高維數(shù)據(jù)挖掘技術(shù)在臨床異?，F(xiàn)象識(shí)別中的應(yīng)用研究.pdf

1、由于醫(yī)療領(lǐng)域的特殊性、診療過(guò)程的復(fù)雜性以及醫(yī)患間信息的不對(duì)稱性，臨床診療不合理現(xiàn)象使得醫(yī)患間的矛盾日益加劇。臨床異?，F(xiàn)象指醫(yī)療行為偏離了正常診療路徑，而醫(yī)療行為的不合理現(xiàn)象往往包含在這異?，F(xiàn)象之中，因此，檢測(cè)臨床的異?，F(xiàn)象，從中發(fā)現(xiàn)不合理的醫(yī)療行為，對(duì)規(guī)避違規(guī)現(xiàn)象、解決醫(yī)患矛盾、提高臨床診療質(zhì)量以及構(gòu)建和諧的臨床診療氛圍有著重要的意義。
　　 臨床診療行為檢測(cè)通常是從臨床診療的項(xiàng)目作為切入點(diǎn)，其數(shù)據(jù)特點(diǎn)呈高維現(xiàn)象，論文針對(duì)醫(yī)療領(lǐng)

2、域高維數(shù)據(jù)特點(diǎn)，研究了數(shù)據(jù)挖掘技術(shù)中的高維數(shù)據(jù)孤立點(diǎn)檢測(cè)算法，提出了一種基于最大加權(quán)頻繁模式的異常檢測(cè)算法，通過(guò)對(duì)臨床數(shù)據(jù)進(jìn)行預(yù)處理、最大加權(quán)頻繁模式集發(fā)現(xiàn)、相似性計(jì)算等處理過(guò)程，找出臨床診療過(guò)程中出現(xiàn)的異?，F(xiàn)象。
　　 本文的主要工作如下:
　　 (1)討論了常見(jiàn)的異常檢測(cè)算法，著重研究并分析了高維數(shù)據(jù)中異常數(shù)據(jù)發(fā)現(xiàn)的特點(diǎn)以及難點(diǎn)，同時(shí)介紹了基于頻繁模式算法的異常檢測(cè)技術(shù)。
　　 (2)基于醫(yī)療數(shù)據(jù)的特點(diǎn)，給出

3、了一種醫(yī)療權(quán)值限制的最大加權(quán)頻繁模式挖掘算法(MMWFPA)，采用對(duì)前綴樹(shù)中節(jié)點(diǎn)進(jìn)行加權(quán)以及排序的操作，在保證反單調(diào)性，方便后續(xù)剪枝操作的前提下，有效地挖掘出目標(biāo)最大加權(quán)頻繁模式集。利用得到的模式集給出一個(gè)相似性度量標(biāo)準(zhǔn)，挖掘潛在的異常行為。
　　 (3)探討了藥物用量的衡量方法，利用信息熵理論對(duì)藥物進(jìn)行智能加權(quán)處理，模糊化了藥物的總體藥效，給出一種近似藥物總效用的度量值，作為單個(gè)診療項(xiàng)目，參與臨床異?，F(xiàn)象的計(jì)算與檢測(cè)。