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

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,庄天戈

(上海交通大学生物医学工程系,上海

和最终可理解的模式的非平凡过程;而知识发现

(KDD)是指从数据发现有用知识的总过程。数据挖

掘可被认为是知识发现中的一步,它是KDD的核

心,两术语可交换使用。KDD是众多学科如人工智

能,机器学习,模式识别,统计学,数据库和知识库,

数据可视化等相互交融所形成的一个有广阔发展前

景的新兴领域。

2 计算机辅助医学诊断系统中的数据挖掘

和知识发现方法

计算机辅助医学诊断系统的原始处理对象为医

学信息数据库,此对象实际上是一个多媒体数据库,

它可能包含医生诊断使用的病人医学影像,有关病

理参数,化验结果,诊断结果及相关的参考参数如年

龄、性别、病史,出院/入院时间等,总之是既有文本、

图形/图像,又有数字/数据信息等的多媒体数据库。

然而目前的数据挖掘技术主要应用于以结构化数据

为主的关系数据库、事务数据库和数据仓库,对复杂

类型数据的挖掘尚处在起步阶段,复杂数据包括复

杂对象、空间数据、多媒体数据、时间序列数据、文本

数据和W eb数据。因而要对医学信息数据库进行数

据挖掘和知识发现,发现其中的医学诊断规则和模

式,从而辅助医生进行疾病诊断,是一件具有挑战性

和有发展前途的工作。目前的数据挖掘对象——医

学信息数据库,可归纳为两类:第一类为医学影像+

其它有关的医学参数的数据库;第二类为无医学影

像的纯医学参数的数据库。大多数情况下,对医学数

据库进行数据挖掘和知识发现的目标应该是像医生

那样,根据先前的经验来诊断疾病或发现疾病分类

的医学诊断规则,如诊断乳腺肿瘤是良性还是恶性,

根据脑部的MRI图像数据区分病人是脑膜瘤还是

星细胞瘤[1],由病人心脏的SPECT图像对其心肌灌

注进行分类[2]或诊断有冠状动脉疾病还是无此疾

病[3],分类胸痛的12种疾病种类[4]等。另外还有序 200030)