冠心病中医诊疗临床数据的仓储和挖掘

论文摘要

冠心病是常见的一种心脏病,是影响人民群众身体健康的重大疾病之一,死于冠心病的人数在各种疾病中位居第三。由此可见,研究如何提高冠心病的诊治能力将是非常有意义的。近几年,人们发现中医对冠心病治疗具有独特的疗效。目前,中医对冠心病的诊断主要依赖于医生的经验和个人水平,而中医药专家在诊治冠心病的临床实践中,积累了大量临床资料,如果能利用智能信息技术从已积累的临床资料中提炼出蕴含的信息,并结合已有的中医辨证准则,将有助于分析挖掘冠心病的中医诊疗临床规律,以达到辨证施治的目的。基于这种现状,本文在通过研究现有冠心病诊疗采集系统的基础上,主要开展了以下研究工作:(1)根据中医研究的特点和分析需要,建立了关于冠心病中医临床诊疗数据的数据仓库(HISDW),并在此基础上进行了数据预处理和OLAP方法分析。本文主要介绍了HISDW的建立、数据模型的选择、数据挖掘总体结构设计、数据预处理方法和冠心病中医临床信息多因素组合分析方法等内容。(2)针对冠心病中医药诊疗的自身特点,本文对于研究中采用的关联规则算法进行了改进,利用最小提升率代替最小支持率来进行数据挖掘。实验结果表明,基于最小提升率的关联规则更适用于冠心病中医诊疗临床数据的挖掘。上述工作对于冠心病中医诊疗临床数据的仓储和分析挖掘具有积极的促进作用,并为进一步探索冠心病中医诊疗临床规律奠定了基础。同时,本文对于今后研究工作指出了若干可行的研究方向。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 相关领域
• 1.2.1 关于中医
• 1.2.2 相关领域研究现状
• 1.3 论文组织
• 1.4 本章小结
• 第2章 数据仓库和 OLAP分析
• 2.1 数据仓库介绍
• 2.2 数据仓库中的数据组织
• 2.2.1 粒度和数据分区
• 2.2.2 数据仓库的数据组织
• 2.3 数据仓库的总体结构
• 2.4 数据仓库的实现策略
• 2.5 数据仓库中的数据分析工具
• 2.6 OLAP分析
• 2.6.1 OLAP的概念
• 2.6.2 OLAP的基本操作
• 2.7 OLAP系统的体系结构和分类
• 2.8 OLAP与数据仓库
• 2.9 本章小结
• 第3章 数据挖掘概述
• 3.1 数据挖掘概述
• 3.1.1 数据挖掘的概念
• 3.1.2 数据挖掘的发展
• 3.2 KDD的处理过程
• 3.3 数据挖掘的任务
• 3.4 数据挖掘常用算法
• 3.5 数据挖掘发展中存在的问题
• 3.6 数据挖掘临床医学研究中的应用
• 3.7 本章小结
• 第4章 数据仓库解决方案与OLAP分析
• 4.1 临床信息采集
• 4.2 中医临床数据特点分析
• 4.3 数据仓库的构建
• 4.3.1 主题域分析
• 4.3.2 数据仓库的粒度分析
• 4.3.3 数据存储形式
• 4.3.4 数据预处理
• 4.3.5 数据仓库中的数据转换
• 4.3.6 对数据仓库进行数据装载
• 4.4 对数据仓库进行OLAP
• 4.4.1 数据分析模型选择
• 4.4.2 OLAP查询生成
• 4.4.3 分析主题内容的确定
• 4.4.4 OLAP查询结果展示
• 4.5 组合查询系统
• 4.6 本章小结
• 第5章 关联规则挖掘算法及其改进
• 5.1 关联规则介绍
• 5.2 关联规则应用
• 5.3 关联规则挖掘的经典算法
• 5.3.1 Apriori算法
• 5.3.2 经典算法的缺陷
• 5.4 加权算法
• 5.4.1 算法介绍
• 5.4.2 算法
• 5.5 改进算法描述
• 5.5.1 改进的算法
• 5.5.2 实验及实验评估
• 5.6 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 进一步的工作
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历