生物医学数据挖掘

在介绍数据挖掘的背景、定义和发展现状的基础上 ,重点讲述这门技术在生物医学方面的应用特点 ,总结了医学数据库中知识发现的实现过程 ,包括数据预处理、数据挖掘算法、知识发现的分类、结论的评价以及应用等     

知识发现及其在临床医学上的应用

目前海量的数据存储已经远远超过了人的理解能力 ,尤其是现代医学数据量越来越大 ,而传统的统计技术及数据管理工具已经力不从心 ,知识发现及数据挖掘工具在处理海量数据库时显示了它们的长处。本文首先介绍了知识发现及数据挖掘的概念 ,又详细介绍了知识发现的一个重要工具粗糙集理论的有关基础知识并举例介绍了其应用。     

医院影像信息中心建设及其关键技术研究

介绍了我院影像信息中心建设及其关键技术：资料库的建设和专家系统的形成，并详细介绍了数据挖掘和知识发现方法在专家系统中的应用。最后给出它在临床、教学、科研中的意义。     

浅议文献型数据库数据挖掘——实现图书馆知识转移的途径之一

随着知识经济时代的来临.知识转移越来越受重视.图书馆作为知识的集散地,在知识转移中起着重要作用.而数据挖掘这种新技术是为了解决当前"信息丰富而知识贫乏"的问题而出现的.文献型数据库是图书馆中使用频率最高的知识资源之一.对文献型数据库进行数据挖掘有助于促进图书馆知识转移.文献计量学指标有助于推广文献型数据库数据挖掘.图书馆工作人员应与科研人员形成合作关系,共同促进知识发现和转移.     

计算机辅助医学知识发现系统研究——糖尿病并发症流行病学数据挖掘

针对流行病学研究的特点,我们提出计算机辅助医学数据挖掘系统构架,以糖尿病并发症为研究实例,探讨医学数据的冗余性消除、规范化储存、知识归纳及可视化表达等问题.以天津总医院3 022例普查数据为研究对象,尝试解决用计算机实现糖尿病并发症这类定性数据的定量化数据挖掘和知识发现.通过对于43种并发症的定性数据挖掘,可以发现诸如高血脂、冠心病、高血压和脑血管病等具有明显并发倾向的知识规则18条.同时,采用知识树方式和决策树等方法实现知识规则的可视化表达.基于数据挖掘和知识发现计算机辅助医学数据挖掘系统能够对现有病历数据库中数据进行自动分析并且提供有价值医学知识,特别适合流行病学分析和全民健康评估,因此与社区医疗和医院HIS系统结合是未来一个非常现实的发展方向.     

数据挖掘与乳腺癌诊断的研究进展

数据挖掘是应用一系列技术从大型数据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,可表示为概念、规则、规律、模式等形式。本文详尽介绍了数据挖掘技术产生的背景、概念,综述了近年数据挖掘技术在医学中以及辅助诊断乳腺癌的应用情况,并探讨了其在辅助诊断乳腺癌的应用前景、意义以及目前存在的问题。     

医学数据挖掘的技术、方法及应用

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，促进远程医疗和社区医疗发展的需要。本文对医学数据挖掘的关键技术——数据的预处理、多属性信息的融合、挖掘算法的高效性与鲁棒性、提供知识的准确性与可靠性等进行了论述；阐述了基于计算智能的医学数据挖掘方法，介绍了人工神经网络、模糊逻辑、遗传算法、粗糙集理论和支持向量机在医学数据挖掘中的应用；最后对医学数据挖掘的特点和亟待解决的问题进行了总结。     

数据挖掘技术在中医药领域的应用

本文概括地介绍了数据挖掘的概念、主要方法、步骤和医学数据挖掘的特殊性、关键技术，以及数据挖掘在中医药领域的应用现状，并提出了在中医药领域应用数据挖掘技术必须充分考虑到中医特色。     

图像数据挖掘的模型和技术

目的:介绍图像数据挖掘的模型及核心技术。方法:原始图像不能直接用于图像数据挖掘,必须进行预处理以生成用于高层次挖掘的图像特征库。一个图像挖掘系统应该包括图像的存储、预处理、检索、挖掘和展示等功能。它主要涉及图像数据挖掘模型和图像数据挖掘技术。结果:MultiMediaMiner是以DBMiner系统和C-BIRD系统为基础发展起来的图像数据挖掘系统,它是典型的功能驱动模型。在信息驱动模型中,象素层和对象层主要进行图像处理、对象识别和特征提取,而语义概念层和模式知识层主要进行图像数据挖掘和知识集成,该模型不仅只在图像的高层次进行挖掘,而且还可以扩展此模型以使挖掘能够在每个层次以及不同层次间进行。基于图像的数据挖掘核心技术涉及:图像处理技术,如去噪、对比度增强、图像分割等技术;特征提取和优化技术;分类、规则提取、预测和聚类等。结论:理论上图像数据挖掘是数据挖掘的一个分支,但是由于挖掘对象的复杂性,所以图像数据挖掘不是传统的数据挖掘理论与技术在图像数据上的简单应用和延伸,而是一个具有自己独特研究内容、理论与技术框架的新的研究领域。     

基于医学图像建立预测模型的应用现况

基于医学图像建立的预测模型,可以在一定程度上帮助临床医生对一些复杂及早期难发现的疾病进行诊断,而日益受到重视.在医学图像分析中采用的预测模型,主要包括数据挖掘算法、回归预测方法和时间序列预测法等.本文重点介绍数据挖掘算法和其他模型的应用情况、模型间的对比及联合应用效果,总体上模型联合应用的效果较好.     

生物信息学相关数据库在肿瘤研究中的应用

 时间序列（time series）是一组有序的、随时间变化的数值序列^[1,2]。在社会、科学、经济、技术等领域中广泛存在着大量的时间序列。在医学领域,随着现代医学测量手段和技术的发展,记录了大量的时间序列,从而导致医学数据资料爆炸式增长。面对海量的医学数据,人们迫切地需要高能力和自动化的数据分析方法对它们进行有效的分析,而数据挖掘技术可以从缺乏先验信息的海量数据中发现隐含的、有意义的知识。因此,人们将数据挖掘技术大量应用于生物医学领域的时间序列,发现隐藏在这些海量数据背后的有学术价值的医学信息,并为临床诊断和疾病治疗提供有效的帮助。模式发现是数据挖掘技术的一个重要方面。如何从生物医学时间序列中挖掘出有用的模式,已经成为一个具有十分重要的理论和实践意义的课题。目前,国内外在这个方面进行了大量的研究工作,其中"有效定位时间序列中已确定的模式"被认为是一个已经解决的问题^{[3, 4]},而从知识发现的观点来看,一个更具有挑战性的问题是发现以前未知的、频繁出现的模式,因为它与计算生物学中"模体"的概念非常类似^[5],故亦称之为模体（motif）。本文将首先介绍时间序列和模体的概念;其次介绍模体发现算法;最后介绍模体发现在生物医学时间序列中的应用。...     

基于贝叶斯统计的生物医学文献挖掘

随着生物医学文献的爆炸式增长，运用数据挖掘方法从文献中发现新知识受到越来越多学者的关注，本研究提出了将贝叶斯统计与PubMed提供的相关文献结合的文献挖掘方法。以转录因子结合位点文献的查找为例。研究表明此方法能有效地找出描述感兴趣内容的文献，与单纯用PubMed相关文献的方法相比，可以在基本不影响查全率情况下提高查准率。此方法可以很容易推广到其它专题的生物医学文献的搜集。     

数据挖掘技术在生物医学领域的应用

阐述了数据挖掘技术基本流程及其在生物医学领域的应用前景，介绍了近年来国内外研究学运用数据挖掘技术在DNA分析、医学影像数据自动分析以及多种生理参数监护数据分析领域的研究趋势和发展方向。     

数据挖掘方法在中医药领域的应用浅析

本文概括地介绍了数据挖掘的概念,中医药数据挖掘的特点,以及常见的数据挖掘方法在中医药领域的应用现状。     

计算机辅助医学诊断系统的数据挖掘和知识发现研究

计算机辅助诊断系统中 ,使用医学数据库的数据挖掘和知识发现技术具有重要意义和其发展的必然性。文章分析和综合了此类系统研究开发的一般规律及其特殊性 ,并指出了其中一些需要解决的问题和今后的研究发展方向     

基于心血管疾病的分类挖掘

本文阐述了临床数据挖掘技术应用方法和工具,用weka工具将心血管疾病住院数据生成一个带有19个节点的决策树,9个条件属性.,1个决策属性.通过机器学习作出正确的推断结论,通过数据挖掘发现关联规则或新的医疗规则,是有别于专家诊断系统的创新模式.     

数据挖掘在医院信息系统中的简单应用

本文简要介绍了我院HIS的应用现状,并对数据仓库和数据挖掘的基础理论进行了简单介绍,最后介绍了数据挖掘在HIS中的简单应用.     

数据仓库和数据挖掘在医院管理中的应用

本文介绍了医院数据仓库和数据挖掘的概念,设计了数据仓库建立模型,以及建立数据仓库的具体方法.简单介绍了数据挖掘技术在医院管理中的作用,并结合工作实际详细介绍了数据挖掘在管理和控制药占比中的应用,最后展望了医院数据仓库和数据挖掘技术的发展前景.     

医学数据挖掘综述

本文主要综述了有关数据挖掘的概念,综述了医学数据的一些特点,以及医学数据挖掘的关键问题,介绍了医学数据挖掘的主要应用方向,并给出了一些具体的应用实例.     

数据挖掘与中医药院校图书馆参考咨询服务

本文简述了数据挖掘技术的产生、发展,并分析了数据挖掘技术在中医药图书馆参考咨询服务工作应用的前景。