芻議知識發(fā)現(xiàn)技術在醫(yī)院中的研究運用范文

本站小編為你精心準備了芻議知識發(fā)現(xiàn)技術在醫(yī)院中的研究運用參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：知識發(fā)現(xiàn)技術在醫(yī)院中有著廣泛的應用前景，特別是在醫(yī)院信息系統(tǒng)以及臨床輔助、檢測、診斷方面得到廣泛關注．有關的研究成果已在醫(yī)療診治得到應用。從人工神經(jīng)網(wǎng)絡、模糊系統(tǒng)進化計算、粗糙集理論、決策樹、支持向量機等方面對此進行討論。

詞：人工神經(jīng)網(wǎng)絡模糊系統(tǒng)進化計算粗糙集理論決策樹支持向量機

將知識發(fā)現(xiàn)技術應用在醫(yī)院信息系統(tǒng)中．在國外已有多年的研究，并有豐富的實踐經(jīng)驗的積累。國內(nèi)近幾年也陸續(xù)有研究．但總體上還處在研發(fā)階段，這里將知識發(fā)現(xiàn)技術在醫(yī)院中的應用作一簡單介紹。

1人工神經(jīng)網(wǎng)絡

一種模仿生物神經(jīng)網(wǎng)絡的。以人工神經(jīng)元為基本運算單元的一種互聯(lián)的，分布式存儲信息的智能信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡具有很強的自組織性，魯棒性和容錯性，在醫(yī)學數(shù)據(jù)挖掘中得到了廣泛的應用。采用bayesian神經(jīng)網(wǎng)絡結構．能夠找出服用抗精神病藥物與心肌病發(fā)作的關系；結合領域的統(tǒng)計知識，將bayesian神經(jīng)網(wǎng)絡用于醫(yī)護工作的研究可以取得優(yōu)良的效果：運用組合神經(jīng)網(wǎng)絡可對危及生命的心律失常進行歸類；文獻[1]中將專家系統(tǒng)與神經(jīng)網(wǎng)絡的集成應用于醫(yī)療輔助診斷的智能決策支持系統(tǒng)。采用單參數(shù)動態(tài)搜索算法訓練神經(jīng)網(wǎng)絡明顯優(yōu)于傳統(tǒng)的BP算法，極大地提高了神經(jīng)網(wǎng)絡的訓練速度和分類精度。準確性97％．明顯高于臨床醫(yī)生的診斷準確性83％。還可以通過伸進網(wǎng)絡來預測肝癌患者術后的效果。動態(tài)檢測患者的麻醉深度和合控制麻醉藥物的用量等。

2模糊系統(tǒng)

建立在模糊數(shù)學基礎上的一種推理方式．它將人的定性思維和判斷方法定量化，以適合計算機對信息處理的需要。在數(shù)據(jù)挖掘中，模糊邏輯經(jīng)常與神經(jīng)網(wǎng)絡或最近鄰技術聯(lián)合起來應用。在醫(yī)學數(shù)據(jù)挖掘和信息處理中利用模糊神經(jīng)網(wǎng)絡，可以從心跳記錄中識別心室的過早收縮。還可以用來分析肝臟的超聲圖像等。

3進化計算

模擬自然界中生物的進化過程和進化方式對工程問題進行優(yōu)化求解的技術．包括遺傳算法、遺傳規(guī)劃、進化規(guī)劃和進化策略。在醫(yī)學數(shù)據(jù)挖掘中，運用并行遺傳算法可為治療二尖瓣脫垂綜合癥提供決策：采用進化規(guī)劃可以對胸痛癥狀疾病進行診斷：運用交互的進化計算方法可以有效的發(fā)掘臨床中的噪聲數(shù)據(jù)：采用進化計算方法還可以對脊柱側凸進行分類。

4粗糙集理論

利用粗糙集合中的屬性約簡和規(guī)則約簡理論來對數(shù)據(jù)進行客觀而有效的處理，從而迅速的獲得知識。文獻中闡述了粗糙集的基本概念。算法模型，并對該項技術應用于胸痛發(fā)病結果的預測。非腫瘤辨別診斷．類風濕類型的診斷．胎兒早產(chǎn)的診斷，急性闌尾炎分類診斷，做簡單介紹。粗糙集理論在醫(yī)學數(shù)據(jù)挖掘中可用于肺癌的診斷II．用于醫(yī)院院內(nèi)感染的知識發(fā)現(xiàn)，預測脊髓損傷患者的下床活動時間和檢測宮頸癌病變的不同階段等。

5決策樹

通過對決策樹進行剪枝處理，最后把決策樹轉化為規(guī)則，利用這些規(guī)則可以對新事例進行分類。決策樹在醫(yī)學數(shù)據(jù)挖掘中用于上呼吸道感染者的病情危重度分析．將決策與多層感知器網(wǎng)絡技術結合還可以從大腦膠質(zhì)瘤病例中獲得膠質(zhì)瘤惡性程度的術前診斷知識151。

6支持向量機

基于統(tǒng)計學習理論的針對小樣本學習問題的1個理論框架。支持向量機喲股數(shù)據(jù)挖掘的最大優(yōu)勢在于：其計算復雜性與數(shù)據(jù)的維數(shù)不成正比，紙盒樣本的數(shù)量有關：svm對數(shù)據(jù)庫中模式分類的準確率一般要高于神經(jīng)網(wǎng)絡。支持向量機可以用于分子生物學中基因的分類，蛋白質(zhì)二級結構的識別和預測蛋白質(zhì)亞細胞水平的分布等II。svm在醫(yī)學數(shù)據(jù)挖掘和醫(yī)學信息處理中的研究才剛剛起步，文獻[7]中利用支持向機(svm)對乳腺x光片圖片中的病變區(qū)域進行檢測和分類識別出含鈣化點區(qū)域和腫瘤區(qū)域，使用svm分類器進行分后得到99．23％的分類效果。基本上可以準確識別出含鈣化區(qū)域，腫瘤區(qū)域，和正常區(qū)域的特征。由于它在回歸和分類題上的精確性以及對樣本維數(shù)敏感性，相信支持向量機在學信息處理中會得到更廣泛的應用。

在實際的數(shù)據(jù)挖掘中，針對具體的醫(yī)學數(shù)據(jù)和不同的掘目標．往往要將幾種計算智能方法綜合起來應用，以發(fā)各自的技術優(yōu)勢。此外，還可以將計算智能和其他數(shù)據(jù)挖方法如聚類分析，決策樹，關聯(lián)規(guī)則等結合起來應用。