医学数据挖掘第1章

第1章 医学数据挖掘概述 一、问题的提出一、问题的提出 随着医院数字化仪器的增加、医院信息系统、电 子病历和电子健康档案的使用，医院的计算机中逐渐 积累了大量的数据，其量与日俱增。这些数据中蕴藏 着的丰富的二次信息和业务知识，如何将它们有效的 分析和挖掘出来，用以提高医院的服务质量和医疗水 平，是医院的管理者和医生越来越关心的问题。 当面对越来越多迅速膨胀的大型数据库时，医生 们渴望去理解数据中包含的信息，盼望获得有价值的 知识！ 数据挖掘与知识发现数据挖掘与知识发现 原有的决策支持系统（DSS）和领导执行系统（EIS ）已不能满足需要。数据挖掘概念的提出，使人们有能 力克服这些困难，去发掘出蕴藏在数据中的信息和知识 。数据挖掘是目前国际上数据库和信息决策领域的最前 沿研究方向之一。 数据挖掘与知识发现是存在交叉的两个概念。 数据挖掘是知识发现的一个阶段，而且是核心阶段 。知识发现，就是从大型数据库中的数据中提取人们感 兴趣的知识。这些知识是隐含的、事先未知的、潜在有 用的信息。 如果把知识发现理解为一个过程或系统，数据挖 掘是这一过程或系统的一个可自动执行的工具。 从下图看出，知识发现是需要人工参与的多环节的过程。 * 挖掘算法是数据挖掘重要的组成部分。为解决特定的 问题，一种或多种算法需要被选择、编译，在适于挖掘的 数据环境下实施挖掘任务。 1.1数据挖掘概念 v1.1.1数据挖掘的产产生 如何使人们能够快速有效地获取自己所需的知识，成为广大信 息工作者的重要研究课题。正是这种需求催生了一门目前在信息领 域里最为活跃、最令人激动的领域数据挖掘和知识发现。 数据挖掘技术在医学领域中的应用越来越广泛（1） v 在疾病诊断、治疗、器官移植、基因研究、图像分析、康 复、药物开发、科学研究等方面获得可喜成果。 v 南加州大学脊椎病医院利用Information Discovery 进行 数据挖掘，该技术已应用到肿瘤学、肝脏病理学、肝炎的 生存几率预测、泌尿学、甲状腺病例诊断、风湿病学、皮 肤病诊断、心脏病学、神经心理学、妇科学、产科学等领 域。 可以从几个方面来了解数据挖掘。 v1. 商业企业角度 v2. 技术实现角度 v3. 数据挖掘与传统分析方法的区别 v4. 数据挖掘和数据仓库 v5. 数据挖掘和OLAP v6. 数据挖掘，机器学习和统计 1.2 数据挖掘的任务 v 数据挖掘可以解决大量的医学研究问题。基于这些医学 问题的性质，把这些问题分成下面几种数据挖掘任务。 1.分类 分类是最常见的数 据挖掘任务之一。疾病 的诊断过程实际上就是 一个疾病分类的过程， 患者根据症状特征及不 适部位定位到具体疾病 类的具体疾病，这一过 程与现实中的分类过程 十分相似。 2.聚类 v “物以类聚”，它基于一组属性对事例进行分组。在同一个聚类中的 事例或多或少有相同的属性值。 例如 ，通过对医 药市场的聚类分析， 构成多因素投资组合 矩阵。依据市场吸引 力的大、中、小，竞 争能力的强、小、弱 ，分为9个区域，组成 三种战略地带。 3.关联规则 起源：超市购物篮 形式: XY （啤酒=尿布 ） 基本测度： 支持度（Dsupp） 置信度（Dconf) 在原始交易数据的基础上，沃尔玛利用数据 挖掘方法对这些数据进行分析和挖掘。一个意外 的发现是：“跟尿布一起购买最多的商品竟是啤 酒！经过大量实际调查和分析，揭示了一个隐藏 在“尿布与啤酒“背后的美国人的一种行为模式： 在美国，一些年轻的父亲下班后经常要到超市去 买婴儿尿布，而他们中有30%40%的人同时 也为自己买一些啤酒。 产生这一现象的原因是：美国的太太们常叮 嘱她们的丈夫下班后为小孩买尿布，而丈夫们在 买尿布后又随手带回了他们喜欢的啤酒。 4. 回归 回归任务类似于分类任务，最大的区 别是在回归任务中可预测属性是连续的 。回归技术在统计学领域已经广泛研究 了几个世纪。线性回归和逻辑回归是最 常用的回归分析方法。其它的回归分析 技术包括回归树和神经网络。 回归任务能解决很多医学问题。例如 ，医生可以通过身高、体重、肺活量、 胸围、肩宽、盆肩宽、脉搏、收缩压、 舒张压等各项指标预测病人的健康情况 。 1.3数据挖掘技术术 数据挖掘任务的完成需要相应的数据挖掘技术。目前的数据挖 掘算法主要来自3个领域：统计学、机器学习（人工智能）和数 据库。 数据挖掘的焦点是自动或半自动的挖掘模式。有些机器算法应 用于数据挖掘，比如神经网络、遗传算法等。 数据库技术是数据挖掘的第三种技术来源。因为数据挖掘需要 处理大量数据，如何对大量数据进行处理，需要数据库技术。 本书着重介绍决策树算法、时序与回归算法、神经网络、关联 规则和聚类分析，并结合数据挖掘工具SQL Server Business Intelligence Development Studio进行介绍。 1.4 数据挖掘工具SQL Server 2005 1.5数据挖掘技术在医学领域中的应用特点、现状及展望 1.医学数据的特点以及医学数据挖掘的独特性 医学信息蕴蕴含了医疗过疗过 程和医患活动动的全部数据资资源，既有有关临临床的 医疗疗信息又有医院管理的信息，尤其是前者反映了医学的独特性。这这些信息 具有模式的多态态性(纯纯数据、图图像、信号、文字记录记录 等)、不完整性(疾病信 息的客观观不完整和描述疾病的主观观不完整)、较较强时间时间 性、复杂杂性和冗余性 。加之其低数学特征、非规规范化形式以及医患信息的不对对称和医学资资料涉及 较较多的伦