基于關(guān)聯(lián)規(guī)則和聚類的數(shù)據(jù)挖掘在臨床檢驗信息系統(tǒng)中的應(yīng)用研究.pdf

1、臨床檢驗信息系統(tǒng)(CLIS)是醫(yī)院信息系統(tǒng)的一個重要組成部分。它基于數(shù)據(jù)庫，利用網(wǎng)絡(luò)和計算機實現(xiàn)軟件和儀器的無縫連接，模擬檢驗科的工作流程，實現(xiàn)檢驗信息的電子化和檢驗信息管理自動化。 臨床檢驗信息系統(tǒng)的應(yīng)用產(chǎn)生了大量的數(shù)據(jù)，采用數(shù)據(jù)挖掘方法對這些數(shù)據(jù)進行分析開采，發(fā)現(xiàn)有用知識，是目前亟待開展的工作。但目前國內(nèi)尚無這方面的報道，國際上也處于探索階段。 本文結(jié)合糖耐量試驗和血細胞計數(shù)兩項檢驗數(shù)據(jù)，詳述了在檢驗信息系統(tǒng)基礎(chǔ)上進

2、行的數(shù)據(jù)預(yù)處理，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的全過程。并重點闡述了關(guān)聯(lián)規(guī)則挖掘和聚類分析兩種數(shù)據(jù)挖掘方法在實際中的應(yīng)用。 本文重點介紹了對糖耐量試驗數(shù)據(jù)的預(yù)處理，以及關(guān)聯(lián)規(guī)則挖掘在糖尿病診斷方面的應(yīng)用。 糖耐量試驗數(shù)據(jù)來自醫(yī)院信息系統(tǒng)中的病人基本信息，從檢驗信息系統(tǒng)中提取的糖耐量試驗數(shù)據(jù)，以及從一些調(diào)查表中得到其他輔助信息。在填補了空缺值、對定性數(shù)據(jù)量化處理、屬性范圍變換、統(tǒng)一量綱、以及刪除了無關(guān)孤立點之后，文中采用SQLSERV

3、ERDTS將其引入數(shù)據(jù)倉庫，以SQLSERVERANALYSISMANAGER為平臺將數(shù)據(jù)集成，構(gòu)造多維數(shù)據(jù)立方體。 為提高數(shù)據(jù)挖掘的效率，必須針對主題對數(shù)據(jù)屬性進行維規(guī)約，排除無關(guān)屬性，保留相關(guān)屬性。維規(guī)約采用貪心算法，逐步向前選擇有用屬性。在屬性的相關(guān)性分析中采用了熵增益技術(shù)，設(shè)定最小信息增益，引入新的屬性后計算熵增益值，和最小信息增益閾值比較，來決定屬性的有用性。 關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中的重要應(yīng)用之一。本文采用了

4、經(jīng)典的Apriori算法，并且在原有關(guān)聯(lián)規(guī)則中支持度和可信度的概念基礎(chǔ)上，引入了興趣度概念，衡量規(guī)則的趣味性。本文在對比了客觀興趣度函數(shù)的基礎(chǔ)上，提出了主觀興趣度函數(shù) 現(xiàn)實世界的數(shù)據(jù)復(fù)雜性決定了數(shù)據(jù)挖掘必須針對主題，而且由其發(fā)現(xiàn)的知識必須是基于約束的，有特定的意義，本文的規(guī)則形式約束如下：P1(X，K)∧P2(X，Y2)∧…∧Pl(X，Tl)have_disease(X，diabetes)在用MATLAB6.5完成算法后，得到滿

5、足最小支持度和可信度的最終頻繁項集{空腹血糖濃度高，2h血糖濃度高，家族糖尿病史，糖尿病}。進一步計算興趣度，并以主客觀興趣度為標準篩選，最后得出一系列有用規(guī)則，例如：空腹血糖濃度高糖尿病2h血糖濃度高糖尿病符合世界衛(wèi)生組織對糖尿病的診斷要求，反映了糖耐量試驗對診斷的實際意義，為糖尿病的診斷提供了有效的輔助依據(jù)。 在血細胞分析的十幾項指標中，粒細胞百分數(shù)GRAN％和淋巴細胞百分數(shù)LYM％的組合被認為有臨床診斷意義：GRAN％高而

6、LYM％低表征細菌性感染；GRAN％低而LYM％高表征病毒性感染。本文采用基于模型的方法，分析血細胞計數(shù)試驗的數(shù)據(jù)，來驗證其臨床意義。 本文假定病人血常規(guī)檢驗報告指標數(shù)據(jù)是一個二維正態(tài)混合模型，那么可以采用EM算法將其聚類。EM算法是基于劃分的方法k-平均方法的擴展。它不把對象分配給一個確定的簇，而是根據(jù)對象與簇之間隸屬關(guān)系發(fā)生的概率P(k|x)來分配對象。 根據(jù)醫(yī)學經(jīng)驗知識，事先將數(shù)據(jù)分為細菌性感染、正常和病毒性感染3

7、類，設(shè)定起始參數(shù)，代入算法程序迭代計算。 最后結(jié)果較好的分為3類，表明聚類結(jié)果符合醫(yī)學意義，同時驗證了粒細胞百分數(shù)GRAN％和淋巴細胞百分數(shù)LYM％的組合具有臨床診斷意義。該方法對臨床檢驗中的其他散點圖結(jié)果的聚類分析同樣有指導意義。 目前針對檢驗信息系統(tǒng)的數(shù)據(jù)挖掘在國內(nèi)外尚且少有人涉及，本文也只是就其一方面進行了探討，而數(shù)據(jù)挖掘本身是一個交互的過程，隨著用戶的要求不斷提高以及挖掘深度加深，新的方法和手段將逐步加入進來，相