分享你我的资源分享我们的人生!

用matlab实现数据挖掘在医学方面的应用

data mining in medical application

2008-07-19
1)数据挖掘能做以下六种不同事情(分析方法): · 分类 (Classification) · 估值(Estimation) · 预言(Prediction) · 相关性分组或关联规则(Affinity grouping or association rules) · 聚集(Clustering) · 描述和可视化(Des cription and Visualization) · 复杂数据类型挖掘(Text, Web ,图形图像,视频,音频等) 2)数据挖掘分类 以上六种数据挖掘的分析方法可以分为两类:直接数据挖掘;间接数据挖掘 · 直接数据挖掘 目标是利用可用的数据建立一个模型,这个模型对剩余的数据,对一个特定的变量(可以理解成数据库中表的属性,即列)进行描述。 · 间接数据挖掘 目标中没有选出某一具体的变量,用模型进行描述;而是在所有的变量中建立起某种关系 。 · 分类、估值、预言属于直接数据挖掘;后三种属于间接数据挖掘 3)各种分析方法的简介 · 分类 (Classification) 首先从数据中选出已经分好类的训练集,在该训练集上运用数据挖掘分类的技术,建立分类模型,对于没有分类的数据进行分类。 例子: a. 信用卡申请者,分类为低、中、高风险 b. 分配客户到预先定义的客户分片 注意: 类的个数是确定的,预先定义好的 · 估值(Estimation) 估值与分类类似,不同之处在于,分类描述的是离散型变量的输出,而估值处理连续值的输出;分类的类别是确定数目的,估值的量是不确定的。 例子: a. 根据购买模式,估计一个家庭的孩子个数 b. 根据购买模式,估计一个家庭的收入 c. 估计real estate的价值 一般来说,估值可以作为分类的前一步工作。给定一些输入数据,通过估值,得到未知的连续变量的值,然后,根据预先设定的阈值,进行分类。例如:银行对家庭贷款业务,运用估值,给各个客户记分(Score 0~1)。然后,根据阈值,将贷款级别分类。 · 预言(Prediction) 通常,预言是通过分类或估值起作用的,也就是说,通过分类或估值得出模型,该模型用于对未知变量的预言。从这种意义上说,预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测,这种预测是需要时间来验证的,即必须经过一定时间后,才知道预言准确性是多少。 · 相关性分组或关联规则(Affinity grouping or association rules) 决定哪些事情将一起发生。 例子: a. 超市中客户在购买A的同时,经常会购买B,即A => B(关联规则) b. 客户在购买A后,隔一段时间,会购买B (序列分析) · 聚集(Clustering) 聚集是对记录分组,把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类,不需要训练集。 例子: a. 一些特定症状的聚集可能预示了一个特定的疾病 b. 租VCD类型不相似的客户聚集,可能暗示成员属于不同的亚文化群 聚集通常作为数据挖掘的第一步。例如,"哪一种类的促销对客户响应最好?",对于这一 类问题,首先对整个客户做聚集,将客户分组在各自的聚集里,然后对每个不同的聚集,回答问题,可能效果更好。 · 描述和可视化(Des cription and Visualization) 是对数据挖掘结果的表示方式。
源代码下载: 下载位置Code SoSo    DOWNLOAD


相关论文

生物医学数据挖掘

胡文丰 张正国

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践过程,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。

数据挖掘及隐私保护在医学中的应用

王令群[1] 郑应平[1] 张术[2]

数据挖掘对医学数据分析具有非常重要的意义,首先阐述了数据挖掘在医学中的应用,然后改进了一种非常有效的保护医学数据的方法,该方法不会影响数据分析的结果,同时它又满足医学数据对安全性和准确性的需求。

数据挖掘技术在生物医学领域的应用

余辉 吕扬生

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者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。

心脏超声诊断数据挖掘尝试——粗糙集理论运用

沈逸雄 周怡 张睿玲

本文的目的是要寻找心脏超声实测指标与心脏病变类型的关系,以建立模型,协助临床医生更科学更准确地进行诊断.但超声实测数据函数关系复杂,难以用传统的统计方法进行分析,因此本文采用粗糙集理论挖掘心脏超声实测指标与心脏病变类型的规则。结果把挖掘出的规则应用到心脏超声诊断上,取得了令人满意的效果。

医学数据挖掘的技术、方法及应用

朱凌云[1] 吴宝明[2] 曹长修[1]

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。

数据挖掘在医院信息系统中的研究与应用

Data Mining Applying to Hospital Information System

王冬梅

随着医院信息系统不断向自动化、网络化方向的发展,数据挖掘已越来越多的被应用于医疗研究与医院管理。结合胜利油田胜利医院现有的HIS系统,对应用数据挖掘技术实现辅助医疗诊断进行了分析研究。[著者文摘]

Along with the development of hospital information system to automation and network-rization, the data mining has been applied increasingly to medical research and hospital management. The main body is to combine with the existing HIS ( Hospital Information System) system of Shengli Hospital and make a study of supporting the use of data mining technology for auxiliary medical diagnosis.[著者文摘]

数据挖掘技术在医学领域中的应用

Application of Data Mining in Medical Field

毕雪华 森干

数据挖掘利用人工智能、机器学习、数理统计等方法从数据中提取有价值的信息给用户带来巨大的经济效益和社会效益。目前数据挖掘在医学方面的应用尚在起步阶段,随着该方法的普及,数据挖掘在医学上的应用将会得到更多的关注和重视。[著者文摘]

Data mining extracs information from data by using matheds such as artificial intelligence,machine learning,mathematical statistics. Data mining is still in the early stage in medicine.As it's permeation,data mining will be more attached in medical application.[著者文摘]

生物标记物的数据挖掘在临床医学中的研究

Research on Data Mining of the Biomarkers in Clinical Medicine

昂清 王卫东

介绍了生物标记物(Biomarker)检测项目中的数据特征,对数据挖掘技术的概念和方法进行了阐述,在用数据挖掘技术对生物标记物进行处理,所获得的结果在临床医学应用方面展开研究,并为提高辅助诊断能力指出了下一步的工作方向。[著者文摘]

The characteristics of datum in biomarkers test items is introduced, explained the definition and methods of data mining technology, and carried out clinical medicine applications of the results coming from dealing datum with data mining. In the end, the direction of further work to improve the ability to aid diagnose is point out.[著者文摘]

医学数据挖掘综述

陈明

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。[著者文摘]


Please Click the Link of Reference to Download Source Code

评论
京ICP备08011023号