基于網(wǎng)格的醫(yī)學(xué)數(shù)據(jù)分析技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著數(shù)字化醫(yī)學(xué)數(shù)據(jù)分析技術(shù)的發(fā)展，來自臨床診療、科研教學(xué)等方面的強(qiáng)烈需求，促使醫(yī)學(xué)數(shù)據(jù)分析技術(shù)一直是研究的熱點(diǎn)課題。而專門針對職業(yè)病中典型疾病建立有效的預(yù)測模型成為急需解決的問題。目前國內(nèi)外針對典型職業(yè)病主要采用通用型數(shù)據(jù)分析方法，建模分析結(jié)合疾病特點(diǎn)能力較差、預(yù)測精度低。同時每天都在各醫(yī)院中產(chǎn)生大量醫(yī)療數(shù)據(jù)，數(shù)據(jù)處理利用率低、資源整合力差。 針對上述情況，醫(yī)學(xué)主觀導(dǎo)向分析系統(tǒng)MedicalSAS(Medical Subject

2、ive Analysis System)將醫(yī)學(xué)數(shù)據(jù)分析技術(shù)同網(wǎng)格環(huán)境相結(jié)合，利用網(wǎng)格平臺資源整合、高性能計算的優(yōu)勢，通過建立四大類通用數(shù)據(jù)分析模型和專有組合預(yù)測模型，實(shí)現(xiàn)了針對典型疾病的預(yù)測。針對典型疾病，給出了指數(shù)平滑-神經(jīng)網(wǎng)絡(luò)(ES-BP)和模糊C均值聚類-神經(jīng)網(wǎng)絡(luò)(FCM-BP)等組合建模預(yù)測方法，通過將指數(shù)平滑和模糊C均值聚類建模輸出分別作為BP網(wǎng)絡(luò)輸入，構(gòu)造自學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)對患者未來得病情況做預(yù)測。同時基于網(wǎng)格平臺，實(shí)現(xiàn)了數(shù)據(jù)

3、分析算法的服務(wù)封裝部署和服務(wù)請求調(diào)度，提供了從數(shù)據(jù)預(yù)處理、模型訓(xùn)練評估到模型結(jié)果可視化的流程操作，使用簡單且具有良好的可擴(kuò)展性。 系統(tǒng)功能測試與算法性能測試表明，基于傳統(tǒng)數(shù)據(jù)分析方法實(shí)現(xiàn)的ES-BP、FCM-BP組合預(yù)測模型能較好的克服單獨(dú)建模時的缺陷，并能結(jié)合疾病數(shù)據(jù)特征，綜合各致病因子對工人未來得病情況進(jìn)行預(yù)測。組合模型預(yù)測精度均高于Weka系統(tǒng)中單獨(dú)建模預(yù)測精度，在矽肺、高血壓疾病中針對工人是否得病、得病年齡等預(yù)測中取得了較好