医学数据挖掘第1章.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,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,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。,数据挖掘技术在医学领域中的应用越来越广泛（,2,）,数据挖掘在医学上的应用有其自身的优势，医学系统收集到的数据大多是实际诊断和运作数据真实可靠、不受其他因素影响的，这对于不断提高挖掘的质量是有利的条件。,随着电子病历的推广，用计算机存储病案在医院已经比较普遍。如果各医院将收集的数据进一步汇总，从些数据中发现各种疾病之间的相互关系、各种疾病的发展规律，分析各种治疗方案的治疗效果，对疾病的诊断、治疗和医学研究都非常有价值。,1.1.2,数据挖掘的定义,数据挖掘，在人工智能领域，习惯上又称为数据库中知识发现,(Knowledge Discovery in Database,KDD),，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下三个阶段组成：,（,1,）数据准备，,（,2,）数据挖掘，,（,3,）结果表达和解释。数据挖掘可以与用户或知识库交互。,可以从几个方面来了解数据挖掘。,1.,商业企业角度,2.,技术实现角度,3.,数据挖掘与传统分析方法的区别,4.,数据挖掘和数据仓库,5.,数据挖掘和,OLAP,6.,数据挖掘，机器学习和统计,1.2,数据挖掘的任务,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,“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,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,医学信息蕴含了医疗过程和医患活动的全部数据资源，既有有关临床的医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。这些信息具有模式的多态性,(,纯数据、图像、信号、文字记录等,),、不完整性,(,疾病信息的客观不完整和描述疾病的主观不完整,),、较强时间性、复杂性和冗余性。加之其低数学特征、非规范化形式以及医患信息的不对称和医学资料涉及较多的伦理、法律问题,从而决定了医学数据挖掘的独特性。,2.,数据挖掘在医学领域中的应用现状,基础医学领域：,疾病的临床诊断和治疗方面,流行病学研究和医学统计方法学方面：,医院和卫生事业管理方面：,其它：,