计算机辅助医学诊断系统的数据挖掘和知识发现研究_瞿爱珍

计算机辅助医学诊断系统的数据挖掘和知识发现研究_瞿爱珍

列的时间模式发现(如HIV疾病进程中时间模式的

发现[5])和医学参数的模式提取及各参数间因果关

系模式发现(如对孩子的骨折数据库和脊柱侧凸病

数据库的模式提取和其医学参数的因果关系发

现[6])。对医学信息数据库的数据挖掘和知识发现遵

循一般的知识发现的8步过程:①理解应用领域/识

别KDD过程的目标;②产生目标数据集;③数据清

除与预处理;④数据减少与投影;⑤将目标与特殊数

据挖掘方法匹配;⑥数据挖掘;⑦解释和评估所挖掘

到的模式;⑧使用所发现的知识。

KDD过程具体应用到医学诊断系统中每步可

详细解释如下。

2.1 理解应用领域/识别KDD过程的目标

理解医学领域问题的范围和KDD过程的目标

就是要明确数据挖掘的医学对象和要得到的结果。

一般医学对象为上述的两类医学信息数据库,利用

以往的有确诊病例的各种特定疾病医学数据库,通

过KDD过程得到其疾病的若干诊断规则,最终帮助

医生进行正确预测或诊断各种疾病。因为对病人作

疾病诊断是一件生死攸关的事,而目前的计算机智

能水平还达不到很高的程序,尤其是与专家(如各种

专科医生)的诊断水平相比,因而我们在利用以往的

经验即医学信息数据库产生医学智能诊断系统的过

程中,自始至终都应和医生不断交流和探讨,最终结

果还是要经医生的分析、验证而作出最后的一致性

的诊断。例如Sacha JP[2]等研究开发的心脏SPECT

诊断的自动化,目标是提出能用于评估心脏SPECT

图像的诊断规则,数据挖掘对象的输入变量是从

SPECT图像提取来的特征值和一些来自病人记录

的变量如年龄、体重、身高、吸烟者或不吸烟者等;解

剖结构的不同决定了采用不同的男性和女性模型,

所选择的数据挖掘方法应能产生为用户理解的产生

式规则;在数据挖掘前,应完成三个子目标:①建一

个数据仓库以接受各种现有数据和以后的增加数据

并可便于SQL查询;②产生一个标准化的LV模

型;③决定增加什么样的病人信息到SPECT图像提

取的特征值中产生诊断规则。Kavalerchuk B[7]等研

究的对乳腺癌进行计算机辅助系统、专家规则和数

据库知识的一致性医学诊断就是另一典型例子,这

个项目的目标集中于从专家和数据库提取足够、完

整和可比较的两套规则,然后识别它们之间的分歧,

最终达成一致的医学诊断。

2.2 产生目标数据库

为了得到最终的结果,需要生成一个完整记录