（MedicalDataMining，MDM）第1章醫(yī)學數(shù)據(jù)挖掘概述（MedicalDataMining，MDM）第1章醫(yī)一、問題的提出隨著醫(yī)院數(shù)字化儀器的增加、醫(yī)院信息系統(tǒng)、電子病歷和電子健康檔案的使用，醫(yī)院的計算機中逐漸積累了大量的數(shù)據(jù)，其量與日俱增。這些數(shù)據(jù)中蘊藏著的豐富的二次信息和業(yè)務(wù)知識，如何將它們有效的分析和挖掘出來，用以提高醫(yī)院的服務(wù)質(zhì)量和醫(yī)療水平，是醫(yī)院的管理者和醫(yī)生越來越關(guān)心的問題。當面對越來越多迅速膨脹的大型數(shù)據(jù)庫時，醫(yī)生們渴望去理解數(shù)據(jù)中包含的信息，盼望獲得有價值的知識！一、問題的提出隨著醫(yī)院數(shù)字化儀器的增加、醫(yī)數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

原有的決策支持系統(tǒng)（DSS）和領(lǐng)導執(zhí)行系統(tǒng)（EIS）已不能滿足需要。數(shù)據(jù)挖掘概念的提出，使人們有能力克服這些困難，去發(fā)掘出蘊藏在數(shù)據(jù)中的信息和知識。數(shù)據(jù)挖掘是目前國際上數(shù)據(jù)庫和信息決策領(lǐng)域的最前沿研究方向之一。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)是存在交叉的兩個概念。

數(shù)據(jù)挖掘是知識發(fā)現(xiàn)的一個階段，而且是核心階段。知識發(fā)現(xiàn)，就是從大型數(shù)據(jù)庫中的數(shù)據(jù)中提取人們感興趣的知識。這些知識是隱含的、事先未知的、潛在有用的信息。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)原有的決策支持系統(tǒng)（DSS）和

如果把知識發(fā)現(xiàn)理解為一個過程或系統(tǒng)，數(shù)據(jù)挖掘是這一過程或系統(tǒng)的一個可自動執(zhí)行的工具。從下圖看出，知識發(fā)現(xiàn)是需要人工參與的多環(huán)節(jié)的過程。*挖掘算法是數(shù)據(jù)挖掘重要的組成部分。為解決特定的問題，一種或多種算法需要被選擇、編譯，在適于挖掘的數(shù)據(jù)環(huán)境下實施挖掘任務(wù)。如果把知識發(fā)現(xiàn)理解為一個過程或系統(tǒng)，數(shù)據(jù)挖掘是這1.1數(shù)據(jù)挖掘概念1.1.1數(shù)據(jù)挖掘的產(chǎn)生如何使人們能夠快速有效地獲取自己所需的知識，成為廣大信息工作者的重要研究課題。正是這種需求催生了一門目前在信息領(lǐng)域里最為活躍、最令人激動的領(lǐng)域——數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。1.1數(shù)據(jù)挖掘概念1.1.1數(shù)據(jù)挖掘的產(chǎn)生如何數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（1）在疾病診斷、治療、器官移植、基因研究、圖像分析、康復(fù)、藥物開發(fā)、科學研究等方面獲得可喜成果。南加州大學脊椎病醫(yī)院利用InformationDiscovery進行數(shù)據(jù)挖掘，該技術(shù)已應(yīng)用到腫瘤學、肝臟病理學、肝炎的生存幾率預(yù)測、泌尿?qū)W、甲狀腺病例診斷、風濕病學、皮膚病診斷、心臟病學、神經(jīng)心理學、婦科學、產(chǎn)科學等領(lǐng)域。數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（1）在疾病診斷、治數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（2）數(shù)據(jù)挖掘在醫(yī)學上的應(yīng)用有其自身的優(yōu)勢，醫(yī)學系統(tǒng)收集到的數(shù)據(jù)大多是實際診斷和運作數(shù)據(jù)真實可靠、不受其他因素影響的，這對于不斷提高挖掘的質(zhì)量是有利的條件。隨著電子病歷的推廣，用計算機存儲病案在醫(yī)院已經(jīng)比較普遍。如果各醫(yī)院將收集的數(shù)據(jù)進一步匯總，從些數(shù)據(jù)中發(fā)現(xiàn)各種疾病之間的相互關(guān)系、各種疾病的發(fā)展規(guī)律，分析各種治療方案的治療效果，對疾病的診斷、治療和醫(yī)學研究都非常有價值。數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（2）數(shù)據(jù)挖掘在醫(yī)學1.1.2數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘，在人工智能領(lǐng)域，習慣上又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase,KDD)，也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本步驟。知識發(fā)現(xiàn)過程以下三個階段組成：（1）數(shù)據(jù)準備，（2）數(shù)據(jù)挖掘，（3）結(jié)果表達和解釋。數(shù)據(jù)挖掘可以與用戶或知識庫交互。1.1.2數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘，在人工智可以從幾個方面來了解數(shù)據(jù)挖掘。1.商業(yè)企業(yè)角度2.技術(shù)實現(xiàn)角度3.數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別4.數(shù)據(jù)挖掘和數(shù)據(jù)倉庫5.數(shù)據(jù)挖掘和OLAP6.數(shù)據(jù)挖掘，機器學習和統(tǒng)計可以從幾個方面來了解數(shù)據(jù)挖掘。1.商業(yè)企業(yè)角度1.2數(shù)據(jù)挖掘的任務(wù)數(shù)據(jù)挖掘可以解決大量的醫(yī)學研究問題?；谶@些醫(yī)學問題的性質(zhì)，把這些問題分成下面幾種數(shù)據(jù)挖掘任務(wù)。1.分類分類是最常見的數(shù)據(jù)挖掘任務(wù)之一。疾病的診斷過程實際上就是一個疾病分類的過程，患者根據(jù)癥狀特征及不適部位定位到具體疾病類的具體疾病，這一過程與現(xiàn)實中的分類過程十分相似。1.2數(shù)據(jù)挖掘的任務(wù)數(shù)據(jù)挖掘可以解決大量的醫(yī)學研究問2.聚類“物以類聚”，它基于一組屬性對事例進行分組。在同一個聚類中的事例或多或少有相同的屬性值。例如，通過對醫(yī)藥市場的聚類分析，構(gòu)成多因素投資組合矩陣。依據(jù)市場吸引力的大、中、小，競爭能力的強、小、弱，分為9個區(qū)域，組成三種戰(zhàn)略地帶。2.聚類“物以類聚”，它基于一組屬性對事例進行分組。在同一個3.關(guān)聯(lián)規(guī)則起源：超市購物籃形式:X?Y（啤酒=>尿布）基本測度：支持度（Dsupp）置信度（Dconf)在原始交易數(shù)據(jù)的基礎(chǔ)上，沃爾瑪利用數(shù)據(jù)挖掘方法對這些數(shù)據(jù)進行分析和挖掘。一個意外的發(fā)現(xiàn)是："跟尿布一起購買最多的商品竟是啤酒！經(jīng)過大量實際調(diào)查和分析，揭示了一個隱藏在"尿布與啤酒"背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經(jīng)常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產(chǎn)生這一現(xiàn)象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。3.關(guān)聯(lián)規(guī)則起源：超市購物籃在原始交易數(shù)據(jù)的基礎(chǔ)上，4.回歸回歸任務(wù)類似于分類任務(wù)，最大的區(qū)別是在回歸任務(wù)中可預(yù)測屬性是連續(xù)的?；貧w技術(shù)在統(tǒng)計學領(lǐng)域已經(jīng)廣泛研究了幾個世紀。線性回歸和邏輯回歸是最常用的回歸分析方法。其它的回歸分析技術(shù)包括回歸樹和神經(jīng)網(wǎng)絡(luò)?；貧w任務(wù)能解決很多醫(yī)學問題。例如，醫(yī)生可以通過身高、體重、肺活量、胸圍、肩寬、盆肩寬、脈搏、收縮壓、舒張壓等各項指標預(yù)測病人的健康情況。4.回歸回歸任務(wù)類似于分類任務(wù)，最大的區(qū)別1.3數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)挖掘任務(wù)的完成需要相應(yīng)的數(shù)據(jù)挖掘技術(shù)。目前的數(shù)據(jù)挖掘算法主要來自3個領(lǐng)域：統(tǒng)計學、機器學習（人工智能）和數(shù)據(jù)庫。數(shù)據(jù)挖掘的焦點是自動或半自動的挖掘模式。有些機器算法應(yīng)用于數(shù)據(jù)挖掘，比如神經(jīng)網(wǎng)絡(luò)、遺傳算法等。數(shù)據(jù)庫技術(shù)是數(shù)據(jù)挖掘的第三種技術(shù)來源。因為數(shù)據(jù)挖掘需要處理大量數(shù)據(jù)，如何對大量數(shù)據(jù)進行處理，需要數(shù)據(jù)庫技術(shù)。本書著重介紹決策樹算法、時序與回歸算法、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則和聚類分析，并結(jié)合數(shù)據(jù)挖掘工具——SQLServerBusinessIntelligenceDevelopmentStudio進行介紹。1.3數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)挖掘任務(wù)的完成需要相應(yīng)的數(shù)據(jù)挖掘技術(shù)。1.4數(shù)據(jù)挖掘工具——SQLServer20051.4數(shù)據(jù)挖掘工具——SQLServer20051.5數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用特點、現(xiàn)狀及展望1.醫(yī)學數(shù)據(jù)的特點以及醫(yī)學數(shù)據(jù)挖掘的獨特性

醫(yī)學信息蘊含了醫(yī)療過程和醫(yī)患活動的全部數(shù)據(jù)資源，既有有關(guān)臨床的醫(yī)療信息又有醫(yī)院管理的信息，尤其是前者反映了醫(yī)學的獨特性。這些信息具有模式的多態(tài)性(純數(shù)據(jù)、圖像、信號、文字記錄等)、不完整性(疾病信息的客觀不完整和描述疾病的主觀不完整)、較強時間性、復(fù)雜性和冗余性。加之其低數(shù)學特征、非規(guī)范化形式以及醫(yī)患信息的不對稱和醫(yī)學資料涉及較多的倫理、法律問題,從而決定了醫(yī)學數(shù)據(jù)挖掘的獨特性。2.數(shù)據(jù)挖掘在醫(yī)學領(lǐng)域中的應(yīng)用現(xiàn)狀基礎(chǔ)醫(yī)學領(lǐng)域：疾病的臨床診斷和治療方面流行病學研究和醫(yī)學統(tǒng)計方法學方面：醫(yī)院和衛(wèi)生事業(yè)管理方面：其它：1.5數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用特點、現(xiàn)狀及展望1.醫(yī)學（MedicalDataMining，MDM）第1章醫(yī)學數(shù)據(jù)挖掘概述（MedicalDataMining，MDM）第1章醫(yī)一、問題的提出隨著醫(yī)院數(shù)字化儀器的增加、醫(yī)院信息系統(tǒng)、電子病歷和電子健康檔案的使用，醫(yī)院的計算機中逐漸積累了大量的數(shù)據(jù)，其量與日俱增。這些數(shù)據(jù)中蘊藏著的豐富的二次信息和業(yè)務(wù)知識，如何將它們有效的分析和挖掘出來，用以提高醫(yī)院的服務(wù)質(zhì)量和醫(yī)療水平，是醫(yī)院的管理者和醫(yī)生越來越關(guān)心的問題。當面對越來越多迅速膨脹的大型數(shù)據(jù)庫時，醫(yī)生們渴望去理解數(shù)據(jù)中包含的信息，盼望獲得有價值的知識！一、問題的提出隨著醫(yī)院數(shù)字化儀器的增加、醫(yī)數(shù)據(jù)挖掘與知識發(fā)現(xiàn)

原有的決策支持系統(tǒng)（DSS）和領(lǐng)導執(zhí)行系統(tǒng)（EIS）已不能滿足需要。數(shù)據(jù)挖掘概念的提出，使人們有能力克服這些困難，去發(fā)掘出蘊藏在數(shù)據(jù)中的信息和知識。數(shù)據(jù)挖掘是目前國際上數(shù)據(jù)庫和信息決策領(lǐng)域的最前沿研究方向之一。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)是存在交叉的兩個概念。

數(shù)據(jù)挖掘是知識發(fā)現(xiàn)的一個階段，而且是核心階段。知識發(fā)現(xiàn)，就是從大型數(shù)據(jù)庫中的數(shù)據(jù)中提取人們感興趣的知識。這些知識是隱含的、事先未知的、潛在有用的信息。數(shù)據(jù)挖掘與知識發(fā)現(xiàn)原有的決策支持系統(tǒng)（DSS）和

如果把知識發(fā)現(xiàn)理解為一個過程或系統(tǒng)，數(shù)據(jù)挖掘是這一過程或系統(tǒng)的一個可自動執(zhí)行的工具。從下圖看出，知識發(fā)現(xiàn)是需要人工參與的多環(huán)節(jié)的過程。*挖掘算法是數(shù)據(jù)挖掘重要的組成部分。為解決特定的問題，一種或多種算法需要被選擇、編譯，在適于挖掘的數(shù)據(jù)環(huán)境下實施挖掘任務(wù)。如果把知識發(fā)現(xiàn)理解為一個過程或系統(tǒng)，數(shù)據(jù)挖掘是這1.1數(shù)據(jù)挖掘概念1.1.1數(shù)據(jù)挖掘的產(chǎn)生如何使人們能夠快速有效地獲取自己所需的知識，成為廣大信息工作者的重要研究課題。正是這種需求催生了一門目前在信息領(lǐng)域里最為活躍、最令人激動的領(lǐng)域——數(shù)據(jù)挖掘和知識發(fā)現(xiàn)。1.1數(shù)據(jù)挖掘概念1.1.1數(shù)據(jù)挖掘的產(chǎn)生如何數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（1）在疾病診斷、治療、器官移植、基因研究、圖像分析、康復(fù)、藥物開發(fā)、科學研究等方面獲得可喜成果。南加州大學脊椎病醫(yī)院利用InformationDiscovery進行數(shù)據(jù)挖掘，該技術(shù)已應(yīng)用到腫瘤學、肝臟病理學、肝炎的生存幾率預(yù)測、泌尿?qū)W、甲狀腺病例診斷、風濕病學、皮膚病診斷、心臟病學、神經(jīng)心理學、婦科學、產(chǎn)科學等領(lǐng)域。數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（1）在疾病診斷、治數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（2）數(shù)據(jù)挖掘在醫(yī)學上的應(yīng)用有其自身的優(yōu)勢，醫(yī)學系統(tǒng)收集到的數(shù)據(jù)大多是實際診斷和運作數(shù)據(jù)真實可靠、不受其他因素影響的，這對于不斷提高挖掘的質(zhì)量是有利的條件。隨著電子病歷的推廣，用計算機存儲病案在醫(yī)院已經(jīng)比較普遍。如果各醫(yī)院將收集的數(shù)據(jù)進一步匯總，從些數(shù)據(jù)中發(fā)現(xiàn)各種疾病之間的相互關(guān)系、各種疾病的發(fā)展規(guī)律，分析各種治療方案的治療效果，對疾病的診斷、治療和醫(yī)學研究都非常有價值。數(shù)據(jù)挖掘技術(shù)在醫(yī)學領(lǐng)域中的應(yīng)用越來越廣泛（2）數(shù)據(jù)挖掘在醫(yī)學1.1.2數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘，在人工智能領(lǐng)域，習慣上又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)(KnowledgeDiscoveryinDatabase,KDD)，也有人把數(shù)據(jù)挖掘視為數(shù)據(jù)庫中知識發(fā)現(xiàn)過程的一個基本步驟。知識發(fā)現(xiàn)過程以下三個階段組成：（1）數(shù)據(jù)準備，（2）數(shù)據(jù)挖掘，（3）結(jié)果表達和解釋。數(shù)據(jù)挖掘可以與用戶或知識庫交互。1.1.2數(shù)據(jù)挖掘的定義數(shù)據(jù)挖掘，在人工智可以從幾個方面來了解數(shù)據(jù)挖掘。1.商業(yè)企業(yè)角度2.技術(shù)實現(xiàn)角度3.數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別4.數(shù)據(jù)挖掘和數(shù)據(jù)倉庫5.數(shù)據(jù)挖掘和OLAP6.數(shù)據(jù)挖掘，機器學習和統(tǒng)計可以從幾個方面來了解數(shù)據(jù)挖掘。1.商業(yè)企業(yè)角度1.2數(shù)據(jù)挖掘的任務(wù)數(shù)據(jù)挖掘可以解決大量的醫(yī)學研究問題。基于這些醫(yī)學問題的性質(zhì)，把這些問題分成下面幾種數(shù)據(jù)挖掘任務(wù)。1.分類分類是最常見的數(shù)據(jù)挖掘任務(wù)之一。疾病的診斷過程實際上就是一個疾病分類的過程，患者根據(jù)癥狀特征及不適部位定位到具體疾病類的具體疾病，這一過程與現(xiàn)實中的分類過程十分相似。1.2數(shù)據(jù)挖掘的任務(wù)數(shù)據(jù)挖掘可以解決大量的醫(yī)學研究問2.聚類“物以類聚”，它基于一組屬性對事例進行分組。在同一個聚類中的事例或多或少有相同的屬性值。例如，通過對醫(yī)藥市場的聚類分析，構(gòu)成多因素投資組合矩陣。依據(jù)市場吸引力的大、中、小，競爭能力的強、小、弱，分為9個區(qū)域，組成三種戰(zhàn)略地帶。2.聚類“物以類聚”，它基于一組屬性對事例進行分組。在同一個3.關(guān)聯(lián)規(guī)則起源：超市購物籃形式:X?Y（啤酒=>尿布）基本測度：支持度（Dsupp）置信度（Dconf)在原始交易數(shù)據(jù)的基礎(chǔ)上，沃爾瑪利用數(shù)據(jù)挖掘方法對這些數(shù)據(jù)進行分析和挖掘。一個意外的發(fā)現(xiàn)是："跟尿布一起購買最多的商品竟是啤酒！經(jīng)過大量實際調(diào)查和分析，揭示了一個隱藏在"尿布與啤酒"背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經(jīng)常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產(chǎn)生這一現(xiàn)象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。3.關(guān)聯(lián)規(guī)則起源：超市購物籃在原始交易數(shù)據(jù)的基礎(chǔ)上，4.回歸回歸任務(wù)類似于分類任務(wù)，最大的區(qū)別是在回歸任務(wù)中可預(yù)測屬性是連續(xù)的?；貧w技術(shù)在統(tǒng)計學領(lǐng)域已經(jīng)廣泛研究了幾個世紀。線性回歸和邏輯回歸是最常用的回歸分析方法。其它的回歸分析技術(shù)包括回歸樹和神經(jīng)網(wǎng)絡(luò)。回歸任務(wù)能解決很多醫(yī)學問題。例如，醫(yī)生可以通過身高、體重、肺活量、胸圍、肩寬、盆肩寬、脈搏、收縮壓、舒張壓等各項指標預(yù)測病人的健康情況。4.回歸回歸任務(wù)類似于分類任務(wù)，最大的區(qū)別1.3數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)挖掘任務(wù)的完成需要相應(yīng)的數(shù)據(jù)挖掘技術(shù)。目前的數(shù)據(jù)挖掘算法主要來自3個領(lǐng)域：統(tǒng)計學、機器學習（人工