数据挖掘技术在医学中的应用探讨
张晓东 宋生勤
中山大学附属第三医院信息科（广州 510630）
摘要:本文介绍了数据挖掘的概念，任务和效果的评估方法，初步探讨了数据挖掘的各
种方法以及它在医学领域中的应用。
关键词：数据挖掘；决策树；神经网络；支持向量机
The Discussion of Application with Data Mining Technology
in Medicine
ZhangXiaodong Dep. of Info. Service The Third Affiliated Hospital of Sun Yat-sen University
zhangxiaodong@163.net (GuangZhou 510630)
Abstract: In this paper we introduce the concept, task of data mining, including the
performance evaluation methods. And we discuss the application with the technology in
medicine.
Keywords: data mining; decision tree; neural network; support vector machine
1. 引言
近年来，数据挖掘技术引起了信息产业界的极大关注，其主要原因是先进的科学手
段为我们产生了大量的数据，并且迫切需要将这些数据转换成有用的信息和知识。获取
的信息和知识可以广泛用于各种应用，包括商务生产、生产控制、市场分析、工程设计
和科学探索等。数据的丰富带来了对强有力的数据分析工具的需求，大量的数据被描述
为“数据丰富，但信息贫乏”。快速增长的海量数据收集、存放在大型和大量数据库中，
需要强大的工具进行分析。
目前的数据库系统可以高效地实现数据的录入、查询、统计等较低层次的功能, 但
无法发现数据中存在的关系和规则, 无法根据现有的数据预测未来的发展趋势，无法发
现海量数据背后隐藏的重要的知识, 出现了“我们被数据所淹没，但却缺乏知识”的现
象。
随着医院信息系统(hospital information system, HIS)的普及以及人类基因组计划和
分子生物医学信息科学的飞速发展，医学数据空前增长，像功能基因组和蛋白质组的数
据已成指数级增长。如何对大量的数据进行存储、管理、对比、检索，寻找其相关性，
挖掘数据中所隐藏的规律，以及对海量的数据进行自动获取，需要新的技术。
2
2 数据挖掘的概念
2.1 数据挖掘与知识发现
简单地说，数据挖掘(data mining ,DM)，是从大量数据中提取或“挖掘”出有用的知
识[1]。数据挖掘技术进行数据分析，可以发现重要的数据模式，对商务决策、知识库、
科学和医学研究做出了巨大贡献[2]。另外还有一个概念是知识发现（knowledge discovery
in database，KDD），它被Fayyad 定义为：KDD 是从数据集中识别出有效的、新颖的、
潜在有用的，以及最终可理解的模式的非平凡过程[3]。
知识发现过程一般由以下一些步骤组成：1.数据清理；2.数据集成；3.数据选择；
4.数据变换；5.数据挖掘；6.模式评估；7.知识表示[1]。从中可以看出，数据挖掘是知
识发现中一个步骤，数据挖掘的广义观点是从存放在数据库、数据仓库或其它信息库中
的大量数据中挖掘有趣的知识的过程。相对来讲，数据挖掘主要流行于统计界、数据分
析、数据库和管理信息系统界；而知识发现则主要流行于人工智能和机器学习领域。
2.2 数据挖掘的任务
数据挖掘的任务常见有以下几种。
1．数据总结：其目的是对数据进行浓缩，给出它的紧凑描述。它主要关心从数据泛
化的角度来讨论数据总结。数据泛化目前主要采用多维数据分析方法和面向属性
的归纳方法。
2．相关性分析：也称作关联发现。其目的是发现特征之间的相互依赖关系，常用的
技术有回归分析、关联规则、信念网络等。
3．聚类分析：它是根据数据的不同特征，将其划分为不同的 |
|
资源大小：80.87 KB 
