数据挖掘在病例分析中的应用探讨

2016-06-03梁源颜欢

中国新通信 2016年8期

梁源颜欢

【摘要】计算机技术的快速发展促进了医院信息化系统普及和应用，医院信息化系统迅速增多，患者从入院、诊断、治疗和康复等阶段积累了海量的病例信息，从海量病例信息中挖掘有价值的信息，提高患者诊断的准确度、治疗的精确度具有重要的作用和意义。论文详细地分析了数据挖掘技术发展和应用现状，探讨了其在病例分析中的应用，为医院决策管理提供支持。

【关键词】数据挖掘病例分析专家库推荐系统

一、引言

网络技术、数据库技术、软件工程方法等快速发展和改进，医院已经上线了门诊挂号系统、医学影像管理系统、病历档案管理系统、药房管理系统、病房管理系统等，这些系统保存了海量的病例信息[1]。

目前，医院在开展诊断、治疗过程中，已经开始实施精准化治疗模式，因此利用支持向量机、BP神经网络、遗传算法、K近邻算法等数据挖掘技术总结、分析病例中诊断治疗成功的信息显得尤为重要，已经成为医院信息化发展的趋势和方向[2]。

二、数据挖掘技术及应用分析

数据挖掘技术经过多年的研究和改进，已经提出了许多先进的算法，伴随着多媒体、云计算、互联网等技术的发展，数据挖技术已经在医疗卫生等多个领域取得了显著的应用，为人们提供了丰富的数据内容和有价值的信息。在医疗诊断、治疗过程中，医院已经在主治医师自动化推荐、医学图像识别分析等领域取得了显著的成效，开发了智能医疗专家系统、医院发展智能决策库系统等，归纳起来，医院诊疗过程中常用的数据挖掘算法主要包括支持向量机、K近邻算法、BP神经网络，利用这些算法可以从宏观、微观等多维度挖掘医院信息数据中潜在的有价值信息，指导医院开展诊疗工作和行政管理，具有重要的作用[3]。

2.1支持向量机

支持向量机是一种基于分类的大数据挖掘技术，该挖掘技术可以针对非线性、高维空间的样本数据实现挖掘分析，能够利用核函数等优化数据挖掘过程，从海量的医院信息数据中挖掘高价值信息，并且能够为医疗诊断提供病灶定位、图像识别等决策知识。支撑向量机可以与遗传算法、模糊数学、粒子群等思想集成在一起，实现算法优化，挖掘更多的信息知识。

2.2 BP神经网络

BP神经网络是一种自适应和自组织的大数据挖掘技术，其可以从海量数据中挖掘样本数据特征，把数据划分为多个类别，以便能够获取有价值的潜在信息。目前，BP神经网络数据已经具备数据分布式存储、并行处理和较强的容错能力等特点，并且具备非常强大的抗干扰能力。神经网络主要包括输入层、学习层和输出层，每一层都可以设置不同的权值，并且这些权值可以自适应调整，提高算法的自适应能力和优化能力。

2.3 K近邻算法

K近邻算法采用线性统计分类算法，已经数据挖掘算法中得到了广泛的普及，是一种非常成熟的算法。K近邻算法的思路如下：给定一个样本数据，计算该样本与K个样本相似程度，选择相似程度最大的一个类别，将该样本划分为这个类别中[4]。

三、数据挖掘在病例分析中的应用

数据挖掘在病例分析中的应用主要包括以下三个关键内容：

3.1基于病例分析结果为患者推荐医师

患者在就诊过程中，为了提高患者参与的积极性、主动性和精确性，利用数据挖掘构建一个模型，该模型可以录入患者的病历信息，然后模型自动与数据库保存的病例进行对比分析，寻找治疗措施最优的医师推荐给患者。

3.2构建智能病例信息专家库

医院在开展诊断、治疗业务时，难以避免误诊，误诊的原因很多，比如患者自身体质、患者隐瞒病史、医师判断不准确等，为了提高医院诊断、治疗的精准化，可以构建智能病例信息专家库，自动化的分析诊断失败、治疗不成功的原因，从而全面提升医院救治水平。

3.3构建远程会诊推荐系统

目前，医院通过互联网可以与上级医院、科研结构合作会诊，会诊过程中，利用数据挖掘技术可以更加清晰地识别核磁共振、CT等医学图像中的病灶部位，提高诊断的准确性，便于设计治疗方案。

四、结束语

随着医院信息化水平的提升，医院信息化系统运行积累的海量数据资源是一座非常宝贵的财富，与BP神经网络、遗传算法等先进的挖掘技术相整合，可以从中发掘潜在的指导救治知识，有利于提高医院科研、治疗水平，更好的救死扶伤，保护人们的生命健康。