检索结果-内蒙古大学图书馆

近年业,国内外对KDD的研究开展得如火如荼.决策树是KDD中较早开始进行研究的一种方法.该方法已被广泛的接受并已取得了很大的进展.该文对KDD和决策树进行了比较全面的研究,并在此基础上,设计并实现了一处基于决策树的KDD原型系统产将此原型系统应用于实际医疗数据的分析中,试图对医疗方案进行优化.该文的主要工作包括以下三部分:①该文对KDD的定义、基本过程、分类、方法和发展情况进行了较全面的介绍.②该文对决策树的建树和剪枝的原理和具体方法进行了较全面的研究.③最后该文实现了一个基于决策树的KDD原型系统并使用该系统对实际的医疗数据进行分析.

关键词： KDD 决策树信息增益医疗数据分析

来源：评论

学校读者我要写书评

暂无评论

关联规则在医疗数据分析中的应用

引用

微机发展 2003年第6期13卷 94-97页

作者：李虹蔡之华中国地质大学计算机科学与技术系湖北武汉430074

介绍了从医疗数据中发现关联规则的方法,分析了医疗数据的特点,并以心脏疾病诊断的数据集为例,阐述了把医疗数据转换成事务数据格式的方法,描述了关联规则挖掘在医疗数据分析中应用所遇到的难题,针对这些难题给出了一种改进的Apriori算... 详细信息

介绍了从医疗数据中发现关联规则的方法,分析了医疗数据的特点,并以心脏疾病诊断的数据集为例,阐述了把医疗数据转换成事务数据格式的方法,描述了关联规则挖掘在医疗数据分析中应用所遇到的难题,针对这些难题给出了一种改进的Apriori算法,并用数据进行测试。结果表明,此算法优于Apriori算法,它可以减少产生的规则的数量,从而能快速发现有趣的医疗关联规则。

关键词：心脏疾病医疗数据分析关联规则数据挖掘数值属性 Apriori算法数据库

来源：评论

学校读者我要写书评

暂无评论

基于改进岭回归模型的数据识别与预测算法设计

引用

信息技术 2025年第3期49卷 23-27页

作者：马骁河北北方学院附属第一医院河北张家口075000

为了对医疗财务领域产生的海量数据进行识别和趋势预测,文中提出了一种基于改进岭回归的数据识别与预测算法。模型利用具有自注意力机制的卷积神经网络对数据的特征进行提取,并分配相应的权重,然后通过改进的岭回归算法进行风险预测。... 详细信息

为了对医疗财务领域产生的海量数据进行识别和趋势预测,文中提出了一种基于改进岭回归的数据识别与预测算法。模型利用具有自注意力机制的卷积神经网络对数据的特征进行提取,并分配相应的权重,然后通过改进的岭回归算法进行风险预测。在岭回归算法中引入核函数,将非线性数据映射到高维空间实现数据的精准回归预测。以6家大型医疗机构的数据集为样本进行实验,结果表明,所提模型算法的预测精确率达95.4%,召回率为94.6%,F1分数为94.8%,高于传统的主流机器学习算法模型,证明了该算法模型的有效性,能够对数据进行风险预测。

关键词：医疗数据分析岭回归卷积神经网络识别预测数据映射

来源：评论

学校读者我要写书评

暂无评论

基于临床数据特征选择的医疗辅助诊断研究

基于临床数据特征选择的医疗辅助诊断研究

引用

作者：郭春来电子科技大学

学位级别：硕士

随着现代数字化浪潮的兴起,医疗数据的产生,对医疗系统中决策、运作有着事实支撑作用,能够更好的提高医疗系统运作效率。而如何从医疗数据中提取有效信息并进行辅助决策诊断、如何根据医疗数据来对某种疾病进行追溯、跟踪以及预测仍然... 详细信息

随着现代数字化浪潮的兴起,医疗数据的产生,对医疗系统中决策、运作有着事实支撑作用,能够更好的提高医疗系统运作效率。而如何从医疗数据中提取有效信息并进行辅助决策诊断、如何根据医疗数据来对某种疾病进行追溯、跟踪以及预测仍然是当前医疗数据领域一个重要的研究方向。在当前的精准医疗的概念上,在对临床数据辅助诊断中,如何做到通过算法模型得出的结果能与医学知识相恰而做出恰当的诊断结果是有意义的。已有的数据分析算法在一定程度上能够对医疗数据任务得到较好的预测正确率,例如神经网络,但是缺乏对输入特征的有效性进行考量,从而导致难以对选择出的特征存在的意义进行解释,同时对小样本医疗数据分析的准确率难以保证等问题。针对上述问题,本文从特征选择角度提出了对应的方法进行改进。本文的主要工作如下:(1)特征选择。针对特征的有效性问题,同时兼顾到高维度特征进行降维等问题,在宏观层面,通过定义特征有效性的意义,利用特征自身之间的特点和关系进行选择,基于这种思想,本文提出了一种改进的基于最大相关最小冗余的遗传算法,实现对特征空间进行搜索选择。实验结果表明,该模型能够有效的降低特征维度,同时能够保留较好的原始信息量。(2)数据预测。为了更好的得到有效特征以及提高算法整体预测正确率,需要对特征空间和模型空间进行拟合适应,本文提出了一种改进的基于随机森林的序列前向选择算法,实现对特征空间和模型空间的双向拟合。实验结果表明,该模型能够进一步降低特征维度数,同时能够提高整体算法的预测正确率。(3)医疗数据临床辅助系统。基于本文提出的特征选择模型和数据预测模型,设计和实现了医疗数据临床辅助系统,通过数据导入、参数设定等功能模块,能得到最终的预测结果。

关键词：医疗数据分析特征选择机器学习启发式搜索算法

来源：评论

学校读者我要写书评

暂无评论

基于区块链的医疗数据协同分析系统研究

基于区块链的医疗数据协同分析系统研究

引用

作者：李傲飞广东工业大学

学位级别：硕士

医疗技术与信息技术的不断融合，产生了大量的医疗数据，这些多源异构的数据为人工智能在医疗领域的发展提供了肥沃的土壤。然而，医疗数据的开放风险与价值并存，在隐私保护法规的限制下，医疗大数据呈现为一种弱中心化的存储架构，医... 详细信息

医疗技术与信息技术的不断融合，产生了大量的医疗数据，这些多源异构的数据为人工智能在医疗领域的发展提供了肥沃的土壤。然而，医疗数据的开放风险与价值并存，在隐私保护法规的限制下，医疗大数据呈现为一种弱中心化的存储架构，医疗机构所拥有的数据量通常不足以训练出性能优异的机器学习模型。在数据安全日益受到重视的今天，如何在医疗数据的应用与隐私保护之间达成平衡成为重要命题。虽然各地在法律与技术手段两方面，已对医疗数据开放中的安全保护做了诸多探索，但由于医疗场景对计算数据的隐私性、数据应用过程的透明性以及计算结果的正确性要求极高，现有的解决方案仍不足以满足社会需求，制约了高质量医疗数据的知识挖掘，阻碍了社会对医疗大数据的有效利用。　　针对以上问题，本文提出了一个基于区块链的解决方案，在保障医疗数据规模化集成的同时实现机器学习式的数据分析和知识应用。进一步地，为了改善智能合约的审计性、安全性以及通用性，本文提出一种基于工作流网的智能合约建模方法。本文的主要研究内容如下：　　（1）分析医疗数据分析过程中各利益相关方的业务需求，根据数据提供方、数据分析方和知识应用方不同的业务需求设计合适的医疗数据协同业务流程，并提出了一个基于区块链的医疗数据协同分析框架，对医疗数据的采集、存储、共享、分析和销毁等医疗数据全生命周期进行安全隐私化的管理，以实现医疗大数据分布式存储环境下数据的规模化集成、透明化使用和隐私化分析。　　（2）为了改善智能合约的可审计性、安全性和通用性，提出一种基于工作流网的智能合约建模方法。基于工作流网对合约中的复杂业务逻辑进行建模，图形化的工作流网模型能够改善智能合约的可审计性。形式化的智能合约模型有助于开发人员在建模阶段就能验证工作流网的性质，从而避免智能合约中出现的死锁等逻辑错误，保证合约的安全性。生成的智能合约模型可以被翻译成代码模板，模板在完善后即可被部署到各种区块链平台。值得注意的是，形式化的智能合约模型独立于编程语言，可以被翻译成不同语言的智能合约代码，从而改善智能合约的通用性。　　（3）完成医疗数据协同分析系统的设计和原型开发，并通过一个医疗机构间的数据协同分析实验案例来验证和评估所开发系统的有效性和性能。系统的功能测试结果表明系统中的各个功能模块均可正常工作;性能分析结果表明由协同分析训练出的机器学习模型具有更高的模型预测精准度和更低的损失，相对于其他数据协同分析框架如联邦学习，基于区块链的数据协同分析框架更适合于医疗等对模型的性能以及计算的精度有极高的要求的场景。

关键词：医疗数据分析区块链智能合约工作流网

来源：评论

学校读者我要写书评

暂无评论

C4.5决策树算法在医疗数据分类中的应用研究

引用

安庆师范大学学报（自然科学版） 2021年第2期27卷 49-53页

作者：郭星晨王青青王亚阜阳师范大学计算机与信息工程学院安徽阜阳236037

随着医疗水平的不断提高,借助机器学习方法对大量的医疗诊断数据进行分析成为近年来热点研究方向之一。在介绍C4.5决策树算法的相关理论及建树流程基础上,以竞赛项目中的乳腺癌数据集为基础,对数据集进行预处理,建立决策树分类模型,以... 详细信息

随着医疗水平的不断提高,借助机器学习方法对大量的医疗诊断数据进行分析成为近年来热点研究方向之一。在介绍C4.5决策树算法的相关理论及建树流程基础上,以竞赛项目中的乳腺癌数据集为基础,对数据集进行预处理,建立决策树分类模型,以可视化形式展示分类结果。实验结果表明,该分类模型可达到较高的准确率,证明决策树算法有助于医疗数据分析应用。

关键词：分类模型医疗数据分析决策树 C4.5

来源：评论

学校读者我要写书评

暂无评论

基于临床数据中心的医疗质量监控系统

引用

中国数字医学 2015年第12期10卷 16-18,29页

作者：陆耀上海交通大学医学院附属第九人民医院信息中心上海市制造局路639号200011

目的:运用信息技术,实现医疗质量的持续改进,建立事前规范、事中控制与事后分析的全面质量管理体系,涵盖医疗服务全过程和临床关键节点。方法:在第九人民医院临床数据中心(CDR)基础上,构建基于CDR的医疗质量监控管理系统。结果:通过在CD... 详细信息

目的:运用信息技术,实现医疗质量的持续改进,建立事前规范、事中控制与事后分析的全面质量管理体系,涵盖医疗服务全过程和临床关键节点。方法:在第九人民医院临床数据中心(CDR)基础上,构建基于CDR的医疗质量监控管理系统。结果:通过在CDR平台上实时展现7大类终末指标、12类环节质量指标,实现了对医疗质量的全面分析与监测。结论:基于临床数据中心(CDR)的医疗质量监控系统,增强了我院的医疗质量管理能力,使得医疗质量管理贯穿于整个病人诊疗过程。

关键词：临床数据中心医疗质量管理医疗数据分析精细化管理

来源：评论

学校读者我要写书评

暂无评论

大肠早癌辅助诊断数据挖掘方法研究

大肠早癌辅助诊断数据挖掘方法研究

引用

作者：廖志芳中南大学

学位级别：博士

随着医疗诊断技术的发展,各个医疗部门积累了大量医疗诊断信息,如病人的医学影像资料、生理生化指标、生物信息学指标、病人背景资料等,这些数据资料背后隐藏着很多有可能成为临床辅助诊断依据的重要信息,因此有必要利用相关技术对这些... 详细信息

随着医疗诊断技术的发展,各个医疗部门积累了大量医疗诊断信息,如病人的医学影像资料、生理生化指标、生物信息学指标、病人背景资料等,这些数据资料背后隐藏着很多有可能成为临床辅助诊断依据的重要信息,因此有必要利用相关技术对这些重要信息进行分析处理。数据挖掘是广泛应用于医疗诊断数据分析处理的技术之一,采用数据挖掘技术可以通过对患者资料数据库中大量历史数据的处理,挖掘出有价值的诊断规则,从而依据患者的年龄、性别、生活习性、辅助检查结果、生化指标等做出判断,排除人为因素的干扰,客观性强,得到的诊断规则有着较好的普遍性。本文以数据挖掘技术为基础,以激光诱导自体荧光大肠早癌诊断数据为载体,通过分析诊断数据特征,从数据预处理、训练数据集的形成以及分类预测方法三个方面,对大肠早癌诊断数据进行深入分析研究,形成激光诱导大肠早癌辅助诊断系统,为临床医生提供辅助诊断的手段。本文首先分析了激光诱导自体荧光诊断大肠早癌的机理、特点、研究意义,根据医疗诊断数据特征,提出了激光诱导自体荧光大肠早癌辅助诊断数据分析处理流程,并对各部分进行了分析,着重阐述光谱数据采集系统组成以及光谱数据的采集方法,同时进行了滤除高频电子噪音,剔除光谱基线、截取有效带宽信号以及归一化荧光光谱的数据除噪处理。面向不完整的大肠早癌荧光数据,通过分析比较特征提取方法,本文提出基于容错关系的信息熵粗糙集主成分分析算法,容错关系粗糙集较之传统粗糙集能满足诊断数据的不完备性,同时引入随信息量减小而单调下降的信息熵,在此基础上提出属性约简方法,对光谱数据进行属性约减,并利用主成分分析算法进行进一步的特征属性提取。通过该算法,提取了影响大肠早癌诊断的特征数据,降低数据维度,减少后续数据处理的复杂度。由于医疗诊断数据中多为混合数据的特性,通过分析现有混合数据聚类算法,本文提出了基于格论的混合数据聚类算法。利用格进行数据分布以消除数值型属性和符号属性的分布差别,利用数据间格的涵盖数目来进行聚类计算,因此该算法在进行混合数据处理时不再需要进行数据转换。针对算法中的参数,即初始聚类数目和中心点的选取进行了优化分析,其中初始聚类数目利用遗传算法进行优化,获得初始聚类数目的取值空间;同时对中心点的选取进行了优化说明,同时对算法性能进行了分析。以形成的聚类数据集为基础,利用均值方差法和荧光强度比值判别法进行数据特征的提取,得到正常组织和癌症组织的分类特征,为分类判别提供依据。针对医疗诊断数据中实时性要求,通过分析所采用的分类算法性能,发现该分类算法存在着大量重复计算,因此算法复杂度和算法的空间复杂度比较高。为解决这一问题,本文提出了基于检索树结构的处理方法,通过构建检索树,将多数重复计算节点构建在检索树的高层,无重复节点建立在检索树的下层,以此来降低算法的重复计算,有效地降低了算法复杂度以及空间复杂度,以满足诊断实时性要求。针对医疗诊断数据中的不平衡性,在分析了非平衡数据分布特征以及当前的非平衡数据处理方法后,利用样本处理技术,本文提出了全局密度非平衡数据分类,μ-密度非平衡数据分类方法以及边界样本局部密度的非平衡数据分类方法,全局密度非平衡数据分类方法以各自类别的样本为基础进行综合平均,这种方法有利于稀疏数据的分类而降低密集数据分类有效性;μ-密度非平衡数据分类方法通过代价敏感方法,分析样本分类正确性代价,得到合适的μ值进行样本数据的选取,以提高非平衡数据分类有效性;边界样本局部密度的非平衡数据分类方法着重分析处于非平衡数据集中的边界样本数据,通过多种方法进行边界数据的分类,同时对算法中的相关参数进行分析。这三种算法都是通过样本数据选择,提高少数类样本数据量以减少数据非平衡性。论文最后总结了全文的创新点,提出了今后将继续进行的研究方向。

关键词：医疗数据分析数据挖掘特征提取聚类分析分类预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：