导读:本文包含了医疗数据挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:数据挖掘技术,放射科,医疗管理,潜在作用
医疗数据挖掘论文文献综述
许帮彦,陆建良,吴明英[1]（2019）在《数据挖掘技术在放射科医疗管理中的潜在作用》一文中研究指出随着计算机及网络信息技术的快速发展,数据挖掘技术在放射科医疗管理中得到广泛应用。数据挖掘技术是一项综合性技术,结合信息数据及计算机网络技术,在大数据时代下能够快速、高效提取信息。常用的数据挖掘技术包括数据统计分析、数据采集评估、预测预警模型、互译、指数化等。本文根据医疗管理系统中整理归纳出的大量资料库,采用数据挖掘技术进行统计与分析,从而提取出潜在有价值的信息,预测未来发展趋势。数据挖掘技术用于放射科管理,能够提高管理运行效率,降低管理运行成本,提高放射科管理信息的可靠性,并在放射科人员配置、设备管理、消耗品使用及质量管理中具有重要作用。(本文来源于《中医药管理杂志》期刊2019年18期）
郭彩杏[2]（2019）在《数据挖掘技术在医疗诊断中的应用研究》一文中研究指出近几年,中国糖尿病患者增加的越来越快,已经严重影响国民健康。研究表明亚健康容易诱发糖尿病,糖尿病又经常伴有相关并发症,不及时地预防、治疗会给患者和国家带来沉重的负担。亚健康缺少客观判断规则、糖尿病潜伏期较长,单纯依靠人工诊断是一项很大的工程,给我国医疗体系带来很大压力。因此,利用数据挖掘技术训练智能辅助诊断模型成为当下研究热点。BP(Back Propagation)神经网络和支持向量机(Support Vector Machine,SVM)常用来建立疾病预测模型,但BP网络易陷入局部极值、SVM对参数依赖严重,导致性能不理想。因此,本文以BP网络和SVM为研究对象,分别建立高精度的亚健康和糖尿病诊断模型。具体工作内容和创新点如下:(1)重点介绍了BP网络和SVM的基本原理,并分析了现有的改进方法。(2)采集国家临床医学科学数据中心的糖尿病数据集,完成了数据预处理工作,生成特定格式的训练样本。(3)针对遗传算法(Genetic Algorithm,GA)的早熟问题,提出一种基于概率扰动和半初始化策略改进的GA算法。该算法利用扰动策略增加种群多样性,半初始化从根本上改变个体在全局最优解的比较过程中的局限性。同时,针对BP网络的局部极小化问题,提出一种基于改进GA算法优化的BP算法,并建立亚健康状态诊断模型。实验表明:本文提出的基于改进GA算法和BP神经网络的组合模型效果最好,亚健康分类准确率为96.05%,比传统模型提高了2.83个百分比。(4)针对粒子群算法(Particle Swarm Optimization,PSO)易陷入局部极值、后期震荡严重的问题,提出一种基于动态权重和动量项策略的改进粒子群算法(Improved particle swarm optimization,IPSO)。IPSO算法利用基于距离的动态权重和莱维飞行策略避免过早收敛,引入动量项减缓后期震荡。同时,针对SVM对参数依赖严重的问题,提出一种基于IPSO算法改进的SVM,并训练糖尿病诊断模型。实验表明:本文提出的基于IPSO算法和SVM的组合模型效果最好,对糖尿病的分类准确率为92.74%。(5)基于Java语言和Spring MVC框架,设计并实现了一个智能辅助诊断系统。在该系统中,用户可以登录并自主完成亚健康诊断和糖尿病预判,帮助医生快速诊断,同时也验证了本文算法在实际应用中的可行性。(本文来源于《重庆邮电大学》期刊2019-06-02）
王培勋,李冲,刘晓欢[3]（2019）在《基于医院信息数据挖掘的信息化临床路径在临床医疗费用监控中的应用》一文中研究指出目的:基于信息数据挖掘技术,探讨临床路径在医疗费用监控管理中的应用价值。方法:采用3σ准则和多元线性回归对2014-2015年500例患者的原始诊疗数据进行分析,建立脑梗死、肺癌、慢性肾衰竭和急性心肌梗死4类临床常见疾病的临床路径。将2016-2017年医院接治的608例患者按照疾病诊断相关分类(DRGs)随机分为观察组和对照组,每组304例,观察组在临床路径指导下开展诊疗活动,对照组采用常规诊疗方案。统计分析两组药品费用、耗材费用和医疗费用总额等3项数据的差异性。结果:观察组4类疾病的药品费用均低于对照组,其差异有统计学意义(t=2.197,t=2.971,t=2.711,t=2.224;P<0.05);观察组4类疾病的耗材费用指标均低于对照组,其差异有统计学意义(t=2.120,t=2.477,t=2.323,t=2.654;P<0.05);观察组4类疾病的医疗费用总额指标均低于对照组,其差异有统计学意义(t=3.395,t=3.630,t=2.398,t=4.037;P<0.05)。结论:医院信息数据挖掘可有效指导医疗费用监控,降低患者诊疗相关费用,对减轻患者经济负担和促进医院医疗费用监控管理具有重要意义。(本文来源于《中国医学装备》期刊2019年04期）
陈萌[4]（2019）在《遗传算法的数据挖掘技术在医疗大数据中的应用研究》一文中研究指出由于医疗行业具有较强的复杂性与特殊性,且医疗大数据中的数据信息十分复杂,为了能够对患者病情进行更好地分析与决策,相关部门要发挥医疗大数据的作用,通过应用数据挖掘技术,实现对患者的有效治疗。基于此,本文分析了遗传算法中的数据挖掘技术,研究了其在医疗大数据中的实际应用,旨在为相关研究提供借鉴。(本文来源于《中国管理信息化》期刊2019年08期）
岳根霞[5]（2019）在《基于关联规则的医疗大数据挖掘算法》一文中研究指出针对当前医疗大数据挖掘过程中医疗大数据挖掘效果差的问题,提出一种基于关联规则的医疗大数据挖掘算法,通过对医疗大数据的频繁项集进行查找,产生强关联规则,并对医疗大数据集的平均值和标准差的计算,实现对关联规则的调整,确定医疗大数据属性,构建合适的适应度函数,根据适应度函数值进行选择、交叉、变异操作得到约简的分类属性组合,对约简的分类属性信息熵进行计算,并通过计算期望信息得到分类属性的信息增益,建立决策树挖掘模型,实现医疗大数据挖掘.实验结果表明,所提算法能够有效提高医疗大数据预处理的水平,数据挖掘的效果较好.(本文来源于《微电子学与计算机》期刊2019年04期）
张一宁[6]（2019）在《数据挖掘技术在医疗诊断中的应用——感知机模型诊断心脏病》一文中研究指出时代在进步,信息、科学技术在快速发展,自从步入大数据时代以来,各个领域的信息量以指数形式增多,人们已不满足于使用传统的统计方法来分析复杂繁多的信息,高效地从大数据中提取出真正有价值的信息是各行各业亟需解决的问题,医疗领域也是如此,机器学习方法应运而生,它是一种极其重要的数据挖掘技术。本研究利用感知机机器学习算法来分析心脏相关数据,最终得出受测人是否有心脏病的判断,该系统既可以使受测人本人能及时判断自己是否具有该疾病,也便于医院医生进行辅助诊断。(本文来源于《电子制作》期刊2019年04期）
吕恒勇,李心蕊,朱宏亮,王慧泉[7]（2018）在《医疗设备档案数据挖掘研究》一文中研究指出整理归纳医院现有医疗设备档案信息,与其中医疗设备全生命周期过程管理信息、医院信息系统(HIS)中涉及医疗设备的诊疗信息相结合,运用数据挖掘方法,建立医疗设备购置前既往设备数据层次比较回归模型,建立了一种可量化的增置同类医疗设备的指标评估体系,整合档案资源,提高档案管理水平。(本文来源于《生物医学工程研究》期刊2018年04期）
眭璐[8]（2018）在《数据挖掘技术在职工基本医疗保险审计中的应用研究》一文中研究指出职工基本医疗保障制度是我国社会保障制度的重要组成部分,关乎社会的稳定与发展。随着我国医疗体系的不断完善,医疗保险不断增员扩面,多层次、广覆盖的医疗保障制度正为国民提供更好的医疗资源和医疗服务。与此同时,伴随着全球信息化的进程,形成了海量的医疗数据,既包含了资金数据,也有就诊人信息、医疗机构信息、处方信息等相关数据信息,而这些相关信息未被全部利用。本文在介绍数据挖掘、数据挖掘审计概念及国内外研究现状的基础上,明确了研究职工基本医疗保险数据挖掘审计的目的与意义。通过C市职工基本医疗保险数据挖掘审计实例,利用SQL Server2008 R2及SPSS Modeler软件,将数据挖掘审计的具体环节一一展现;并在数据基本分析的基础上,利用CHAID决策树及K-Means聚类模型,深度提炼职工基本医疗保险数据中所蕴含的规律,总结出骗保人群特征;最终在大大降低审计风险、提高审计质量和效率的同时,提出了完善医疗数据、强化医疗机构管理、提升医疗服务的公平性、安全性等方面的审计建议,并得到了可重复用于职工基本医保审计的数据流和数据模型,总结出数据挖掘审计较传统审计模式的优势。本文的主要工作概括为以下几点:1.介绍医疗保险数据挖掘及数据挖掘审计的国内外研究现状,并指出研究的必要性。2.列举所采用的内部控制审计方法及数据审计方法。3.调查职工基本医疗保险现行的内部控制制度并绘制相关流程图。4.采集相关单位数据,利用SQL Server2008 R2软件导入,并使用结构化查询语句完成数据的清洗及整理,生成审计中间表。5.利用SPSS Modeler软件进行数据审核,同时依据审计目标绘制并运行相关数据流,并借助CHAID决策树及K-Means聚类模型进行数据分析,最终确定审计疑点,得出审计结论。6.综合评价与分析审计结果。(本文来源于《南京邮电大学》期刊2018-11-14）
王若佳,魏思仪,赵怡然,王继民[9]（2018）在《数据挖掘在健康医疗领域中的应用研究综述》一文中研究指出健康医疗领域的数据挖掘与知识服务已成为健康医疗大数据产业发展的核心需求之一,数据挖掘作为知识提取的关键技术近年来受到较多关注。文章首先对数据挖掘常用于健康医疗领域的模型与算法进行了梳理与说明;然后分别综述了该技术在辅助完成医疗任务、合理管理医疗资源、改进健康信息服务叁大方面的应用现状,并归纳了每方面涉及到的细分应用领域、算法及代表性论文;此外,数据挖掘技术在健康医疗领域中的应用局限和问题也不容忽视,文章按照数据采集、数据预处理、算法选择和结果评估的顺序对现有研究中提到的不足进行总结;最后,提出了数据来源多样化,电子病历挖掘语义化,与云计算、人工智能等领域共同发展的叁个未来研究方向。(本文来源于《图书情报知识》期刊2018年05期）
魏志杰,金涛,王建民[10]（2018）在《基于临床数据挖掘的医疗过程异常发现方法及应用》一文中研究指出为了如何充分挖掘数据本身的信息来合理抽象医疗过程,发现可解释的、定位更准确的医疗异常,在考虑医疗数据的语义、次序和频率信息的基础上,提出一种改进的医疗过程异常发现方案。假设大多数医生按正常程序诊疗,只有少数异常。首先利用LDA主题模型对诊疗活动进行主题聚类,得到患者每天的诊疗主题分布;然后,基于此分布利用K-means++对天进行聚类,以聚类结果标识患者的每一天;最后,以天为单位利用IMi挖掘到的过程模型作为大多数患者遵循的诊疗过程,通过基于对齐的合规性检查发现异常行为的位置和异常程度。实验结果表明,所提方案能够得到可解释的、定位更准确的医疗异常,可以辅助医保审查。(本文来源于《计算机集成制造系统》期刊2018年07期）
医疗数据挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近几年,中国糖尿病患者增加的越来越快,已经严重影响国民健康。研究表明亚健康容易诱发糖尿病,糖尿病又经常伴有相关并发症,不及时地预防、治疗会给患者和国家带来沉重的负担。亚健康缺少客观判断规则、糖尿病潜伏期较长,单纯依靠人工诊断是一项很大的工程,给我国医疗体系带来很大压力。因此,利用数据挖掘技术训练智能辅助诊断模型成为当下研究热点。BP(Back Propagation)神经网络和支持向量机(Support Vector Machine,SVM)常用来建立疾病预测模型,但BP网络易陷入局部极值、SVM对参数依赖严重,导致性能不理想。因此,本文以BP网络和SVM为研究对象,分别建立高精度的亚健康和糖尿病诊断模型。具体工作内容和创新点如下:(1)重点介绍了BP网络和SVM的基本原理,并分析了现有的改进方法。(2)采集国家临床医学科学数据中心的糖尿病数据集,完成了数据预处理工作,生成特定格式的训练样本。(3)针对遗传算法(Genetic Algorithm,GA)的早熟问题,提出一种基于概率扰动和半初始化策略改进的GA算法。该算法利用扰动策略增加种群多样性,半初始化从根本上改变个体在全局最优解的比较过程中的局限性。同时,针对BP网络的局部极小化问题,提出一种基于改进GA算法优化的BP算法,并建立亚健康状态诊断模型。实验表明:本文提出的基于改进GA算法和BP神经网络的组合模型效果最好,亚健康分类准确率为96.05%,比传统模型提高了2.83个百分比。(4)针对粒子群算法(Particle Swarm Optimization,PSO)易陷入局部极值、后期震荡严重的问题,提出一种基于动态权重和动量项策略的改进粒子群算法(Improved particle swarm optimization,IPSO)。IPSO算法利用基于距离的动态权重和莱维飞行策略避免过早收敛,引入动量项减缓后期震荡。同时,针对SVM对参数依赖严重的问题,提出一种基于IPSO算法改进的SVM,并训练糖尿病诊断模型。实验表明:本文提出的基于IPSO算法和SVM的组合模型效果最好,对糖尿病的分类准确率为92.74%。(5)基于Java语言和Spring MVC框架,设计并实现了一个智能辅助诊断系统。在该系统中,用户可以登录并自主完成亚健康诊断和糖尿病预判,帮助医生快速诊断,同时也验证了本文算法在实际应用中的可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
医疗数据挖掘论文参考文献
[1].许帮彦,陆建良,吴明英.数据挖掘技术在放射科医疗管理中的潜在作用[J].中医药管理杂志.2019
[2].郭彩杏.数据挖掘技术在医疗诊断中的应用研究[D].重庆邮电大学.2019
[3].王培勋,李冲,刘晓欢.基于医院信息数据挖掘的信息化临床路径在临床医疗费用监控中的应用[J].中国医学装备.2019
[4].陈萌.遗传算法的数据挖掘技术在医疗大数据中的应用研究[J].中国管理信息化.2019
[5].岳根霞.基于关联规则的医疗大数据挖掘算法[J].微电子学与计算机.2019
[6].张一宁.数据挖掘技术在医疗诊断中的应用——感知机模型诊断心脏病[J].电子制作.2019
[7].吕恒勇,李心蕊,朱宏亮,王慧泉.医疗设备档案数据挖掘研究[J].生物医学工程研究.2018
[8].眭璐.数据挖掘技术在职工基本医疗保险审计中的应用研究[D].南京邮电大学.2018
[9].王若佳,魏思仪,赵怡然,王继民.数据挖掘在健康医疗领域中的应用研究综述[J].图书情报知识.2018
[10].魏志杰,金涛,王建民.基于临床数据挖掘的医疗过程异常发现方法及应用[J].计算机集成制造系统.2018