基于數(shù)據(jù)挖掘技術(shù)的醫(yī)療影像檢查量預(yù)測.pdf

1、一種新的揭示數(shù)據(jù)關(guān)系的數(shù)據(jù)分析技術(shù)——數(shù)據(jù)挖掘技術(shù)應(yīng)用到醫(yī)療影像信息系統(tǒng)中能夠給醫(yī)院管理者提供感興趣的信息或相關(guān)知識，其中預(yù)測是數(shù)據(jù)挖掘中的重點內(nèi)容之一。本文在了解數(shù)據(jù)挖掘的技術(shù)背景、在醫(yī)療領(lǐng)域研究應(yīng)用情況以及當前典型的檢查量預(yù)測算法基礎(chǔ)上，分析當前最具代表性的預(yù)測算法在影像檢查量預(yù)測中存在的問題。主要完成以下幾個方面的研究工作：
　　（1）優(yōu)化改進傳統(tǒng)預(yù)測算法GM（1,1）模型參數(shù)。采用量子遺傳算法對GM（1,1）模型參數(shù)進行優(yōu)

2、化，克服傳統(tǒng)的灰色GM（1,1）模型存在邊值問題和最小二乘法參數(shù)估計問題。通過對某大型醫(yī)院2005年到2012年影像檢查量的模型擬合及預(yù)測效果比較，發(fā)現(xiàn)基于量子遺傳算法的GM（1,1）優(yōu)化模型能夠在影像檢查量的預(yù)測中取得更高的精度。
　?。?）研究關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)在患者檢查信息中的應(yīng)用。運用Apriori算法對國內(nèi)某大型醫(yī)院2005年1月至2012年12月患者檢查記錄進行分析研究，挖掘影響影像檢查量的潛在因素。獲得CT檢查量的

3、影響因素有：①患者年齡大于70歲、②住院患者、③患有呼吸系統(tǒng)疾病的患者、④患有神經(jīng)系統(tǒng)疾病的患者。
　　（3）提出了一種新的影像檢查量預(yù)測模型——灰色向量機預(yù)測模型（GSVR）。該模型結(jié)合了灰色預(yù)測模型只需少量數(shù)據(jù)的優(yōu)點和回歸型支持向量機可以非線性映射的特點，實例證實了它在預(yù)測影像檢查量中的可行性，且預(yù)測結(jié)果優(yōu)于支持向量機和GM（1,N）模型。
　　醫(yī)療影像信息系統(tǒng)中蘊含大量的隱性信息和知識。本文運用數(shù)據(jù)挖掘技術(shù)對醫(yī)療影像檢