【摘要】：我國醫(yī)院正處于從數(shù)字化醫(yī)院向智慧醫(yī)院的轉(zhuǎn)型階段,使其形成智能化的診療和管理模式。而人工智能是實(shí)現(xiàn)此模式的核心技術(shù)之一。目前,大部分醫(yī)院基本的信息化建設(shè)已經(jīng)完成,但是信息系統(tǒng)中的數(shù)據(jù)只是簡單地保存或查詢,數(shù)據(jù)的潛在價(jià)值未被發(fā)掘。為此,國家出臺(tái)大量的政策為“互聯(lián)網(wǎng)+醫(yī)療健康”賦能,加快建設(shè)區(qū)域醫(yī)療信息共享平臺(tái),加強(qiáng)臨床數(shù)據(jù)的整合和共享,應(yīng)用數(shù)據(jù)挖掘、人工智能等新興技術(shù)對(duì)醫(yī)療數(shù)據(jù)進(jìn)行分析,挖掘數(shù)據(jù)的潛在價(jià)值,為公民提供高水平的醫(yī)療健康服務(wù)。針對(duì)醫(yī)院信息系統(tǒng)中的門診病歷及處方信息進(jìn)行挖掘,本文提出基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚類和最大熵的KNN(k-Nearest Neighbor)方法為患者進(jìn)行疾病預(yù)測,提出基于疾病診療本體的規(guī)則、案例及混合推薦模型為患者進(jìn)行處方推薦。主要研究內(nèi)容有:1.基于電子病歷分析的疾病預(yù)測方法。相比特定目標(biāo)的預(yù)測模型,針對(duì)患者相似性組的預(yù)測更具普適性,采用KNN算法對(duì)患者進(jìn)行疾病預(yù)測。一方面,針對(duì)海量病歷數(shù)據(jù),將DBSCAN聚類算法引入到數(shù)據(jù)挖掘過程中,裁剪相似度高的樣本,精簡樣本集,并減少算法計(jì)算時(shí)間。另一方面,使用最大熵的距離計(jì)算公式來計(jì)算兩個(gè)樣本之間的距離,避免了使用加權(quán)歐氏距離衡量樣本相似度主觀的影響。最后,通過實(shí)驗(yàn)驗(yàn)證了本文提出的算法具有較高準(zhǔn)確度。2.基于大數(shù)據(jù)分析的處方推薦方法。在傳統(tǒng)推薦算法的基礎(chǔ)上,構(gòu)建疾病診療領(lǐng)域本體庫,采用基于疾病診療本體的規(guī)則、案例和混合推薦的方法實(shí)現(xiàn)處方推薦。為構(gòu)建疾病診療領(lǐng)域本體,將電子病歷中的疾病、癥狀、藥品等概念及聯(lián)系表示出來。并據(jù)此構(gòu)建基于規(guī)則、案例和混合推理的處方推薦模型。最后通過實(shí)驗(yàn)驗(yàn)證了本文提出的推薦方法具有較高準(zhǔn)確性。本文采用基于DBSCAN聚類和最大熵的KNN算法來對(duì)患者進(jìn)行疾病預(yù)測,通過實(shí)驗(yàn)證實(shí)本文提出的方法比傳統(tǒng)的基于樹的快速搜索KNN算法更準(zhǔn)確。采用基于本體的規(guī)則、案例和混合推理方法,通過實(shí)驗(yàn)證實(shí)本文提出的基于本體的處方推薦方法比傳統(tǒng)的基于協(xié)同過濾的推薦方法的準(zhǔn)確性高。
【學(xué)位授予單位】：河南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R-05;TP391.3
【圖文】：

第 2 章 相關(guān)技術(shù)概述第 2 章 相關(guān)技術(shù)概述2.1 引言傳統(tǒng)的數(shù)據(jù)處理面對(duì)的是簡單的數(shù)據(jù)類型，隨著信息技術(shù)的發(fā)展，信息的種類越來越多，分析與挖掘已經(jīng)不僅僅局限于數(shù)字、字符串等簡單數(shù)據(jù)類型，需要對(duì)整個(gè)信息塊的內(nèi)在特征進(jìn)行提取，然后對(duì)提取出來的信息進(jìn)行分析挖掘，從而更好地提供決策與支持。數(shù)據(jù)挖掘是根據(jù)目標(biāo)，從海量的數(shù)據(jù)中提取相關(guān)數(shù)據(jù)，從而形成數(shù)據(jù)模型或發(fā)現(xiàn)知識(shí)的過程[23]。數(shù)據(jù)挖掘的過程[24]如圖 2-1 所示。

圖 2-2 醫(yī)院網(wǎng)絡(luò)拓?fù)鋱DFig. 2-2 Network topology map of hospital2.3.2 醫(yī)院信息系統(tǒng)組成結(jié)構(gòu)如圖 2-3 所示是永城市中心醫(yī)院的信息化系統(tǒng)的組成結(jié)構(gòu)圖，這里將永城市中心醫(yī)院的系統(tǒng)分為兩類，即臨床護(hù)理系統(tǒng)和管理決策系統(tǒng)。下面依次介紹這兩類系統(tǒng)中的重要組成部分。門診醫(yī)生工作站是針對(duì)門診醫(yī)生的診療行為而設(shè)計(jì)的，在門診醫(yī)生工作站中醫(yī)生可根據(jù)患者的身份信息查看患者的歷史就診記錄，幫助醫(yī)生更好地對(duì)患者進(jìn)行診治；開醫(yī)囑時(shí)，可填入項(xiàng)目的漢字拼音首字母或項(xiàng)目編碼，系統(tǒng)會(huì)快速地關(guān)聯(lián)相關(guān)項(xiàng)目，幫助醫(yī)生快速地開處方；門診醫(yī)生也可以查看本科室或全院總結(jié)的疾病治療模板，當(dāng)出現(xiàn)相似病情的患者時(shí)，醫(yī)生可快速地將模板引入到當(dāng)前患者的處方中，幫助醫(yī)生提高自身業(yè)務(wù)水平和能力。財(cái)務(wù)管理系統(tǒng)能夠根據(jù)查詢條件，查詢出特定時(shí)間段內(nèi)的醫(yī)院的各項(xiàng)財(cái)務(wù)指標(biāo)及醫(yī)院的運(yùn)營情況，實(shí)現(xiàn)透明化的醫(yī)院財(cái)務(wù)機(jī)制。管理者可根據(jù)不同時(shí)間段內(nèi)

臨床輔助決策支持系統(tǒng)能夠?yàn)獒t(yī)生的臨床診療行為提供支持，詳細(xì)記錄具體疾病的病因、病癥、適應(yīng)癥及采取的治療方法等，具體癥狀的詳細(xì)特征及相似癥狀的特征等。能夠幫助醫(yī)生快速地查找想了解的專業(yè)知識(shí)及醫(yī)療解決方案等。住院護(hù)士工作站能夠?qū)︶t(yī)生發(fā)送的醫(yī)囑進(jìn)行審核，審核過沒有錯(cuò)誤的醫(yī)囑發(fā)送到藥房、檢查檢驗(yàn)科室等，然后患者去這些科室進(jìn)行取藥、檢查、檢驗(yàn)等。護(hù)士可以通過護(hù)士工作站登記患者的體溫、脈搏、心率等患者的臨床生命體征，還可以對(duì)患者床位費(fèi)、取暖費(fèi)等本科室收費(fèi)項(xiàng)目進(jìn)行管理。護(hù)士工作站作為臨床系統(tǒng)中除醫(yī)生工作站之外最重要的組成部分，詳細(xì)記錄著患者的各項(xiàng)重要醫(yī)療數(shù)據(jù)，為數(shù)據(jù)挖掘工作提供數(shù)據(jù)基礎(chǔ)。當(dāng)然，醫(yī)院信息化管理系統(tǒng)的組成并非只包含圖中所列出的這些系統(tǒng)，還有病案管理系統(tǒng)、用戶 app、供應(yīng)室管理系統(tǒng)等。這些系統(tǒng)的運(yùn)行產(chǎn)生大量的數(shù)據(jù)，其中有價(jià)值的信息沒有被挖掘，造成了數(shù)據(jù)資源的浪費(fèi)，對(duì)這些數(shù)據(jù)進(jìn)行挖掘，進(jìn)而為醫(yī)院、醫(yī)療行業(yè)貢獻(xiàn)力量。

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

2 張世東;;推薦算法概述[J];科技傳播;2019年04期

3 張艷紅;諶頏;;基于標(biāo)簽的自助教育資源推薦算法研究[J];現(xiàn)代信息科技;2019年12期

4 李欣鞠;;個(gè)性化推薦算法下的“信息繭房”效應(yīng)研究——以“天天快報(bào)”為例[J];西部廣播電視;2019年13期

5 陳軍;謝衛(wèi)紅;陳揚(yáng)森;;國內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動(dòng)態(tài)研究[J];中國科技論壇;2018年01期

6 向洋樂;;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購物推薦算法應(yīng)用研究[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年04期

7 喻國明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進(jìn)階重點(diǎn)[J];山東社會(huì)科學(xué);2018年03期

8 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年20期

9 劉濤;劉佐;;一種面向新文章的個(gè)性化推薦算法研究[J];控制工程;2018年06期

10 汪海鵬;鄭揚(yáng)飛;;基于特征值的律師推薦算法及改進(jìn)方案[J];計(jì)算機(jī)與現(xiàn)代化;2018年10期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評(píng)分的基于二部圖的推薦算法[A];第十七屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2015年

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號(hào)：2822948