首页 > 文献资料
-
针对医学数据案例挖掘系统的算法设计
本文针对医学数据深度挖掘应用滞后的现状,设计了医学数据案例挖掘系统,并介绍了系统的组成结构及数据案例特征提取算法及应用实例.
-
医院信息统计与数据挖掘技术的应用
随着科学技术的快速发展和计算机的普遍应用,信息化建设已经成为医疗信息系统(HIS)发展的必然趋势.在大量的数据中如何寻找目标数据并进行信息统计成为医疗信息系统发展中的难题.而数据挖掘技术的应用能够有效地解决这一问题,可以把大量的源数据经过整理转化为实用的信息,帮助医院进行决策和发展.现通过对数据挖掘技术的介绍,阐述了数据挖掘技术在HIS中应用方法.
-
数据挖掘技术在医药管理中的应用
传统统计分析技术难以对海量数据进行有效分析,数据挖掘技术可为医院管理决策提供更有力的技术支持.作者介绍了类描述、关联分析、聚类分析、分类和预测、时序模式技术在医院管理中的应用,指出随着数据挖掘技术的日益普及,其必将在医院管理领域得到更加广泛的应用.
-
数据挖掘技术在医保中的研究与应用
该文从数据挖掘技术的概念、数据挖掘技术在医保管理平台中的应用以及其在医疗保险费用控制中的作用3个方面分析,以期能够为促进医保业务的良性发展献策献力.
-
数据挖掘技术在医院消毒和医院感染管理中的应用
数据挖掘(Data Mining,DM)是指从大量不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的潜在有用的信息和知识的过程[1,2].随着现阶段医院信息系统在日常应用中积累的数据越来越多,数据挖掘技术近年来得到国内外的极大重视[3].
-
运用数据挖掘技术进行医院知识管理的探讨
结合我国医院信息管理和知识管理的现状,介绍了数据挖掘技术在医院知识管理中的价值,分析了其对提高医院科技竞争力、促进医院知识管理的发展具有重要的意义.
-
数据挖掘技术在建立肺结核病单病种费用模型中的研究
肺结核病具有发病率高、危害严重、消耗医疗资源大的特点。因病情程度和并发症等差异，其住院费用的差别也较大。本文利用数据挖掘技术，针对南京市胸科医院信息系统中所积累的医疗病历数据及病人医疗费用数据，构建了相应的病人医疗费用数据库。采用决策树、神经网络等数据挖掘方法，对肺结核单病种医疗费用数据进行分析、处理，建立了用3层10分类的决策树表示的费用模型，比较客观地反映了历史数据中所蕴涵的相关知识或规律。
-
数据挖掘技术在医院药学中的应用
药品信息系统作为医院信息系统(HIS)中重要、基本的组成部分之一,随着HIS不断广泛深入的应用,其积累的数据也不断往深度与广度扩展[1,2].
-
基于数据挖掘技术构建针灸古籍经验推荐平台的方法与应用
目的:基于数据挖掘技术构建一个针灸古籍知识平台,供用户检索.方法:采用Oracle 10 g数据库,以JAVA为开发语言,在人工录入建立标准库、古籍资料库的基础上,综合多种数据挖掘技术,包括分词、词性标注、依存分析、规则抽取、相似度计算、歧义分析、监督分类技术实现自动的古籍文本抽取,后通过关联挖掘、决策分析,实现全面的、智能化的分析针灸古籍中病症、经络、腧穴、刺灸法规律,并通过浏览器/服务器结构(Browser/Server,B/S)的方式供用户检索.结果:平台实现了全文检索、词频统计、关联分析等,检索病症或腧穴时,可以递减的方式显示治疗该病症的经络、腧穴(病症)、刺灸法的频次,同时显示病症与腧穴(特定穴)、病症处方中腧穴与腧穴、病症与刺灸法及腧穴与刺灸法的支持度和置信度.结论:基于数据挖掘技术构建的针灸古籍经验平台检索结果可作为针灸临床、教学中病症取经用穴的参考.
-
数据挖掘技术在中医学中的应用述要
数据挖掘是近年来出现的一门新兴技术,是从大型数据库中提取人们感兴趣的、有效的、新颖的、潜在有用的知识的过程.它包括数据选择、预处理、数据转换、数据挖掘、模式解释和知识评价等多个步骤,算法有聚类、神经网络、决策树、关联分析等.近年来,数据挖掘技术在中医药领域的应用较多,现择要综述如下.
-
针灸古籍经验推荐平台构建方法及功能展示
本文分析了针灸古籍数据的特点,提出根据针灸学诊治疾病的模式,采用多种数据挖掘技术提取、整合、展示散布于古籍数据中的理、法、经、穴、术知识,构建一个通过B/S方式提供给用户使用的针灸古籍数据库平台;阐述了针灸古籍经验平台的框架、模块的功能、实现各功能的方法,对以"中风"为检索词的检索结果作了演示,并总结归纳构建针灸古籍经验推荐平台的体会及该平台在针灸古籍数据开发中的优势.
-
数据挖掘技术在中医临床观察分析中的应用
传统的中医治疗是在辨证论治思维模式的指导下确立的理-法-方-药的治疗体系,这也是中医学的特色和精髓.然而,这种传统的中医辨证方法深受医师的经验、水平和学术流派等多方面因素的影响,致使中医的辨证论治主观性强、可重复性差,严重束缚了中医学的发展与推广.
-
利用数据挖掘技术分析甲型肝炎减毒活疫苗预防接种异常反应可疑信号
目的 利用数据发掘技术分析广东省2009 ～ 2014年甲型肝炎减毒活疫苗(Hepatitis A Attenuated Live Vaccine,HepA-L)预防接种异常反应的可疑信号.方法 利用比例失衡分析(Disproportionality Analysis,DPA)频数法中的报告比值比(Reporting Odds Ratio,ROR)和比例报告比(Proportional Reporting Ratio,PRR)及贝叶斯法中的贝叶斯置信传播神经网络(Bayesian Confidence Propagation Neural Network,BCPNN)和模糊贝叶斯伽马-泊松收缩论(Empirical Bayes Gamma-Poisson Shrinker,GPS)方法,对广东省2009 ～ 2014年疑似预防接种异常反应(AEH)信息管理系统中报告的有明确诊断的HepA-L预防接种异常反应进行分析,检测可疑信号.结果 广东省2009～ 2014年有8 233例明确诊断的预防接种异常反应个案参与分析,其中HepA-L的异常反应169例,占2.05％,使用ROR和PRR分析发现7个可疑信号,使用BCPNN和GPS方法共发现2个可疑信号.4种方法发现的可疑信号主要是接种HepA-L后过敏性休克和喉头水肿.结论 过敏性休克和喉头水肿为已知的HepA-L的预防接种异常反应,利用DPA方法发现可疑信号增高的警示,需要更严谨的流行病学方法对信号进行评估.
-
利用数据挖掘技术侦测疫苗安全性信号
疑似预防接种异常反应(Adverse Events Following Immunization,AEFI)监测是疫苗警戒研究的主要方式之一,其主要目的是侦测疫苗的安全性信号.由于被动AEFI监测系统存在数据质量不稳定、疫苗接种剂次难以收集等问题,造成传统的以分母为基础的研究方法难以实施.近数十年来,疫苗警戒研究者和统计学家开始利用以分子为基础的数据挖掘技术(Data Mining Algorithms,DMAs)对AEFI监测数据进行安全性信号的侦测.目前疫苗警戒研究中常见的DMAs方法为比例失衡分析,主要分为传统频数方法和贝叶斯方法,计算的指标主要有比例报告比、报告比值比和相对报告比;以及贝叶斯置信传播神经网络的信息组件和模糊贝叶斯伽马-泊松收缩论的经验贝叶斯几何均数.现对DMAs的基本原理及其应用进行综述.
-
生物医学时间序列中的模体
时间序列(time series)是一组有序的、随时间变化的数值序列[1,2].在社会、科学、经济、技术等领域中广泛存在着大量的时间序列.在医学领域,随着现代医学测量手段和技术的发展,记录了大量的时间序列,从而导致医学数据资料爆炸式增长.面对海量的医学数据,人们迫切地需要高能力和自动化的数据分析方法对它们进行有效的分析,而数据挖掘技术可以从缺乏先验信息的海量数据中发现隐含的、有意义的知识.因此,人们将数据挖掘技术大量应用于生物医学领域的时间序列,发现隐藏在这些海量数据背后的有学术价值的医学信息,并为临床诊断和疾病治疗提供有效的帮助.
-
基于数据挖掘技术的桂枝茯苓丸应用病名研究
目的 从病名角度,探讨桂枝茯苓丸的临床应用范围.方法 运用数据挖掘技术,以历代医家著作、现代文献为依据,对桂枝茯苓丸临床主治病症范围进行挖掘.结果 古代医家主要应用于妇科疾患,涉及妇科病名16种,而非妇科的病名只有10种.现代医家应用本方涉及妇科中医病名大约27种,妇科西医病名大约28种;非妇科的中医病名17种,非妇科的西医病名25种.结论 桂枝茯苓丸的应用得到了全面拓展,涉及到的妇科疾病近 25 种,而非妇科疾病更是多达 68 种,所治疾病已经不限于妇科疾病范畴.
-
中医证候研究的现代方法学述评(一)——中医证候数据挖掘技术
目的 探索中医证候的现代研究方法.方法 对近年来的中国中医期刊有关中医证候的数据挖掘技术进行汇总,分析其优势与不足.结果 目前用于中医证候研究的数据挖掘方法主要有:关联规则、集对分析、粗糙集理论、聚类分析、人工神经网络、决策树、支持向量机、贝叶斯网络等.结论 中医数据具有非线性、模糊性、复杂性、非定量等特征,针对具体的医学数据和不同的挖掘目标往往要将几种方法综合起来应用,以发挥各自的技术优势.
-
药物安全性监测新方法对减少ADR的影响
随着公众用药安全意识的普遍提升,有关药物不良反应(ADR)的问题日益凸显;客观认识、分析和评价药物的安全性问题,不仅可以提高治疗效果、为临床评价和控制风险提供科学依据,同时也关系到中国医药事业的健康发展.药物警戒作为药品安全使用的一道屏障,是医院药学服务的一项新内容;而数据挖掘技术(DM)也必将以其精湛的数据分析和规律探索能力在ADR评价领域发挥更加巨大的作用.本文主要介绍这两种药物安全性监测新方法对降低药物ADR的影响.
-
生物医学数据挖掘技术与应用
数据库技术的发展解决了海量数据的存储和数据检索的效率问题,但是,生物医学数据库的建立和应用存在"数据丰富,信息贫乏"的现象,为了解决其中的"知识发现"问题,数据挖掘技术得到了广泛的重视.简述了生物医学数据挖掘的特殊性和关键问题,并分析了数据挖掘技术在生物医学中的应用研究及应用缺乏的原因.
-
充分利用大数据，努力创建医疗服务新模式
近一个时期以来，有关大数据在医疗卫生领域的研究与应用见可而进，新的数据挖掘技术和数据处理方法不断被人们引入到医疗卫生工作之中，正在源源不断地创造新的理论、新的方法和新的价值，尤其在精细化管理、个性化医疗和智能化决策等方面的作用日益凸显，已经成为推进医疗卫生变革发展的重要切入点和增长点。加速推进大数据在医疗服务模式创新中的深度应用，充分发挥大数据在疾病预防、患者就医、临床诊疗、康复保健、医疗救援、科研教学中的辅助决策作用，是医疗服务创新发展面临的重大时代课题。
