【摘要】：隨著醫(yī)學(xué)信息化的發(fā)展,越來越多的人將目光放在了電子病歷數(shù)據(jù)的研究中。人們希望從大量電子病歷數(shù)據(jù)中發(fā)現(xiàn)蘊含的疾病模式,從而幫助疾病的診斷與疾病的治療。乳腺癌是最常見的惡性腫瘤之一,因此對乳腺癌臨床數(shù)據(jù)進行分析并發(fā)現(xiàn)其中的規(guī)律,將對乳腺癌患者的治療與預(yù)后有非常重要的意義。本文從相似病人群組和治療方案設(shè)計兩個方面出發(fā),采用相應(yīng)的可視分析方法與預(yù)測模型搭建了系統(tǒng)。為了探索群組中的模式,本文設(shè)計了相似病人群組可視分析,通過群組之間的比較進行關(guān)聯(lián)特征的探索。用戶可以選擇患者檢查報告中的特征,根據(jù)散點圖選擇合適的降維算法與聚類算法,其次通過南丁格爾圖與群組比較圖、詞云、時間軸等可視化手段分析不同群組之間特征的區(qū)別與關(guān)聯(lián)。通過具體案例分析了群組之間的規(guī)律,驗證了本文的方法可以幫助用戶發(fā)現(xiàn)數(shù)據(jù)中的關(guān)聯(lián)。為了設(shè)計治療方案,本文定義了基于屬性相關(guān)性的可視分析,能夠探索屬性相關(guān)性并基于此得到治療方案,輔助用戶術(shù)前決策。平行坐標(biāo)允許用戶自主探索屬性相關(guān)性,矩陣熱力圖展示預(yù)測模型訓(xùn)練得到的特征權(quán)重,預(yù)測模型采用SVM模型,預(yù)測結(jié)果通過分類圖展示。最后通過分析屬性相關(guān)性,探索治療方案結(jié)果,可以輔助用戶術(shù)前決策。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R197.323;TP311.13
【圖文】：

ＩＤＦ［ｎ］，可視化形式最常見的有“標(biāo)簽云（Ｔａｇ－ｄｏｕｄ）［１２］，，，標(biāo)簽云是通過排列展示逡逑單詞規(guī)律，通過字體大小展示單詞的重要性。從最初的行排列到后來利用字體間逡逑隙，使布局變得更加合理的ＷｏｒｄｌｅＭ出現(xiàn)，可視化結(jié)果越來越美觀，如圖１．２所逡逑示�；冢祝铮颍洌欤澹宥。ィ埽叮ǎ�0［１４］允許用戶從顏色、單詞形狀等方面自定義生成詞云，逡逑Ｓｅｉｆｅｒｔ等［１５］也提出了自定義外形的標(biāo)簽云算法，ＭａｎｉＷｏｒｄｌｅ［Ｉ６］在Ｗｏｒｄｌｅ基礎(chǔ)上逡逑允許用戶對標(biāo)簽云進行編輯，可以個性定制可視化結(jié)果�；谠~匯分布的可視化逡逑主要用于檢索詞匯分布情況，ＴｉｌｅＢａｒＳ［１Ｔｌ通過矩形條的灰度展示段落等文本單元逡逑中查詢詞的分布，使用戶快速了解文本內(nèi)容的相關(guān)性。逡逑ｍ逡逑翁逡逑圖１．２Ｗｏｒｄｌｅ圖片來源［１３］逡逑１．２．３．２基于文本關(guān)系的可視化逡逑基于文本關(guān)系的可視化關(guān)注于文本之間或文本內(nèi)部的相關(guān)性，根據(jù)不同需求逡逑有不同的可視化手段，常用的有樹狀圖和網(wǎng)絡(luò)圖。基于文本內(nèi)在關(guān)系的可視化逡逑主要有Ｇｒｏｂｅｌｉｎｋ提出的Ｃｏｎｔｅｘｔｅｒ［１８］

第１章緒論逡逑注于語義層面的實體關(guān)系；ＳｅｎｔｅｎＴｒｅｅＰＷ將詞語表示為節(jié)點，將詞語的共線關(guān)系逡逑用連接表示，可以保留句子的關(guān)系，如圖１．３所示。逡逑ｓｅｗｅ？邋ｓｃｏｒｅ．，Ｅ．：；．．00ａ｜邋ｗ？ｉｄｃｕＢ邋立邋＃ｂｒａｚｉｌ．．：．；＾邋ｗａｔｃｈｉｎｇ邋令：ｗａｔｃｈ邋Ｅ逡逑＾邐一邐一—邐ｌｉｋｅ邋＾逡逑二邋ｎｅｙｍａｒ邋三逡逑：ｇａｍｅ邋．ｗｏｄｄ．ｃ＜ｉｐ．ｔｏ？ｉｓＷ．ｗａｌｔｐｒａｄｍｓｍ？｜ｏｏｏｏ0ｆｆ邋二．：．：．．’ｓｏｃｃｗ＊＊逡逑ｋｒｕ？逡逑圖１．３利用ＳｅｎｔｅｎＴｒｅｅ對２０１４年世界杯進球時的ｔｗｉｔｔｅｒ數(shù)據(jù)的可視化［２Ｑ］逡逑基于文本外在關(guān)系的可視化主要關(guān)注于文本間的引用關(guān)系、文本主題的隱含逡逑關(guān)系等。文本間的引用關(guān)系通常用網(wǎng)絡(luò)圖表現(xiàn)，比如文本表示為網(wǎng)絡(luò)節(jié)點，引用逡逑關(guān)系表示為有向線段［２１］，ｚｈａｎｇ［２２］用ＦＰ－ｔｒｅｅ［２３：ｌ的結(jié)構(gòu)展示了文獻之間的引用關(guān)系，逡逑Ｃｉｔｅ２ｖｅＣＰ４：！基于詞嵌入模型將文檔間的引用關(guān)系映射到二維平面中，以此探究文本逡逑集的用途。更多的可視化應(yīng)用場景為文本之間的主題關(guān)系，通常要經(jīng)過聚類算法逡逑將文本主要特征內(nèi)容提取出來用于表示文本，再用降維技術(shù)處理文本特征向量使逡逑其在二維或三維空間呈現(xiàn)，一般使用的可視化技術(shù)是文本地圖。例如ＰｒｏｊＣｌｏｕｄ［２５］逡逑利用聚類算法將文本聚類后形成了不重疊的文本區(qū)域

【參考文獻】

相關(guān)期刊論文 前8條

1 ;中國抗癌協(xié)會乳腺癌診治指南與規(guī)范(2015版)[J];中國癌癥雜志;2015年09期

2 李曉峰;楊春山;王雪梅;丁樹春;;基于BP神經(jīng)網(wǎng)絡(luò)的乳腺癌患者存活概率的預(yù)測分析[J];計算機系統(tǒng)應(yīng)用;2014年05期

3 莫培興;;醫(yī)院信息化建設(shè)過程中存在的問題與對策分析[J];中國管理信息化;2012年14期

4 金強;高普中;;人工神經(jīng)網(wǎng)絡(luò)在乳腺癌診斷中的應(yīng)用[J];計算機仿真;2011年06期

5 俞星飛;楊紅健;孟旭莉;鄭亞兵;鄒德宏;何向明;封偉亮;方群英;;1213例乳腺癌患者預(yù)后的神經(jīng)網(wǎng)絡(luò)模型分析[J];中國腫瘤;2010年12期

6 徐廬生;;近十年來醫(yī)院信息化的發(fā)展[J];中國醫(yī)療器械信息;2010年03期

7 付云;;我國醫(yī)院信息化現(xiàn)狀分析及發(fā)展對策[J];醫(yī)學(xué)信息;2010年03期

8 黃志澄;給數(shù)據(jù)以形象　給信息以智能　數(shù)據(jù)可視化技術(shù)及其應(yīng)用展望[J];電子展望與決策;1999年06期

本文編號：2739579