醫(yī)療數(shù)據(jù)挖掘在疾病早期預(yù)警中的關(guān)鍵技術(shù)研究.pdf

1、隨著醫(yī)院信息系統(tǒng)(HospitalInformationSystem,HIS)的發(fā)展，臨床數(shù)據(jù)庫(kù)已經(jīng)積累了大量的關(guān)于患者的醫(yī)療診斷的信息。如何發(fā)掘數(shù)據(jù)背后的關(guān)系模式，以提供新的醫(yī)學(xué)知識(shí)，為患者提供更為個(gè)人的，及時(shí)的預(yù)警和治療得到了越來(lái)越多的關(guān)注。因此，需要開發(fā)和應(yīng)用新的醫(yī)療數(shù)據(jù)挖掘方法來(lái)發(fā)現(xiàn)這些隱藏的知識(shí)。
　　本文針對(duì)醫(yī)學(xué)數(shù)據(jù)挖掘的一些關(guān)鍵點(diǎn)進(jìn)行了研究，尤其是在疾病早期預(yù)警方面。早期預(yù)警系統(tǒng)的目標(biāo)是確定臨床惡化的跡象，并提供嚴(yán)重

2、臨床事件預(yù)警。由于醫(yī)療數(shù)據(jù)往往在高維空間里，充分描述數(shù)據(jù)所需的空間規(guī)模是指數(shù)級(jí)增長(zhǎng)的，計(jì)算量可以大到不切實(shí)際而且數(shù)據(jù)點(diǎn)很稀疏無(wú)法建模。為了解決這些問(wèn)題，我們提出了核密度邏輯回歸混合模型，監(jiān)督度量學(xué)習(xí)等算法對(duì)醫(yī)療數(shù)據(jù)進(jìn)行處理。最后，我們搭建了一個(gè)雙層預(yù)警系統(tǒng)：該系統(tǒng)的第一層從現(xiàn)有的臨床電子病歷數(shù)據(jù)庫(kù)中自動(dòng)識(shí)別有惡化風(fēng)險(xiǎn)的患者。第二層通過(guò)無(wú)線傳感器采集高危患者的實(shí)時(shí)生命體征數(shù)據(jù)并進(jìn)行危險(xiǎn)篩查。我們采用數(shù)據(jù)挖掘技術(shù)這兩個(gè)層面上分析數(shù)據(jù)，給予病

3、人的實(shí)時(shí)分析結(jié)果。論文的主要工作及貢獻(xiàn)如下：
　　1.提出了一種基于密度的邏輯回歸（DLR）分類模型以解決臨床數(shù)據(jù)挖掘算法中的邏輯回歸中非線性分類的問(wèn)題。其主要思想是根據(jù)Nadarays-Watson密度估計(jì)將訓(xùn)練數(shù)據(jù)映射到特定的特征空間，然后組建優(yōu)化模型優(yōu)化特征權(quán)重以及Nadarays-Watson密度估計(jì)算法的寬度。其主要優(yōu)點(diǎn)在于：它不僅優(yōu)于標(biāo)準(zhǔn)的邏輯回歸，而且優(yōu)于基于RBF內(nèi)核的核邏輯回歸（KLR）。特別是與核邏輯回歸分析（

4、KLR）和支持向量機(jī)（SVM）相比，該方法不僅達(dá)到更好的分類精度，而且有更好的時(shí)間效率。該方法的另一個(gè)顯著優(yōu)點(diǎn)是，它可以很自然地?cái)U(kuò)展到數(shù)值類型和分類型混合的數(shù)據(jù)集中。除此之外，該方法在醫(yī)療數(shù)據(jù)挖掘中有模型可解釋的優(yōu)點(diǎn)，這恰恰是其它算法，如核邏輯回歸分析（KLR）和支持向量機(jī)（SVM）所不具備的。
　　2.提出了一種監(jiān)督度量學(xué)習(xí)算法–基于內(nèi)核密度的度量學(xué)習(xí)算法（KernelDensityMetricLearning(KDML)）以解

5、決臨床數(shù)據(jù)挖掘中數(shù)據(jù)特征過(guò)多引起的模型過(guò)擬合問(wèn)題。該算法通用性強(qiáng)，可以提供非線性的，基于概率的距離量度。通過(guò)基于內(nèi)核概率密度估計(jì)，KDML構(gòu)建了一個(gè)從原始空間至目標(biāo)特征空間的直接非線性映射。KDML內(nèi)部嵌入的非線性映射能夠解決線性度量學(xué)習(xí)在數(shù)據(jù)集上分類錯(cuò)誤的問(wèn)題。同時(shí)，該算法解決了當(dāng)特征分布不均時(shí)，歐幾里得距離在原始空間上的量度導(dǎo)致k近鄰分類失效的問(wèn)題。除此之外，算法可以實(shí)現(xiàn)與現(xiàn)有的度量學(xué)習(xí)算法結(jié)合。我們同時(shí)提出了一種綜合的優(yōu)化算法，來(lái)

6、優(yōu)化馬氏矩陣和非線性映射中的超參數(shù)。通過(guò)在數(shù)據(jù)集上的實(shí)驗(yàn)證明KDML能夠顯著提高現(xiàn)有度量算法在k近鄰分類中的分類精度。
　　3.提出了一種新的監(jiān)督學(xué)習(xí)算法-快速通量判別算法（FastFluxDiscriminant，F(xiàn)FD），來(lái)解決大尺度非線性分類問(wèn)題。算法提出了一個(gè)新的子模優(yōu)化框架，通過(guò)分解整個(gè)特征空間的核密度估計(jì)函數(shù)，將原始高維數(shù)據(jù)轉(zhuǎn)化至低維子空間。子空間的特征將被轉(zhuǎn)換，并在新的特征空間進(jìn)行線性建模。與其他基于核算法非線性模型

7、不同，由于原始空間的權(quán)重系數(shù)可知，F(xiàn)FD模型具有可解釋性的優(yōu)點(diǎn)，同時(shí)通過(guò)降維，使得算法的訓(xùn)練和測(cè)試時(shí)間大大縮短。在實(shí)際數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明，該模型在保持高精度的分類結(jié)果的基礎(chǔ)上，具有稀疏性，可解釋性和多尺度性等優(yōu)點(diǎn)。
　　4.提出了一個(gè)應(yīng)用在病房中的早期預(yù)警系統(tǒng)（EarlyWarningSystem），為臨床病人提供早期預(yù)警，從而在病人病情進(jìn)一步惡化之前為醫(yī)生提供早期介入的機(jī)會(huì)。通過(guò)引入Bucketing技術(shù)來(lái)捕捉病人重要體征的

8、變化，并填補(bǔ)病人缺失的數(shù)據(jù)，使得數(shù)據(jù)可以應(yīng)用在實(shí)際的模型中。同時(shí)，我們結(jié)合邏輯回歸，BiasedBucketBagging（解決過(guò)擬合為題），探索性下采樣（解決類間不均衡問(wèn)題）等算法完成系統(tǒng)。此外，在實(shí)時(shí)預(yù)測(cè)系統(tǒng)中，我們引入通過(guò)指數(shù)移動(dòng)平均平滑初級(jí)預(yù)測(cè)結(jié)果，來(lái)較少數(shù)據(jù)波動(dòng)對(duì)模型輸出的影響。
　　5.設(shè)計(jì)了無(wú)線醫(yī)療監(jiān)控系統(tǒng)-臨床監(jiān)測(cè)無(wú)線傳感器網(wǎng)絡(luò)，能夠獲得病人的實(shí)時(shí)醫(yī)療數(shù)據(jù)時(shí)間序列。該系統(tǒng)針對(duì)無(wú)線傳感器網(wǎng)絡(luò)在普通病房布置運(yùn)用的可能性

9、進(jìn)行了深入的臨床實(shí)驗(yàn)?；?02.15.4的無(wú)線Mesh網(wǎng)絡(luò)，TelosB硬件平臺(tái)，針對(duì)病人流動(dòng)性大，醫(yī)療無(wú)線傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)多變性的特點(diǎn)，通過(guò)引入動(dòng)態(tài)中繼協(xié)議（DRAP），收集樹協(xié)議（CTP）來(lái)解決節(jié)點(diǎn)數(shù)據(jù)傳輸和能量限制的問(wèn)題。在醫(yī)院病房中的實(shí)驗(yàn)證明，系統(tǒng)提供了足夠的時(shí)間分辨率以支持臨床突發(fā)事件的監(jiān)測(cè)，實(shí)現(xiàn)了利用無(wú)線傳感器網(wǎng)絡(luò)持續(xù)對(duì)病人監(jiān)護(hù)的預(yù)期目標(biāo)。在此基礎(chǔ)上，我們提出了一種針對(duì)一般的病情惡化的綜合數(shù)據(jù)挖掘算法。通過(guò)提取一階，二階

10、時(shí)間序列特征，去趨勢(shì)波動(dòng)分析（DetrendedFluctuationAnalysis(DFA)），頻譜分析，近似熵（ApproximativeEntropy(ApEn)），時(shí)間序列交叉相關(guān)性分析，整合得到時(shí)間序列的特征集。然后，通過(guò)引入一系列數(shù)據(jù)挖掘方法來(lái)進(jìn)行時(shí)間序列分類，其中包括前向特征選擇，線性和非線性分類算法等。最終，我們將算法應(yīng)用在2001年至2008年不同重癥監(jiān)護(hù)病房病人的數(shù)據(jù)上，結(jié)果顯示文中提出的綜合數(shù)據(jù)挖掘算法能夠顯著提