提供了可能的新思路和新方法。通過(guò)基因組學(xué)、蛋白質(zhì)組學(xué)等方法闡述復雜生命迫切需要ＤＭ等相關(guān)計算分析方法處理海量的基因、蛋白、染色質(zhì)數據如基因調控網(wǎng)絡(luò )的研究、蛋白質(zhì)交互網(wǎng)絡(luò )的挖掘等。在我國醫學(xué)數據極為豐富，但運用ＤＭ技術(shù)分析和處理這些數據資源的研究尚處于起步階段。有些大學(xué)（如第二軍醫大學(xué)、哈爾濱醫科大學(xué)、瀘州醫學(xué)院等）已經(jīng)面向醫學(xué)本科生及研究生開(kāi)設了相關(guān)課程，上海交通大學(xué)醫學(xué)院也向醫學(xué)專(zhuān)業(yè)研究生開(kāi)設了《生物醫學(xué)數據挖掘》的課程，瀘州醫學(xué)院檢驗醫學(xué)系開(kāi)設了《檢驗醫學(xué)信息學(xué)》課程，從檢驗醫學(xué)信息的來(lái)源、綜合、提煉和利用過(guò)程均進(jìn)行了詳細介紹。這些課程的開(kāi)設旨在使學(xué)生及醫學(xué)科學(xué)研究者了解這些知識，能理性地應用這些數學(xué)工具，并建立和其他學(xué)科領(lǐng)域研究人員合作的基礎。醫學(xué)ＤＭ是一門(mén)涉及面廣、技術(shù)難度大的新興交叉學(xué)科，是計算機技術(shù)、人工智能、統計等技術(shù)手段與現代醫療相結合的產(chǎn)物，需要從事計算機、統計學(xué)的科研人員與廣大醫務(wù)工作者之間的通力合作。隨著(zhù)理論研究的深入和進(jìn)一步的實(shí)踐摸索，醫學(xué)ＤＭ必將在疾病的診療、醫學(xué)科研與教學(xué)以及醫院管理等方面發(fā)揮不可估量的巨大作用。

【與臨床醫學(xué)數據挖掘分析相關(guān)論文】相關(guān)文章：

數據挖掘實(shí)習報告10-05

數據分析報告07-15

數據分析報告03-26

數據分析報告通用12-15

數據分析個(gè)人報告12-20

個(gè)人的數據分析報告10-27

銷(xiāo)售數據分析報告07-10

數據分析報告優(yōu)秀09-10

臨床醫學(xué)論文07-02

關(guān)于店鋪數據分析報告01-03