醫(yī)療影像數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)若干問(wèn)題研究.pdf

1、近年來(lái),醫(yī)療影像科室積累了大量的業(yè)務(wù)數(shù)據(jù)。一方面,如何快速有效地檢索信息開(kāi)展科研教學(xué),成為臨床醫(yī)生所關(guān)心的重點(diǎn),因此研究自動(dòng)分類(lèi)、全文檢索技術(shù)來(lái)改進(jìn)傳統(tǒng)的數(shù)據(jù)庫(kù)結(jié)構(gòu)化查詢(xún)有著十分重要的意義。另一方面,如何構(gòu)建數(shù)據(jù)倉(cāng)庫(kù),進(jìn)行多維數(shù)據(jù)分析,并開(kāi)展數(shù)據(jù)挖掘應(yīng)用,輔助決策,已成為領(lǐng)導(dǎo)所關(guān)心的重點(diǎn)。論文圍繞上述需求展開(kāi)如下研究:
　　1.基于GM(1,1)灰色預(yù)測(cè)模型的醫(yī)療設(shè)備績(jī)效研究:(1)建立數(shù)據(jù)倉(cāng)庫(kù),采用醫(yī)療設(shè)備績(jī)效關(guān)鍵指標(biāo)法及雷達(dá)圖

2、表示方法,提供直觀(guān)的數(shù)據(jù)展示及OLAP分析。(2)搭建設(shè)備檢查量GM(1,1)模型,實(shí)現(xiàn)設(shè)備檢查量預(yù)測(cè)。(3)建立盈虧平衡模型,實(shí)現(xiàn)設(shè)備效益數(shù)據(jù)分析,為決策者提供直觀(guān)的、深層的統(tǒng)計(jì)圖表數(shù)據(jù)。
　　2.基于樸素貝葉斯算法的疾病自動(dòng)分類(lèi)研究:針對(duì)醫(yī)療疾病自動(dòng)分類(lèi)和醫(yī)療檢查報(bào)告分級(jí)檢索這兩個(gè)問(wèn)題展開(kāi)深入研究。采用k-means算法對(duì)醫(yī)療疾病信息進(jìn)行聚類(lèi),在此基礎(chǔ)上利用改進(jìn)的樸素貝葉斯分類(lèi)器,實(shí)現(xiàn)對(duì)疾病的準(zhǔn)確分類(lèi),最后利用.Net技術(shù)實(shí)現(xiàn)

3、醫(yī)療檢查報(bào)告信息的分級(jí)檢索。
　　3.基于倒排索引的全文檢索技術(shù)研究及應(yīng)用:(1)探討了信息檢索、搜索引擎Lucene、中文分詞等技術(shù)以及其應(yīng)用性能測(cè)試、正向索引和倒排索引模式等問(wèn)題。(2)在分析正向索引與倒排索引的檢索性能差異基礎(chǔ)上,重點(diǎn)研究了倒排索引的查詢(xún)優(yōu)化技術(shù)。(3)利用.NET技術(shù)設(shè)計(jì)實(shí)現(xiàn)了對(duì)醫(yī)療疾病信息和檢查報(bào)告表進(jìn)行全文檢索的應(yīng)用系統(tǒng),并由檢查報(bào)告表關(guān)聯(lián)到醫(yī)療會(huì)診表、隨訪(fǎng)表,從而輔助醫(yī)生進(jìn)行醫(yī)療診斷。(4)將全文檢索