表4-2某大型医院三年住院治疗情况（续表）医学图像数据聚类分析。中医药数据聚类分析。图4-1聚类数据示例聚类分析在数据挖掘中的作用：作为一个独立的工具来获得数据集中数据的分布情况。Q型聚类分析是对样本进行分类处理。根据变量的分类结果以及它们之间的关系，可以选择主要变量进行回归分析或Q型聚类分析。......
2023-11-08
医药数据聚类分析：第4章成果
【摘要】：医学所关注的最核心问题就是相关性问题。胸痹心痛存在血瘀证一直是研究的热点，中医通过聚类分析证实血瘀证是胸痹心痛最危险的临床证型。有研究结果表明，血瘀证与冠脉狭窄属于距离最近的一类。本章主要讨论医药数据的聚类分析、相似度计算方法、KMeans算法、基于KMeans的药物聚类分析等问题和相关方法技术。一个好的聚类方法将会产生高质量的簇。
本章引言
《易·系辞》讲：“方以类聚，物以群分，吉凶生矣。”方是用来聚类的，所以，东方就有东方这一类的东西，南方就有南方这一类的东西。“疒”这个形符加上“丙”以后，就揭示出一个很关键的问题：疾病的相关性。医学所关注的最核心问题就是相关性问题。
证型是中医理论中认识疾病、诊断疾病、治疗疾病、判断疾病预后，进行病后调养的基础。每一个疾病都有几个不同的证型，每个证型对应了疾病不同阶段的不同病理实质。另外，证型也反映了疾病的轻重，反映了疾病的危险程度。胸痹心痛存在血瘀证一直是研究的热点，中医通过聚类分析证实血瘀证是胸痹心痛最危险的临床证型。有研究结果表明，血瘀证与冠脉狭窄属于距离最近的一类。
本章主要讨论医药数据的聚类分析、相似度计算方法、KMeans算法、基于KMeans的药物聚类分析等问题和相关方法技术。(www.chuimin.cn)
聚类分析组合而成的对象基于它们的相似性有很广泛的应用，相异度可以用多种类型的数据来计算。聚类算法可以分为划分方法、层次方法、基于密度的方法、基于网格的方法和基于模型的方法。离群点探测和分析对于欺诈探测等非常有用，可以用统计学方法，基于距离的方法和基于偏差的方法来实现，聚类作为预处理工具可以作为回归、PCA、分类以及关联分析的预处理。在聚类分析上仍旧存在许多研究问题，如基于约束的聚类。
什么是好的聚类方法？一个好的聚类方法将会产生高质量的簇。高簇内相似性：类内凝聚性；低簇间相似性：类间区分性。判定一个聚类方法的质量好坏依赖于用于该聚类方法的相似度度量、具体实现方法、能否发现部分或者所有隐藏的模式。
数据挖掘对聚类的要求：可伸缩性，即处理不同类型属性的能力，如数值型、二元类型、分类/标称类型、序数型，发现任意形状的聚类。基于欧氏距离或曼哈顿距离，偏向于发现具有相近尺寸和密度的球状簇。
有关大数据挖掘技术及其在医药领域的应用的文章
- 详细阅读
-
聚类分析算法及应用-大数据挖掘技术在医药领域详细阅读
聚类分析的算法可以分为划分的方法、层次的方法、基于密度的方法、基于网格的方法、基于模型的方法等，其中，前两种方法最常用。图4-6层次聚类法示例4.基于网格的方法基于网格的聚类方法采用一个网格数据结构，把对象空间量化为有限数目的单元，形成了一个网格结构。......
2023-11-08
-
大数据挖掘技术在医药领域中的应用成果详细阅读
健康医疗大数据典型应用。可以构建大数据平台来收集不同病例和治疗方案以及病人的基本特征，建立针对疾病特点的数据库，帮助医生进行疾病诊断。医疗行业的大数据应用一直在进行，但是数据并没有完全打通，基本都是孤岛数据，没办法进行大规模的应用。健康医疗大数据在医疗行业治理方面的典型应用：卫生体制改革评估监测。大数据在疾病预测中的作用。大数据在临床业务、付款和定价、研发、大数据基因等方面的应用。......
2023-11-08
-
医药数据关联规则分析：探讨详细阅读
通过方剂数据的预处理和关联分析，挖掘出基层知名老中医马祥治疗慢性胃炎处方的药对、药组和药四对。现有寒症诊断决策原始数据集，可利用关联规则分析哪些临床表现的组合会导致不同的诊断结果。例如，现有如下中医药治疗胰腺癌的处方数据，可进行关联规则分析用药规律。表2-6癫痫用药根据眼科诊疗数据，可挖掘H52.0远视、H52.2散光、H52.4老光之间的关联情况。......
2023-11-08
-
大数据挖掘技术在医药领域中的特征提取成果详细阅读
以打鼾声声音特征提取为例，在基于机器学习的生物医学数据分析中，特征提取在大量医学数据中显得十分繁重而耗时。于月娜对宫颈细胞进行了图像分割和特征提取的研究。在对宫颈细胞特征提取方面的研究中，选取了合适的形状与纹理特征，通过KMeans算法进行深入研究。任丽晔对表面肌电信息进行特征提取，对不同的特征向量进行对比，选择最佳的特征向量，基于小波变换的特征提取反映信号局部性信息和时段信号变化的剧烈程度。......
2023-11-08
-
大数据挖掘技术及医药应用详细阅读
数据科学是一门以“数据”，尤其是“大数据”为研究对象，并以数据统计、机器学习、数据可视化等为理论基础，主要研究数据预处理、数据管理、数据计算、数据产品开发等活动的交叉性学科。首先，建立大数据思维方式，学习怎样利用数据；其次，应该了解数据清理、集成、探索等相关技术；最后，洞见和商业意识也至关重要。图1-3数据科学的基本流程......
2023-11-08
-
数据挖掘过程及其医药应用详细阅读
确定数据挖掘所需要的数据，对数据进行描述，初步探索数据，检查数据的质量。对各个模型进行评价，选择数据挖掘模型，建立模型。把数据挖掘模型的结果送到相应的管理人员手中，对模型进行日常的监测和维护，定期更新数据挖掘模型。在结果分析部分，解释并评估结果，其使用的分析方法一般应依数据挖掘操作而定。图1-13根据医疗业务诉求确定数据处理方案......
2023-11-08
-
大数据特性及其医药应用详细阅读
大数据的表现形态。实时性，大数据的实时性，体现为数据更新的实时性。重新定义大数据的本质特征。大数据的其他特征。图1-1大数据的4V特性图1-2大数据的价值大数据价值，如传统实时路径只能监控主要道路的交通状况，而现在使用出租车或私家车的数据将产生海量实时轨迹数据。事实上，应该关注大数据的本质特征，关注实际的问题需求，关注大数据的思维，关注大数据的实践。......
2023-11-08
相关推荐