数据挖掘在医学上的应用

・７４６・

安徽医药ＡｎｈｕｉＭｅｄｉｃａｌ

ａｎｄＰｈａｒｍａｃｅｕｔｉｃａｌＪｏｕｒｎａｌ２００８

Ａｕｇ；１２（８）

◇小专论◇

数据挖掘在医学上的应用

王华１，江启成２，胡学钢３

（安徽医科大学１．计算机中心，２．卫生事业管理学院，安徽合肥２３００３２；３．合肥工业大学计算机与信息学院，安徽合肥２３０００９）摘要：随着医院信息系统（ｈｏｓｐｉｔａｌ

ｉｎｆｏｒｍａｔｉｏｎ

ｓｙｓｔｅｍ，ＨＩＳ）在医院的广泛应用，特别是数字新技术在门诊系统中的广泛应用，医

学数据挖掘是提高医院信息管理水平，为疾病的诊断和治疗提供科学的、准确的决策的需要。本文详细分析了医学信息的特点及医学数据挖掘的过程，最后介绍了数据挖掘在医学上的应用。关键词：数据挖掘，关联规则，医学信息

Ａｐｐｌｉｃａｔｉｏｎｏｆｄａｔａｍｉｍｎｇｔｏｍｅｄｉｃｉｎｅ

ＷＡＮＧＨｕａｌ．ＪＩＡＮＧＱｉ—ｃｈｅｎ９２．ＨＵＸｕｅ．ｇａｎｇ。

（１．ＣｏｍｐｕｔｅｒＣｅｎｔｅｒ，２．ＳｃｈｏｏｌｏｆＨｅａｌｔｈＳｅｒｖｉｃｅＭａｎａｇｅｍｅｎｔＡｎｈｕｉＭｅｄｉｃａｌＵｎｉｖｏｒｓｉｔｙ，ＨｅｆｅｉＡｎｈｕｉ，２３００３２；

３．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆ＩｎｆｏｒｍａｔｉｏｎＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＨｅｆｅｉＡｎｈｕｉ，２３０００９）

Ａｂｓｔｒａｃｔ：ＷｉｔｈｔｈｅｗｉｄｅａｐｐｌｉｃａｔｉｏｎｏｆＨｏｓｐｉｔａｌＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｉｎｈｏｓｐｉｔａｌｓ，ｅｓｐｅｃｉａｌｌｙｔｈｅｗｉｄｅａｐｐｌｉｃａｔｉｏｎｉｎｃｌｉｎｉｃｓｙｓｔｅｍｏｆｔｈｅ

ｄｉｇｉｔａｌｔｅｃｈｎｏｌｏｇｙ，ｄａｔａｍｉｎｉｎｇ

ｏｎ

ｍｅｄｉｃｉｎｅｉｓｎｅｃｅｓｓａｒｙｆｏｒｉｍｐｒｏｖｉｎｇｔｈｅｍａｎａｇｅｍｅｎｔｌｅｖｅｌｏｆｔｈｅｈｏｓｐｉｔａｌｉｎｆｏｒｍａｔｉｏｎａｎｄｐｒｏｖｉｄｉｎｇｓｃｉ－

ｅｎｔｉｆｉｃｄｅｃｉｓｉｏｎ—ｍａｋｉｎｇｆｏｒｔｈｅｄｉａｇｎｏｓｉｓａｎｄｔｒｅａｔｍｅｎｔｏｆｄｉｓｅａｓｅｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅａｎａｌｙｚｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｍｅｄｉｃａｌａｎｄｔｈｅｐｒｏｃｅｓｓｏｆｍｅｄｉｃａｌｄａｔａｍｉｎｉｎｇ，ｉｎｔｒｏｄｕｃｅｔｈｅａｐｐｌｉｃａｔｉｏｎＫｅｙｗｏｒｄｓ：ｄａｔａｍｉｎｉｎｇ；ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ；ｍｅｄｉｃａｌ

ｉｎｆｏｒｍａｔｉｏｎ

ｉｎｆｏｒｍａｔｉｏｎ

ｏｆｄａｔａｍｉｎｉｎｇ

ｔｏｍｅｄｉｃｉｎｅ．

计算机信息管理系统在医疗机构的广泛应用，同时电子病历的大量应用，医疗设备的数字化，促进了医学信息的数字化，使得医院数据库的信息容量快速累积，这些宝贵的医学信息资源对于疾病的诊断、治疗和医学研究都是非常有价值的。然而目前大多数医院对数据库的处理属于医学数据库的低端

基金项目：安徽医科大学科研基金资助项目（２００６ｋｊ２８），安徽医科大

学科研基金追加资助项目（２００８ｋｊｚｊ０５）

作者单位：王华（１９７３一），男，硕上，研究方向：数据挖掘，人工智

能；Ｅ—ｍａｉｌ：７５０３２４４７＠ｑｑ．ｃｏｒｎ

胡学钢（１９６１一），男，教授，博士，硕士生导师，研究方向：知识工程，数据挖掘

操作，缺乏数据的集成和分析，更谈不上医学决策和知识的自动获取，大量的数据被描述为“数据丰富，但信息贫乏”，如何利用数据挖掘技术从这些海量的数据中找出有价值的知识和规则，挖掘数据中所隐藏的规律利用这些来为疾病的诊断和治疗提供科学的决策总结各种医治方案的疗效，更好地为医院的决策管理、医疗、科研和教学服务，已成为一个非常重要的研究课题以及对海量的数据进行自动获取，都需要新的技术来实现。

数据挖掘（ＤａｔａＭｉｎｉｎｇ）…是一个多学科交叉研究领域，它融合了数据库（Ｄａｔａｂａｓｅ）技术、人工智能（Ａｒｔｉｆｉｃｉａｌ

Ｉｎｔｅｌｌｉ

ｇｅｎｃｅ）、机器学习（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ）、统计学（Ｓｔａｔｉｓｔｉｃｓ）、知

３讨论

硫酸镁口服清洁肠道的原理：硫酸镁属渗透性泻药，口服后由于Ｍ９２＋和ｓＯ。２。不被吸收，在肠道内形成一定的渗透压，使肠内水分不被肠壁吸收，肠内容积增大，肠道被扩张，刺激肠壁使肠蠕动加强而引起排便，且口服硫酸镁使小肠释放胆囊收缩素增多，结肠的分节运动增强而加速排便。在口服硫酸镁的同时要求立即饮水，高渗硫酸镁到达肠腔立即饱和而达到效果，增加肠道清洁度，但过量饮水会引起饱腹感增加不良反应，饮水不够又会影响肠道准备效果。Ａ组患者提前

１２

明该方法较差，而Ａ组和Ｃ组总有效率无显著差异，但Ｃ组副作用较Ａ组明显增加，故笔者认为一般情况下可用Ａ种方法，既能达到效果，也不至于出现严重副作用。参考文献：

［１］涂苍慨．结肠镜在结直肠外科疾病中的诊治［Ｊ］．安徽医学，

２００６．２７＂（６）：４７２—３．［２］

Ｂｒａｇａ

Ｍ，ＧｉａｎｏｔｔｉＬ，ＧｅｎｔｉｌｉｎＯ，ｅｔａ１．Ｅａｒｌｙ

ｐｒｏｖｅｓｇｕｔｏｒｙｇｅｎａｔｉｏｎ

ｐｏｓｔｏｐｅｒａｔｉｖｅ

ｃｏｓｔｓ

ｅｎｔｅｒａｌ

ｎｕｔｒｉｔｉｏｎｉｎｔｏｔａｌ

ａｎｄｒｅｄｕｃｅｓ

ｃｏｍｐａｒｅｄｗｉｔｈ

ｈ口服少量５０％硫酸镁而达到肠道清洁程度高和不良反

ｐａｒｅｎｔｅｒａｌ

ｎｕｔｒｉｔｉｏｎ［Ｊ］．ＣｒｉｔＣａｒｅＭｅｄ，２００１，２９（２）：２４２—８．

应少，可能与大便缓慢软化有关，起到预清洗的作用。因肠道有许多弯曲容易存积粪便及粪水，特别是右半结肠清洁度差，适当延长准备时间可使肠道内水液存留，使肠内于结粪块变形为稀薄粪液而通过狭窄的病变肠段，长时间含硫酸镁的水溶液浸泡，也使结肠内壁黏膜表面符着的粘液脱离肠壁，随粪水排出，更利于肠镜＂１。Ｃ组患者虽然肠道准备有效率高，但副作用较大，患者反映５０％硫酸镁稀释后口味更差，口服量大，很难耐受。本研究中Ｂ组总有效率低于Ａ组及Ｃ组，说

［３］吴广利，崔树华．采用口服硫酸镁法做结肠镜术前肠道准备６３９

例效果分析［Ｊ］．山东医药，２００２，４２（２２）：４４．

［４］

张宏博，成晓娟，李军昌，等．结肠镜检套前肠道准备清洁效果的临床对比研究［Ｊ］．中华消化内镜杂志，２００３，２０（２）：３７—３９．［５］

管艳杰，袁洲杰，玄桂英，等．新口服法肠道准备的临床观察［Ｊ］．潍坊医学院学报，２００５，２７（４）：２８５—７．

（收稿１３期：２００８一０１—０８）

万方数据　

安徽医药ＡｎｈｕｉＭｅｄｉｃａｌａｎｄＰｈａｒｍａｃｅｕｔｉｃａｌＪｏｕｒｎａｌ２００８

Ａｕｇ；１２（８）

・７４７・

识工程（ＫｎｏｗｌｅｄｇｅＥｎｇｉｎｅｅｒｉｎｇ）、面向对象方法（Ｏｂｊｅｃｔ－Ｏｆｔｅｎ－

ｔｅｄ

Ｍｅｔｈｏｄ）、信息检索（ＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ）、高性能计算

（Ｈｉ【ｇｈ．ＰｅｒｆｏｒｍａｎｃｅＣｏｍｐｕｔｉｎｇ）以及数据可视化（ＤａｔａＶｉｓｕａｌ－

ｉｚａｔｉｏｎ）等最新技术的研究成果。

简单的说，数据挖掘是从大量的数据中提取或“挖掘”知识。数据挖掘应该更正确地命名为“从数据中挖掘知识”。挖掘是一个很生动的术语，它抓住了从大量的未加工的材料中发现少量金块这一过程的特点。数据挖掘的定义：

数据挖掘就是应用一系列技术从大型数据库或数据仓库中提取人们感兴趣的信息和知识，这些知识或信息是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规则、规律、模式等形式。也可以说，数据挖掘是一类深层次的数据分析。对于数据挖掘（ＤＭ）和知识发现（ＫＤＤ，Ｋｎｏｗｌｅｄｇｅ

Ｄｉｓｃｏｖｅｒｙｉｎ

Ｄａｔａｂａｓｅ）拉。的确切定义一直在许多学者中有混淆，有的认为，ＤＭ和ＫＤＤ是等价的概念。人工智能领域习惯称知识发现，而数据库领域习惯称ＤＭ，也有的把ＫＤＤ当作发现知识的完整过程，而ＤＭ只是这个过程的一部分。２医学信息的特点

挖掘医学数据库跟挖掘其它类型的数据库相比，具有其自身的独特性。医学数据‘３儿４１首先是以治愈患者为目的而搜集的，其次才是用于医学研究的资源。医学数据具有如下特点。

２．１模式的多态性医学信息包括纯数据（如体征参数，化验结果），信号（如肌电信号，脑电信号等），图像（如Ｂ超，ＥＦ等医学成像设备的检测结果），文字（如病人的身份记录，症状描述，检测和诊断结果的文字表述），以及用于科普、咨询的动画、语音和视频信息。医学信息的多模式特性是它区分其它领域数据的最显著特征，这种多属性模式并存加大了医学数据挖掘的难度。

２．２不完整性病例和病案的有限性使医学数据库不可能对任何一种疾病信息都能全面地反映，表现为医学信息的不完全性。同时，许多医学信息的表达、记录本身就具有不确定和模糊性的特点．疾病信息所体现出的客观不完整和描述疾病的主观不确切，形成了医学信息的不完整性。

一部分医学信息，比如病人的身份记录等静态数据，虽然不带有时序性，但都是对病人在某一时刻医疗活动的记录。有大量相同的或部分相同的信息存储在其中。比如，对于某些疾病，病人所表现的症状、化验的结果、采取的治疗措施都可能完全一样。医学信息的所具有的这些特点，使得医学数据挖掘与普通的数据挖掘存在较大的差异，决定了医学数据挖掘的特殊性。医学数据库中含有海量的、不同来源的原始隐私性

医学数据不可避免地涉及到患者的一些隐私

的侵扰时，就产生了隐私性问题。隐私性不同于安全性和机万　

方数据医学数据挖掘者有义务和职责在保护患者隐私的基础上进行科学研究。并且确保这些医学数据的安全性和机密性。３医学数据挖掘的内容

数据挖掘适用于医学数据分析这类缺乏先验知识的多维数据分折，在ＤＮＡ分析领域应用最为普遍，研究热点集中在ＤＮＡ序列间相似性搜索，多基因共同控制性状表达以及不同基因在疾病不同阶段的功能作用等问题，在医学图像分析研究中，数据挖掘技术主要用于目标组织的特征表达，即图像特征自动提取和模式识别，这类问题的研究过程中，一些新兴技术的应用，如小波理论、神经网络、模糊逻辑推理等，可能产生突破性成果。此外，在一系列老年性疾病及其并发症的课题中，利用数据挖掘技术对生理监护数据进行多维分析也是一类新的研究热点。随着老龄化问题的日益严重，这方面的研究成果将直接带来巨大的社会效益。当然在实验室研究的同时，我们也应将数据处理技术应用到医学诊断的实践中去研制开发性能良好的计算机辅助诊断系统。

生理参数数据是医学诊断最基本也是最主要的依据，这方面的数据挖掘研究一直是热点。随着计算机技术和电子监护技术的发展，人们渴望从大量的监护数据中获得更多的指示，从而帮助人们提高诊断的效率和准确性，降低医生的工作强度，发现新的医学规律，探索人体生理奥秘。数据挖掘技术善于从缺乏先验信息的海量数据中发现隐含的、有意义的知识，预测未来趋势及行为，做出前瞻性的基于知识的决策。正是这种优势使得数据挖掘技术在生理参数监护分析的研究中被广泛地采用并取得了许多有价值的成果。

３．１

自动疾病预测趋势和行为对医学数据进行挖掘的一

个主要目的是预测疾病发作，利用数据挖掘技术可以对正常人的各项体征数据和生物数据与病人的数据进行各种分析对比，挖掘出相关关系。对某些疾病的前兆特征分析，以便能预防或及时救治，挽救患者生命。这类研究报道很多，采用的主要技术有线性、非线性和广义的回归模型，近十几年来，神经网络和模糊控制技术也被引入到了这一领域。Ｙｉｎｇ－ｊｉｅ

Ｌｅｅ

等在精神分裂症患者的动态ＥＥＧ分析研究中用时空相关维数预测疾病发作；ＨａｒｒｉＳＮＤ等人则探讨了用Ｉ型糖尿病人ＱＴ间期预警血糖浓度过高的可能性；赵宇等用相关维数预警心肌缺血。３．２关联分析ｐｏ

数据挖掘理论中的多维数据关联分析技

术旨在发现数据中存在的隐含知识。两个或多个变量的取值之间存在某种规律性，就称为关联，关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出多维数据中隐藏的关联规则，有时并不知道数据中的关联函数，即使知道也是不确定的，因此，关联分析生成的规则带有可信度。最著名、

最重要的关联规则发现算法是Ｒ．Ａｇｒａｗａｌ等人提出的Ａ四面

算法。该算法将关联规则的发现分为两步。第一步是识别所有的频繁项目集，即不低于用户最低支持度的项目集。第二步是从频繁集中的构造不低于用户最低信任度的规则。在Ａｐｒｉｏｒｉ算法基础上，又提出了许多算法，如Ｂｒｉｎ等人提出的动态项目集计数ＤＩＣ算法，Ｓａｖａａｅｒｅ等人提出的发现频繁项

目集的划分算法一分治法等。在关联规则中除了评价支持

度、信任度以外，还不断引入兴趣度、相关性等参数，使得所挖掘的规则更符合需求。在实际情况下，关联规则还需进一步泛化，以发现更有用的规则。

２．３时间性医学检测的波形－图像都是时间的函数；还有２．４冗余性医学数据库是一个庞大的数据资源，每天都会信息，其中包括大量模糊的、不完整的、带有噪声和冗余的信息。在数据挖掘之前，必须对这些信息进行清理和过滤，以确保数据一致性和确定性，将其变成适合挖掘的形式。

２．５

信息，当这些隐私信息使患者在日常生活中遭遇到不可预料密性，当未被授权的个人或机构设法取得这些隐私信息时，就产生了安全性问题；当拥有隐私信息的研究人员与未经授权的个人或机构共享这些患者信息时，就暴露出了机密性问题。

・７４８・

安徽医药ＡｎｈｕｉＭｅｄｉｃａｌ

ａｎｄＰｈａｒｍａｃｅｕｔｉｃａｌ

Ｊｏｕｒｎａｌ

２００８

Ａｕｇ；１２（８）

由于医学生理参数的作用机理的复杂程度还远远高于目前基础理论研究的水平，对于糖尿病这类多并发症疾病的认识还不足以定量监控和描述长时期血糖浓度过高和一些并发症之间的关系。随着人口老龄化问题日趋严重，糖尿病这类老年性疾病及其并发症的研究越来越引起人们的重视。研究工作者开始建立糖尿病患者生理数据库，对患者血糖浓度、年龄、性别、骨密度、心电图、血压、肌肉脂肪组织含量等生理参数进行分析，期望能发现新的医学知识。所以关联分析也是目前糖尿病数据库这类多维数据分析课题中应用最广泛和有效的强有力工具，上海同济大学附属医院的冯波等人用统计相关分析研究糖尿病患者肌肉组织和脂肪组织含量与骨密度之间的联系，得出高肌肉和高脂肪组织含量可降低患者髓骨骨折危险性的结论；Ｔｅｘａｓ健康科学中心的ｓｈａｈＢ分析了糖尿病患者年龄、性别和踌骨骨密度之间的关系；ＨａｒｒｉＳＮＤ和

Ｌ

ｒｅ

ｌａｎｄＲＨ在研究中运用时间序列关联分析发现，ＱＴ间期

和Ｉ型糖尿病患者夜间血糖浓度有关，并指出修正后的ＱＴＣ可能可以用于预警患者在夜间猝死的发生。

３．３聚类分析聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。在统计方法中，聚类称聚类分析，它主要研究基于几何距离的聚类。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。

对于采集到的医学信息进行处理的一个重要模块就是断症，也就是分类，即把数据化分为一系列有意义的子集，这在数学上称为聚类。聚类增强了人们对客观现实的认识，是概念描述和偏差分的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学，如决策树归纳、贝叶斯分类、神经网络技术、Ｋ一中心聚类、基于知识的案例推理、遗传算法、粗糙集和模糊逻辑技术等。斯洛文尼亚的ＭｉｌｌａｎＺｏｒｍａｎ和日本的

Ｍａｓｕｄａ

Ｇ等人在用数据挖掘技术对糖尿病数据库数据进行

详细分析的同时还专门探讨了从这类缺乏先验知识的海量数据中采用决策树和关联规则算法的效率及其改进方法。此外，利用神经网络技术进行心搏分类的报道也很多。

３．４偏差检测与控制数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的知识，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等。偏差检测的基本方法是，寻找观测结果与参照值之间有意义的差别。这方面的研究报道主要有两大类：人工辅助仪器如心脏起搏器的研究和药物疗效的生理试验研究。这类研究目的在于分析异常原因，增加反馈控制进行纠偏或提供完整详尽的药物疗效评估报告。

４医学数据挖掘的过程

医学数据的特点使得医学数据挖掘与常规的数据挖掘之间存在较大的差异，但医学数据挖掘仍遵循一般的知识发现过程忡１，可按以下几个步骤进行。

４・１

理解应用领域这一阶段主要包括确定医学研究的问

题和目标，熟悉当前解决此类问题的主流方法，理解相应的医学领域知识，确定医学数据挖掘的目标和结论的评估标准。４．２理解数据这个过程要求初步确定数据挖掘需要的数

万　

方数据据属性，并从原始数据库中小规模采样进行初步挖掘试验，将试验结果与上一步骤所确定的挖掘目标进行对照比较，必要时更新数据属性。

４．３

准备数据这是决定整个医学数据挖掘结论正确与否

的关键性步骤。由于医学数据的冗余性特征，我们需要在重

要性和相关性检验的基础上采样以消减数据；又由于医学数据的多样性，我们必须针对各种类型的数据采取相应的数据预处理方法，通过这个步骤的数据准备，将原始数据转换为特定数据挖掘方法所需要的数据形式。

４．４数据挖掘这是医学知识发现过程中的另一个关键性步骤。这一步骤包括建模技术的选择，训练与检验程序的确定，模型的建立与评估。实现数据挖掘的方法包括粗糙集理论、神经网络、进化计算、决策树等，在下面将有详细的介绍。数据挖掘的精确度在很大程度上取决于挖掘方法与研究目标的匹配程度。

４．５

评估所得到的知识对医学数据挖掘的结论进行医学

解释，并与最初的研究目标相比较。追溯整个数据挖掘过程中可能存在错误的步骤，并且寻找其解决的方法。通过使用各种挖掘方法，选择最佳的算法，得到最有效的模型。

４．６应用所发现的知识在应用所得知识的过程中，要有计划性地实施和控制，发现和解决实施过程中出现的问题，并对应用情况进行阶段性总结，指导今后的实际应用。５结束语

医学数据挖掘是计算机技术、人工智能、统计学等与现代医学信息相结合的产物。随着数据挖掘工具和关联规则研究的不断发展，在不远的将来，必然可以取得更加满意的应用效果。医学数据挖掘是一门涉及面广、技术难度大的新兴交叉学科，随着大型数据库和网络技术的普及应用，必将有大量的电子格式的数据在国内的各行各业、尤其是医疗部门中出现，需要从事计算机、信息专业的科研人员与广大医务工作者抓住机遇，做好技术上的准备，进行通力的合作。随着理论研究的深入和进一步的实践摸索，数据挖掘技术在疾病的诊断和治疗、医学科研与教学以及医院的管理等方面将会发挥巨大的作用。参考文献：

［１］毛国君．数据挖掘的概念、系统结构和方法［Ｊ］．计算机工程与设计，２００２，２３（８）：１３－７．

［２］

Ｆａｙｙａｄ

Ｕ．Ｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙ

ａｎｄ

ｄａｔａ

ｍｉｎｉｎｇ

ｔｏｗａｒｄｓ

ａ

ｕｎｉｆｙｉｎｇ

ｆｒａｍｅｗｏｒｋ．ＩｎＫＤＤ＇９６Ｐｒｏｃ．２ｎｄ

Ｉｎｔ．Ｃｏｎｆ．ｏｎ

ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙ

＆ＤａｔａＭｉｎｉｎｇ．ＡＡＡＩ

Ｐｒｅｓｓ［Ｃ］，１９９６．

［３］朱凌云，吴宝明．医学数据挖掘的技术、方法及应用［Ｊ］．生物医学工程学杂志，２００３．３（２０）：５５９—６２．

［４］

屈景辉，廖琪梅，许卫中．医学信息数据库的建立与数据挖掘［Ｊ］．第四军医大学学报，２００１，２２（１）：８８—９．

［５］

王华，胡学钢．基于关联规则的数据挖掘在临床上的应用［Ｊ］．安徽大学学报，２００６，３０（２）：２１—４．

［６］ＣｉｏｓＫＪ，ＴｅｒｅｓｉｎｓｋａＡ，Ｋｏｎｉｅｅｚｎａ

Ｓ，ｅｔａ１．Ａｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙ

ａｐｐｒｏａｃｈ

ｔｏ

ｄｉａｇｎｏｓｉｎｇｍｙｏｃａｒｄｉａｌｐｅｄｕｓｉｏｎ［Ｊ］．ＩＥＥＥ

Ｅｎｇｉｎｅｅｒｉｎｇ

ｉｎ

ＭｅｄｉｅｉｎｅＢｉｏｌｏｇｙ，２０００，４（１９）：１７—２５．

（收稿日期：２００８—０３—３１）

数据挖掘在医学上的应用

作者：作者单位：

王华， 江启成， 胡学钢， WANG Hua， JIANG Qi-cheng， HU Xue-gang

王华,WANG Hua(安徽医科大学计算机中心,安徽,合肥,230032)， 江启成,JIANG Qi-cheng(安徽医科大学卫生事业管理学院,安徽,合肥,230032)， 胡学钢,HU Xue-gang(合肥工业大学计算机与信息学院,安徽,合肥,230009)安徽医药

ANHUI MEDICAL AND PHARMACEUTICAL JOURNAL2008,12(8)10次

刊名：英文刊名：年，卷(期)：被引用次数：

参考文献(6条)

1. 毛国君 数据挖掘的概念、系统结构和方法[期刊论文]-计算机工程与设计 2002(08)

2. Cios KJ;Teresiuska A;Konieczna S A knowledge discovery approach to diagnosing myocardial perfusion[外文期刊] 2000(19)

3. 王华;胡学钢 基于关联规则的数据挖掘在临床上的应用[期刊论文]-安徽大学学报 2006(02)4. 屈景辉;廖琪梅;许卫中 医学信息数据库的建立与数据挖掘[期刊论文]-第四军医大学学报 2001(01)5. 朱凌云;吴宝明 医学数据挖掘的技术、方法及应用[期刊论文]-生物医学工程学杂志 2003(03)6. Fayyad U Knowledge discovery and data mining towards a unifying framework 1996

引证文献(10条)

1. 田静华. 田静峰 现代信息技术在中医药学领域中的应用[期刊论文]-世界中西医结合杂志 2010(5)2. 田强. 王志飞 基于数据仓库的围术期数据分析系统研究[期刊论文]-信息系统工程 2010(6)3. 王卫. 屈洋 数据挖掘理念在医院病历随访系统中的应用[期刊论文]-计算机技术与发展 2010(7)4. 臧莉 论文标题、元数据和文摘在临床应用研究中的作用[期刊论文]-青海医药杂志 2010(3)5. 姚金成. 饶健. 曾令贵. 王铸辉. 陈希 浅谈药物警戒信号及数据挖掘[期刊论文]-中南药学 2010(10)6. 王华. 胡学钢 医学数据挖掘中的数据预处理与Apriori算法改进[期刊论文]-计算机系统应用 2009(9)7. 吴学工. 李桂霞 医学数据挖掘及其隐私保护的研究[期刊论文]-河北医科大学学报 2009(9)

8. 尚鹏辉. 詹思延 数据挖掘在药品不良反应信号检出和分析中的应用(下)——药物流行病学研究新方法系列讲座(三)[期刊论文]-中国药物应用与监测 2009(3)

9. 尚鹏辉. 詹思延 数据挖掘在药品不良反应信号检出和分析中的应用(上)——药物流行病学研究新方法系列讲座(二)[期刊论文]-中国药物应用与监测 2009(2)

10. 王华. 胡学钢 基于Apriori算法的医学分类器研究[期刊论文]-计算机仿真 2009(4)

本文链接：http://d.g.wanfangdata.com.cn/Periodical_ahyy200808043.aspx