医学信息数据库的建立与数据挖掘
【关键词】医学信息
关键词: 医学信息;数据仓库;数据挖掘;数据组织
0 引言
计算机和信息技术在医学领域中的应用，形成了现代医学中一个新的边缘学科医学信息学或医药信息学（medical informatics），进而成为生物医学工程学的重要支柱.医学信息涵盖了医学活动中产生的文字、图像、声音以及电磁波、光波、压力、温度等多媒体物理数据，这些数据在计算机和数据库技术的支持下，已成为医学技术领域实施科学管理和科学研究的重要资源.数据仓库（data warehouse，DW）与数据挖掘（data mining，DM）技术的出现［1］，为医务管理人员、科研工作者分析、利用这些数据资源进行科学管理、决策和开展大规模、高水平医学研究提供了有力的技术工具.数据仓库与数据挖掘技术已在国外一些大型企业中得到了成功应用，国内一些企业也已开始着手这方面的投资，有的并得到了可喜的回报.由于医学技术具有很强的实践性、实验性、统计性，是一门验证科学，浩瀚的医学资源要用现代技术去组织、去分析、去利用，因此，探索数据仓库与数据挖掘技术在医学信息方面的应用就具有更重要的实用价值和广阔的发展前景.
1 问题的提出
目前，医学信息的处理大多停留在基于数据库技术支持的操作型事务处理的水平上，如数据的查询、修改等，是为特定的应用服务的.而建立在数据库技术之上的分析型信息处理最典型的应用是一些医学诊断方面的专家系统（expert system，ES），其数据资源仅仅是
某一方面的专家知识，涉及的数据量很小，覆盖面也很窄.那么，摆在我们面前这个巨大的医学资源宝库究竟能为我们做些什么呢?例如，医院信息系统（hospital information system，HIS），它是医学信息学的一个分支，分为管理信息系统（management informa-tion system，MIS）和临床信息系统（clinical information sys-tem，CIS）.前者主要处理医院内部管理方面的信息如人事、财务和设备管理等，而后者是以处理患者为中心的信息系统，如患者入院、住院、治疗、检查、病历、出院等一系列与患者有关的信息.那么，这两类系统能否满足下列要求呢?①如果医院明年利润目标要增长5%，哪些前提条件变化才能达到这一目标?此外还需采取哪些措施来实现这些变化?②未来某段时间内哪些药品使用的频度最高或最低?以
及与治疗疾病间的关系?③未来某段时间内哪些疾病是常发病或发病率最高?使用的药物主
要有哪些?如何组织急需药品的供应?④环境、气候、地理位置与流行病间的关系?利用现有信息系统要回答这些问题是困难的，有些甚至是不可能的.然而，利用数据仓库与数据挖掘技术就可以轻而易举地找到问题的答案.因此，建立数据仓库与利用数据挖掘技术对于开展科学研究，提高医学技术水平是很有必要的.
2 数据仓库的建立
所谓数据仓库是支持管理决策过程的、面向主题的、集成的、与时间有关的、持久的数据集合，它以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效方法，以人工智能技术作为挖掘知识和发现规律的科学途径，是与网络通信技术、面向对象技术、并行技术、多媒体技术、人工智能技术等相互浸透、互相结合与综合应用的技术.
创建基于HIS的数据仓库，是从已有数据出发的数据仓库的设计方法，称之为“数据驱动”的系统设计方法联系重新考虑，组织数据仓库中的主题，利用数据模型有效地识别数据和数据仓库中的主题，它的基本思路是:利用以前建设的数据库系统的数据，按照分析领域对数据及数据之间的的数据的“共同性”（即建立主题间相互联系的属性）.其创建的基本方法如Fig1所示［2］ .
图1 略
从图中看出，数据仓库的设计是一个动态的、循环的过程，在系统设计初级阶段，人们对系统的分析需求不能预先作出规范说明，只能给出一个抽象的模糊的描述，数据仓库的内容、结构、粒度、分割以及其他物理设计根据用户反馈信息再不断地调整和完善.
2.1 主题抽取数据仓库中数据的组织是面向主题的［3］ .它是在较高层次上对分析对象的数据的一个完整的、一致的描述，能完整、统一地刻画各个分析对象所涉及的各项数据以及数据之间的关系.可以说，主题定义的过程就是数据仓库模型建立的过程.
2.1.1 系统边界确定由于数据仓库建立初期很难获得明确而又详细的需求，系统设计人员只能得到一些基本的方向性的需求信息，如决策的类型、决策者感兴趣的问题、解决这些问题需要哪些信息，这些信息需要包含原有数据库系统的哪些部分的数据等等.这就是数据仓库设计过程中的需求分析，称之为系统边界界定，以此作为确定主题的基本依据.
2.1.2 主题的确定根据有关军卫1号工程设计思想和实施细则的报道，HIS几乎涵盖MIS和CIS的方方面面，涉及范围广泛，内容丰富全面，可以从管理角度、从科学研究的角度，确定若干个主题如患者、药品、门诊、检验等，作为管理决策和科研分析的数据来源.例如:患者:患者固有信息:患者标识号，住院号，姓名，性别，出生年月，文化程度，身份证号，住址，电话……患者住院信息:患者标识号，入院科室、职业、身份、费别、在职标志、医保类别、医疗保险号、工作单位、门诊医师……药品:药品固有信息:药品编码，药品名称，规格、单位、剂型、毒理分类、标准剂量、材质分类、用药梯次、价格系数……药品采购信息:药品编码、药品名称、规格、单位、剂型、市场批发价、市场零售价、货源足缺、包装规格……
2.2 数据组织数据仓库中的数据分为早期细节级、当前细节级、轻度综合级和高度综
合级4个级别，各个级别的数据根据需要划分为不同的粒度［4］ .所谓粒度是对数据仓库中数据的综合能力的度量，它既影响仓库中数据量的多少，也影响数据仓库所能回答的问题多少，粒度越小，细节程度越高，综合程度越低，回答查询的种类越多.
各个级别的数据是随着时间的变化而变化的，也就是以时间段来区分不同的细节.当数据按照时间段划分完成后，无论是主题还是主题之间的联系，都用关系来表示，也就是说数据仓库的数据最终也表现为关系，其数据的组织通过关系数据库实现，因此，数据仓库的逻辑模型就是关系模型，即用二维表表示一个主题或者说一个关系，表中的一行称为一个元组，一列称为属性，每列的名字即为属性名，某个可以唯一地标识一个元组的属性称其为主码或关键字.
实际上，数据组织中的关键问题是数据仓库的物理模型设计，一是采用哪种数据库管理系统以及存储结构和存取方法;二是如何在庞大的数据仓库中建立索引以提高数据的存取效率;
三是根据主题的重要程度、使用频率选择不同的存储媒体以提高系统响应速度和降低系统硬件费用.
2.3 数据获取与集成在数据仓库的逻辑模型和物理模型建立后，紧接着是建立数据仓库与传统数据库之间的接口，即将操作型环境下的数据装载进入数据仓库环境，这是一个所需数据的抽取与不同环境或异构数据库的集成的过程［5］，它完成了由操作型环境生成完整数据、基于时间的数据转换、数据的凝聚、异构数据库的集成以及数据的时标设定等任务［6］ .接口设计就是要选择合适的软件开发平台如PB，VB，VC，Delphi等设计数据提取与集成的接口程序，完成数据的装入以及异构数据库的访问等任务，达到数据获取与集成的目的.
2.4 建立应用数据装入仓库后，为进一步开发决策支持系统DSS以及其他联机分析处理［7］（online analytical process-ing，OLAP）准备了充分的数据资源.在DSS和OLAP 开发中需要采用软件工程中的原型法开展应用系统研究，即在初步建立系统的基础上，尽快地让系统运行起来，近早产生效益，在系统运行中不断地理解需求，改善、完善系统性能.
3 数据挖掘
随着时间的推移，数据仓库的数据量在急剧增长，这些日积月累的数据中是否存在着某种关系、模式或者趋势，是很难一眼就看得出来的，或者知道有某种关系，但必须进一步加以证明或修正，这时，数据挖掘DM技术就有用武之地了.
数据挖掘是基于人工智能（artificial intelligence，AI）、机器学习、统计学等技术，高度自动化地分析原有数据，作出归纳性的推理，从中挖掘出潜在的模式或行为，以帮助决策者作出正确决策的过程.也就是说为了寻找未知的模式或趋势而在细节数据中进行搜索的过程，从而生成新的信息和知识［8］ .数据挖掘利用人工智能中的一些成熟的算法和技术作为发现知识的方法，如人工神经网络、遗传算法、决策树、邻近搜索算法、规则推理等，利用关联分析、序列模式分析、分类分析、聚类分析作为数据挖掘的分析方法.
例如，采用关联分析方法可以从业务系统如CIS的数据库或为此建立的数据仓库、数据商店的细节或事务中寻找出重新出现概率很高的模式.具体的说，从CIS的数据库中分析某种疾病治疗过程中诱发其他疾病的概率以及与时间的关系等.
结束语伴随着数据库技术的发展，数据仓库与数据挖掘技术作为一种解决方案，成为医学信息技术领域重要的研究方法，必将为管理决策、科学研究带来很大的方便和可观的效益.
参考文献:
［1］关俐，梁洪峻.数据仓库与数据挖掘［J］.微型电脑应用，1999;15（9）:17-20. ［2］王珊.数据仓库技术与联机分析处理［M］.北京:科学出版社，1999:1-2.
［3］杨森，王翰虎.面向主题的数据仓库体系结构［J］.计算机应用，1999;19（10）:104-105.
［4］乔颖，须德.多重粒度数据仓库的存储新策略［J］.北方交通大学学报，1997;21（6）:684-689.
［5］王宁，陈滢，俞本权.一个基于Corba的异构数据库集成系统设计［J］.软件学报，1998;9（5）:378-382.
［6］胡华，高济，何志均.基于主动规则对象的分布式多数据库系统集成［J］.小型微型计算机系统，1999;20（7）:526-530.
［7］姚宇蓉，何厚存.数据仓库中的信息存取分析技术的研究［J］.计算机应用研究，1999;16（8）:54-58.
［8］Joyce Bischoff，Ted Alexander著.成栋，魏立原译.数据仓库技术［M］.北京:电子工业出版社，1998:212-213.
编辑何扬举
第四军医大学生物医学工程系计算机应用教研室，陕西西安710033
作者简介: 屈景辉（1954-），男（汉族），陕西省蒲城县人.教授.T el.（029）3374840（O）Email.Qujh@https://www.doczj.com/doc/f6191312.html,
昆明理工大学信息工程与自动化学院学生实验报告 （2012 —2013 学年第 1 学期） 课程名称：数据库仓库与数据挖掘开课实验室： 2012 年10月 30日 一、上机目的 1．理解数据库与数据仓库之间的区别与联系； 2．掌握典型的关系型数据库及其数据仓库系统的工作原理以及应用方法； 3．掌握数据仓库建立的基本方法及其相关工具的使用。 二、上机内容 内容：以SQL Server为系统平台，设计、建立数据库，并以此为基础创建数据仓库。 要求：利用实验室和指导教师提供的实验软件，认真完成规定的实验项目，真实地记录实验中遇到的各种问题和解决的方法与过程，并绘出模拟实验案例的数据仓库模型。实验完成后，应根据实验情况写出实验报告。 三、所用仪器、材料（设备名称、型号、规格等或使用软件） 1台PC及SQL 2008软件 四、实验方法、步骤和截图（或：程序代码或操作过程） 采用SQL语句创建数据库，数据库命名为：DW。如图所示：
DW数据库中包含7张维表和一张事实表。7张维表分别为：订单方式维表、销售人员及销售地区维表、发货方式维表、订单日期维表、客户维表、订单状态维表、客户价值维表。建立7张维表语句和建立7张维表的ETL如下： 语句执行成功的结果如图所示：
DW数据库包含的事实表为FACT_SALEORDER。建立1张事实表语句和建立1张事实表的ETL如下： 三、建事实表 CREATE TABLE FACT_SALEORDER( SALEORDERID INT, TIME_CD V ARCHAR(8), STATUS INT, ONLINEORDERFLAG INT, CUSTOMERID INT, SALESPERSONID INT, SHIPMETHOD INT, ORDER_V ALUES INT, SUBTOTAL DECIMAL(10,2), TAXAMT DECIMAL(10,2), FREIGHT DECIMAL(10,2)) ----------------------------------- 四、事实表的ETL /* FACT_SALEORDER的ETL*/ TRUNCATE TABLE FACT_SALEORDER INSERT INTO FACT_SALEORDER SELECT SalesOrderID,CONVERT(CHAR(8),,112) , ,,ISNULL,0),ISNULL,0),,,,, FROM A, V_SUBTOTAL_V ALUES B WHERE >= AND <
医药信息数据库 Dialog中与医药相关的数据库有192个，与化学相关的数据库有65个，与知识产权相关的数据库有25个。Dialog数据库对于医药研发的全部过程提供完整的信息支持。 药物的生命循环 通常，从药物研发到普通药品上中须经过以下几个过程： ①研发筛选(R＆D Screening)，包括市场凋查(Market Survey)与专利调查(Patent Survey)；②临床前研究(Preclincal Studies)； ③临床阶段(Clinical Phases)； ④新药批准上市(New Drug Approval)； 整个研究是一个循环往复的过程，缺一环而不可。在药物研究过程中，更多的是依赖精心加上处理过的专业信息。我们应该选择针对性强、质量高、覆盖面大、有权威性的检索工具。另外，信息源的可靠性、获取数据的方便性、检索的效率都是是我们要考虑的首要因素。DIALOG系统具有600多个数据库，其中和制药相关的数据达200个，这些数据库在为制药企业提供各个环节数据和信息的同时，还利用其功能庞大的指令检索系统为企业提供了优秀的信息和情报的解决方案。 常见的医药数据库介绍如下： ADIS R&D Insight (ADIS 药物研发数据库) ADIS药物研发数据库是Adis International公司的产品。该数据库的信息来源InPharma、Reactions、PharmacoEconomics & Outcomes News、Clinical Trial Insights等2300种以上的药物、生物专业期刊，国际会议，公司年报和新闻报道等公开资料和非公开资料。数据库内容包括每种药品的普通名，同义名，商品名，开发公司，国家及开发阶段，所有权信息，峰期销售额，专利失效期，不良事件，药理学，药动力学，药效学，副反应，治疗实验，开发历史，注册信息和参考文献等等。 IMS R&D Focus (IMS 药物研发数据库) IMS药物研发数据库是IMS HEALTH公司的产品。该数据库偏重药物的商业信息，信息来源于药物公司调研、高层访谈和官方发布的资料，还包括一些医学期刊、国际会议，科学论文和专利文献等数据库内容包括每种药品的属名、药厂编号、CAS注册号、化学名称、同义词、治疗说明、专利文摘、发展历史、世界范围发展的最新阶段、商业潜力、公司活动、科研进展和专利信息。
数据挖掘是一个多学科交叉研究领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算以及数据可视化等最新技术的研究成果。数据挖掘是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。预测分析是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。预测分析可帮助用户评审和权衡潜在决策的影响力。可用来分析历史模式和概率，预测未来业绩并采取预防措施。 数据挖掘的含义是广泛的，每个人有每个人不同的体会，每个人有每个人的见解。但这些体会、见解是有许多共通之处的，从而可以归纳出数据挖掘的技术定义以及商业定义：从技术角度，数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。它是涉及机器学习、模式识别、统计学、人工智能、数据库管理及数据可视化等学科的边缘学科。由于每个人的思维方式不同，这个定义可以被解读为以下几个层次：①数据源必须是真实的、大量的、含噪声的；②发现的是用户感兴趣的知识；③发现的知识要可接受、可理解、可运用；④这些知识是相对的，是有特定前提和约束条件的，在特定领域中具有实际应用价值。 预测是大数据的核心，数据挖掘之后的预测分析无疑成为开拓市场的重要环节。预测分析是一种统计或数据挖掘解决方案，包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。预测分析和假设情况分析可帮助用户评审和权衡潜在决策的影响力。可用来分析历史模式和概率，以预测未来业绩并采取预防措施。这种级别的分析可以为规划流程提供各种信息，并对企业未来提供关键洞察。不仅可提供预测分析，使用户可以执行高级分析、发布并与更广泛的用户群交流。还可以提供
美国医学协会出版物 美国医学协会出版,新闻,文摘或全文,包括以下部分.内科学文卷,皮肤病文卷,外科学文卷,眼科学文卷,美国医学会志,美国医学新闻,神经病学文卷,妇女健康杂志,家庭医疗文卷,普通精神病学文卷,耳鼻喉,头颈外科,儿科及青春期医学 British Medical Journal 英国医学杂志 Medical Conference 医学会议库,4500多条会议信息,每日更新. NIST Webbook and Chemistry Webbook 美国国家标准与技术研究所数据集','免费查询5000多种化合物的红外光谱,8000多种 化合物质谱等等') New England Journal of Medicine 报道医学重要研究成果的周刊,提供全部过刊信息及现刊的论文摘要. 基础研究站点 ? ? 国际微生物菌种数据网络MS 国际计算机用微生物编码系统 法国细菌名称数据库 SCOP蛋白结构分类数据库 FSSP蛋白质结构数据库 BMCD生物大分子结晶数据库
NCBI GenBank数据库 欧洲分子生物学实验室核酸数据库 日本DNA数据库(DDBJ) 表达序列标签库(dbEST) SwissProt蛋白序列数据库 PIR蛋白序列数据库 PDB蛋白结构数据库 PSdb蛋白质结构数据库 序列标签位点库(dbSTS) 遗传病基因数据库 肿瘤基因数据库 Rutgues大学的核酸数据库 人基因组数据库(GDB)GDB 基因组序列数据库(GSDB) 大肠杆菌基因组数据库(ECDC)ECDC TIGR Microbial Database Mouse Genome Database Portable Dictionary of the Mouse Genome
数据挖掘期末大作业 1.数据挖掘的发展趋势是什么？大数据环境下如何进行数据挖掘。 对于数据挖掘的发展趋势，可以从以下几个方面进行阐述： (1)数据挖掘语言的标准化描述:标准的数据 挖掘语言将有助于数据挖掘的系统化开发。改进多个数据挖掘系统和功能间的互操作,促进其在企业和社会中的使用。 (2)寻求数据挖掘过程中的可视化方法:可视 化要求已经成为数据挖掘系统中必不可少的技术。可以在发现知识的过程中进行很好的人机交互。数据的可视化起到了推动人们主动进行知识发现的作用。 (3)与特定数据存储类型的适应问题:根据不 同的数据存储类型的特点,进行针对性的研究是目前流行以及将来一段时间必须面对的问题。 (4)网络与分布式环境下的KDD问题:随着 Internet的不断发展,网络资源日渐丰富,这就需要分散的技术人员各自独立地处理分离数据库的工作方式应是可协作的。因此,考虑适应分布式与网络环境的工具、技术及系统将是数据挖掘中一个最为重要和繁荣的子领域。 (5)应用的探索:随着数据挖掘的日益普遍,其应用范围也日益扩大,如生物医学、电信业、零售业等 领域。由于数据挖掘在处理特定应用问题时存在局限性,因此,目前的研究趋势是开发针对于特定应用的数据挖掘系统。 (6)数据挖掘与数据库系统和Web数据库系统的集成:数据库系统和Web数据库已经成为信息处 理系统的主流。 2. 从一个3输入、2输出的系统中获取了10条历史数据，另外，最后条数据是系统的输 入，不知道其对应的输出。请使用SQL SERVER 2005的神经网络功能预测最后两条数据的输出。 首先，打开SQL SERVER 2005数据库软件，然后在界面上右键单击树形图中的“数据库”标签，在弹出的快捷菜单中选择“新建数据库”命令，并命名数据库的名称为YxqDatabase，单击确定，如下图所示。 然后，在新建的数据库YxqDatabas中，根据题目要求新建表，相应的表属性见下图所示。
第一章 ．填空 1．数据挖掘和知识发现的三大主要技术为：数据库、统计学、机器学习2．数据挖掘获得知识的表现形式主要有 6 种：规则、决策树、 知识基网络权值、公式、案例 3．规则是由前提条件、结论两部分组成 4．基于案例推理的基础是案例库 5．知识发现的基本步骤：数据选择、处理、转换、数据挖掘、解释与评价。数据挖掘是知识发现的关键步骤 6．数据挖掘的核心技术是：人工智能、机器学、统计学 7. 目前数据挖掘在医学领域的应用集中在疾病辅助诊断、药物开发、医院信息系统、遗传学等方面 二．名解 1．数据挖掘：在数据中正规的发现有效的、新颖的、潜在有用的、并且最终可以被读懂的模式的过程 2．案例推理：当要解决一个新问题时，利用相似性检索技术到案例库中搜索与新问题相似的案例，再经过对就案例的修改来解决新问题三．简答 1．数据挖掘的特点 a 挖掘对象是超大型的， b 发现隐含的知识， c 可以用于增进人类认知的知识， d 不是手工完成的 2．案例是解决新问题的一种知识，案例知识表示为三元组 a 问题描述：对求解的问题及周围环境的所有特征的描述， b 解描述：
对问题求解方案的描述，c 效果描述：描述解决方案后的结果情况，是失败还是成功 3．医学数据挖掘存在的关键问题 a 数据预处理， b 信息融合技术， c 快速的鲁棒的书库挖掘算法， d 提供知识的准确性和安全性 4．数据挖掘在遗传学方面的应用 遗传学的研究表明，遗传疾病的发生是由基因决定的，基因数据库搜索技术在基因研究上做出了很多重大发现，其工作主要包括：a 从各种生物体的大量序列中定位出具有某种功能的基因，b 在基因中搜索与某种具有高阶结构或功能的蛋白质相似的高阶结构序列 第二章 一．填空 1．的对象分为：关系型、数据仓库、文本、复杂类型2．从用户角度来看，数据仓库的基本组成包括：数据源、数据存储、应用工具、可视化用户界面 3．数据仓库是最流行的数据模型是多维数据模型，多维数据模型将数据看作是数据立方体的形式，数据立方体是由维和事实来定义 4．常用的多维数据模式包括：星型模式、雪花模式、事实星座模式。星型模式是由事实表和维表构成 5. DM分为：WEB内容挖掘、WEB结构挖掘、WEB使用 挖掘 二.名解 1. 数据仓库：一个面向主题的、集成的、时变的、非易失的数
1.4 数据仓库和数据库有何不同？有哪些相似之处？ 答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组成数据仓库的源数据。它用表组织数据，采用ER 数据模型。 相似：它们都为数据挖掘提供了源数据，都是数据的组合。 1.3 定义下列数据挖掘功能：特征化、区分、关联和相关分析、预测聚类和演变分析。使用你熟悉的现实生活的数据库，给出每种数据挖掘功能的例子。 答：特征化是一个目标类数据的一般特性或特性的汇总。例如，学生的特征可被提出，形成所有大学的计算机科学专业一年级学生的轮廓，这些特征包括作为一种高的年级平均成绩(GPA ：Grade point aversge) 的信息， 还有所修的课程的最大数量。 区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。例如， 具有高GPA 的学生的一般特性可被用来与具有低GPA 的一般特性比较。最终的描述可能是学生的一个一般可比较的轮廓，就像具有高GPA 的学生的75% 是四年级计算机科学专业的学生，而具有低GPA 的学生的65% 不是。 关联是指发现关联规则，这些规则表示一起频繁发生在给定数据集的特征值的条件。例如，一个数据挖掘系统可能发现的关联规则为：major(X, “ computing science ” ) ? owns(X, “ personal computer ” ) [support=12%, confidence=98%] 其中，X 是一个表示学生的变量。这个规则指出正在学习的 学生，12% (支持度)主修计算机科学并且拥有一台个人计算机。这个组一个学生拥有一台个人电脑的概率是98% (置信度，或确定度)。 分类与预测不同，因为前者的作用是构造一系列能描述和区分数据类型或概念的模型(或功能)，而后者是建立一个模型去预测缺失的或无效的、并且通常是数字的数据值。它们的相似性是他们都是预测的工具： 分类被用作预测目标数据的类的标签，而预测典型的应用是预测缺失的数字型数据的值。 聚类分析的数据对象不考虑已知的类标号。对象根据最大花蕾内部的相似性、最小化类之间的相似性的原则进行聚类或分组。形成的每一簇可以被看作一个对象类。聚类也便于分类法组织形式，将观测组织成类分 层结构，把类似的事件组织在一起。 数据演变分析描述和模型化随时间变化的对象的规律或趋势，尽管这可能包括时间相关数据的特征化、区分、关联和相关分析、分类、或预测，这种分析的明确特征包括时间序列数据分析、序列或周期模式匹配、和基于相似性的数据分析 2.3 假设给定的数据集的值已经分组为区间。区间和对应的频率如下。 年龄频率 1~5200 5~15450 15~20300 20~501500 50~80700 80~11044 计算数据的近似中位数值。 解答：先判定中位数区间：N=200+450+300+1500+700+44=3194 ；N/2=1597
武汉大学计算机学院 2014级研究生“数据仓库和数据挖掘”课程期末考试试题 要求：所有的题目的解答均写在答题纸上，需写清楚题目的序号。每张答题纸都要写上姓名和学号。 一、单项选择题（每小题2分，共20分） 1. 下面列出的条目中，（）不是数据仓库的基本特征。B A.数据仓库是面向主题的 B.数据仓库是面向事务的 C.数据仓库的数据是相对稳定的 D.数据仓库的数据是反映历史变化的 2. 数据仓库是随着时间变化的，下面的描述不正确的是（）。 A.数据仓库随时间的变化不断增加新的数据内容 B.捕捉到的新数据会覆盖原来的快照 C.数据仓库随事件变化不断删去旧的数据内容C D.数据仓库中包含大量的综合数据，这些综合数据会随着时间的变化不断地进行重新综合 3. 以下关于数据仓库设计的说法中（）是错误的。A A.数据仓库项目的需求很难把握，所以不可能从用户的需求出发来进行数据仓库的设计，只能从数据出发进行设计 B.在进行数据仓库主题数据模型设计时，应该按面向部门业务应用的方式来设计数据模型 C.在进行数据仓库主题数据模型设计时要强调数据的集成性 D.在进行数据仓库概念模型设计时，需要设计实体关系图，给出数据表的划分，并给出每个属性的定义域 4. 以下关于OLAP的描述中（）是错误的。A A.一个多维数组可以表示为（维1，维2，…，维n） B.维的一个取值称为该维的一个维成员 C.OLAP是联机分析处理 D.OLAP是数据仓库进行分析决策的基础 5. 多维数据模型中，下列（）模式不属于多维模式。D A.星型模式 B.雪花模式 C.星座模式 D.网型模式 6. 通常频繁项集、频繁闭项集和最大频繁项集之间的关系是（）。C A.频繁项集?频繁闭项集?最大频繁项集 B.频繁项集?最大频繁项集?频繁闭项集 C.最大频繁项集?频繁闭项集?频繁项集 D.频繁闭项集?频繁项集?最大频繁项集
习题参考答案 第1 章绪论 1.1 数据挖掘处理的对象有哪些？请从实际生活中举出至少三种。 答：数据挖掘处理的对象是某一专业领域中积累的数据，对象既可以来自社会科学,又可以来自自然科学产生的数据,还可以是卫星观测得到的数据。数据形式和结构也各不相同, 可以是传统的关系数据库,可以是面向对象的高级数据库系统,也可以是面向特殊应用的 数据库,如空间数据库、时序数据库、文本数据库和多媒体数据库等,还可以是Web 数据 信息。 实际生活的例子： ①电信行业中利用数据挖掘技术进行客户行为分析，包含客户通话记录、通话时间、所 开通的服务等，据此进行客户群体划分以及客户流失性分析。 ②天文领域中利用决策树等数据挖掘方法对上百万天体数据进行分类与分析，帮助天文 学家发现其他未知星体。 ③制造业中应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。 ④市场业中应用数据挖掘技术进行市场定位、消费者分析、辅助制定市场营销策略等。 1.2 给出一个例子，说明数据挖掘对商务的成功是至关重要的。该商务需要什么样的数据挖掘功能？它们能够由数据查询处理或简单的统计分析来实现吗？ 答：例如，数据挖掘在电子商务中的客户关系管理起到了非常重要的作用。随着各个电子商务网站的建立，企业纷纷地从“产品导向”转向“客户导向”，如何在保持现有的客户 同时吸引更多的客户、如何在客户群中发现潜在价值，一直都是电子商务企业重要任务。但是，传统的数据分析处理，如数据查询处理或简单的统计分析，只能在数据库中进行 一些简单的数据查询和更新以及一些简单的数据计算操作，却无法从现有的大量数据中 挖掘潜在的价值。而数据挖掘技术却能使用如聚类、关联分析、决策树和神经网络等多 种方法，对数据库中庞大的数据进行挖掘分析，然后可以进行客户细分而提供个性化服务、可以利用挖掘到的历史流失客户的特征来防止客户流失、可以进行产品捆绑推荐等，从而使电子商务更好地进行客户关系管理，提高客户的忠诚度和满意度。 1.3 假定你是Big-University 的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。该数据库包括如下信息：每个学生的姓名、地址和状态(例如，本科生或研究生)、所修课程，以及他们的GPA。描述你要选取的结构，该结构的每个成分的作用是什么？答：任务目的是分析课程数据库，那么首先需要有包含信息的关系型数据库系统，以便查找、提取每个属性的值；在取得数据后，需要有特征选择模块，通过特征选择，找出要分析 的属性；接下来需要一个数据挖掘算法，或者数据挖掘软件，它应该包含像分类、聚类、关联分析这样的分析模块，对选择出来的特征值进行分析处理；在得到结果后，可以用 可视化软件进行显示。 1.4 假定你作为一个数据挖掘顾问，受雇于一家因特网搜索引擎公司。通过特定的例子说明，数据挖掘可以为公司提供哪些帮助，如何使用聚类、分类、关联规则挖掘和离群点检测 等技术为企业服务。 答： (1) 使用聚类发现互联网中的不同群体，用于网络社区发现； 第2 页共27 页 (2) 使用分类对客户进行等级划分，从而实施不同的服务； (3) 使用关联规则发现大型数据集中间存在的关系，用于推荐搜索。如大部分搜索了“广外”的人都会继续搜索“信息学院”，那么在搜索“广外”后会提示是否进进一步搜 索“信息学院”。
数据挖掘论文医学数据论文：医学数据挖掘综述 摘要：医学数据挖掘是提高医学信息管理水平，为疾病的诊断和治疗提供科学准确的决策，促进医疗发展的需要。该文主要介绍了医学数据的特点，医学数据挖掘的发展状况和应用的技术方法，同时展望了数据挖掘技术在医学领域的应用前景。 关键词：数据挖掘；医学数据；神经网络；关联规则 summary of medical data mining wang ju-qin (department of computer technology, wuxi institute of technology, wuxi 214121, china) abstract: medical data mining is necessary for improving the management level of medical information, providing scientific decision-making for the diagnosis and treatment of disease, and promoting the development of medicine. this paper mainly introduces the characters of mining medical data, the application and methods used in medicine, and also the application prospect medical field is outlined. key words: data mining; medical data; neural network; association rules
一、填空题 1．OLAP服务器可以使用关系OLAP、或混合OLAP。 2．多维数据模型通常以三种形式存在，他们是星形模式、和事实星座形模式。3．聚类中每个训练元组的类标号是未知的，属于学习。 4．层次聚类方法可进一步分为：和分裂层次聚类。 5．数据挖掘的聚类方法中，典型的基于划分方法的聚类算法有和k中心点方法。6．关联规则的挖掘可以看作两步的过程：首先找出所有，然后生成强关联规则。7．多维数据模型通常以三种形式存在，他们是星形模式、雪花形模式和。 8．层次聚类方法可进一步分为：凝聚层次聚类和。 9．数据挖掘的聚类方法中，典型的基于划分方法的聚类算法有k均值方法和。10．强关联规则满足最小支持度和。 11．数据仓库是面向主题的、、时变的和非易失的有组织的数据集合，支持管理决策。12．OLAP服务器可以使用关系OLAP、多维OLAP或。 二、简答题： 1．什么是数据挖掘，简述数据挖掘功能。 2．数据预处理的主要任务有哪些？ 3．为什么不直接对操作数据库进行联机分析，而建立分离的数据仓库。 4．简述有哪些Apriori算法的变形方法可提高Apriori算法的效率？ 5．简述数据仓库的定义，并论述其关键特征。 6．为什么需要预处理数据。 7．操作数据库系统与数据仓库的区别？ 8．简述决策树分类方法的关键步骤。 三、计算题 1. 给定两个对象，分别用元组（26，10，23，8），（22，7，25，7）表示。 a)计算两个对象之间的欧几里德距离； b)计算两个对象之间的曼哈顿距离； 2．假设15个销售价格记录已经排列如下： 4，6，12，15，18，30，35，37，40，48，92，95，145，156，157 a) 使用等频（等深）划分方法将它们划分为三个箱； b) 分别用箱均值、箱边界光滑。 3. 给定两个对象，分别用元组（33，8，38，6），（28，6，35，8）表示。 c)计算两个对象之间的欧几里德距离；
国际医学文献数据库检索网站 Medline世界上最著名的医学文献检索系统之一 AIDS Databases有关艾滋病的临床实验、药物研制以及相关文献数据库 CANCERLIT 癌症数据库(National Cancer Institute) CHID online综合卫生信息数据库，提供有关卫生、卫生教育资源的题录、文摘等信息https://www.doczj.com/doc/f6191312.html,向医患人员提供的临床实验信息数据库 DIRLINE收集美国约17,000个政府机构、研究机构、公司、学术机构等信息 药物信息库包含有9,000余种美国处方与非处方药物信息 HSTAT包括有健康指南、评价、和消费者指南信息的全文数据库 NCCAM Resources补充和替代医学资源 Dietary Supplements提供维生素、矿物质、植物等信息 畸形、智力迟缓数据库提供先天畸形、智力发育迟缓信息 LOCATORplus杂志、书籍和视听教材目录数据库 Chemical Abstract覆盖化学、化工、医学、生物学、环境、食品等多学科的科技文献系统Dialog 联机检索系统世界上最大的文献检索系统 Biomedicine荷兰医学文摘，世界权威性的医药文献数据库。 RHO生殖健康展望，由William H .Gates 基金会的基金资助 Out Look有关生殖健康的论题，由 PATH 出版，联合国人口基金资助，可免费索取医药信息网有药品数据库、疾病数据库、新药数据库、医药市场等主要数据库 MEDLINE Search最权威的生物医学文献数据库，可获取全球范围内的4300种期刊的文献Consensus Statements提供对医生、患者有重要意义的有争议医学问题一致性见解 Cancer net Database综合癌症信息数据库 Rare Diseases Database罕见疾病临床研究数据库 Visible Human Project可视人计划数据库 TOXNET Databases毒理学数据库，将有关毒理和有害物质信息分为八个文档 FDA最新的有关食品、药物、生物制剂、美容品、医学装置等通过、调整等信息Guideline Clearinghouse提供临床医疗指南，汇总美国各权威协会和学术机构制定的各种指南性文件Women's Health & Environme妇女卫生与健康研究信息数据库
第1章数据仓库的概念与体系结构 1.数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。 2.元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据元数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。 3.数据处理通常分成两大类：联机事务处理OLTP和联机分析处理OLAP。 4.多维分析是指对以“维”形式组织起来的数据（多维数据集）采取切片（Slice）、切块（dice）、钻取（Drill-down 和Roll-up 等）和旋转（pivot）等各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。 5. ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。 6.数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储与管理和数据表现等。 7.数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集市、依赖型数据集市和操作型数据存储、逻辑型数据集市和实时数据仓库。 8.操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。 9.“实时数据仓库”意味着源数据系统、决策支持服务和数据仓库之间以一个接近实时的速度交换数据和业务规则。 10.从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以营运导向为主、以实时数据仓库和自动决策为主。 11.什么是数据仓库？数据仓库的特点主要有哪些？ 答：数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持。 数据仓库的特点包含以下几个方面：（1）面向主题。操作型数据库的数据组织是面向事务处理任务，各个业务系统之间各自分离；而数据仓库中的数据是按照一定的主题域进行组织。主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点领域，一个主题通常与多个操作型业务系统或外部档案数据相关。（2）集成的。面向事务处理的操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据作抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企事业单位一致的全局信息。也就是说存放在数据仓库中的数据应使用一致的命名规则、格式、编码结构和相关特性来定义。（3）相对稳定的。操作型数据库中的数据通常实时更新，数据根据需要及时发生变化。数据仓库的数据主要供单位决策分析之用，对所涉及的数据操作主要是数据查询和加载，一旦某个数据加载到数据仓库以后，一般情况下将作为数据档案长期保存，几乎不再做修改和删除操作，也就是说针对数据仓库，通常有大量的查询操作及少量定期的加载（或刷新）操作。（4）反映历史变化。操作型数据库（OLTP）主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含较久远的历史数据，因此总是包括一个时间维，以便可以研究趋势和变化。数据仓库系统通常记录了一个单位从过去某一时点(如开始启用数据仓库系统的时点)到目前的所有时期的信息，通过这些信息，可以对单位的发展历程和未来趋势做出定量分析和预测。 12. 简述数据仓库4种体系结构的异同点及其适用性。 答：（1）两层架构（Generic Two-Level Architecture）。 （2）独立型数据集市（Independent Data Mart）。 （3）依赖型数据集市和操作型数据存储（Dependent Data Mart and Operational Data Store）。 （4）逻辑型数据集市和实时数据仓库（Logical Data Mart and Real-Time Data Warehouse）。 13. 答：数据仓库技术的发展包括数据抽取、存储管理、数据表现和方法论等方面。在数据抽取方面，未来的技术发展将集中在系统集成化方面。它将互连、转换、复制、调度、监控纳入标准化的统一管理，以适应数据仓库本身或数据源可能的变化，使系统更便于管理和维护。在数据管理方面，未来的发展将使
信息医学 。 信息医学（Biomedite -- Biomedical science based on Information technology）是近年出现的一个新学科，其核心目标是在信息科学与生物医学交叉的基础上，强调用信息科学与技术促进生物医学的发展，同时通过借鉴生命过程中的信息原理，为信息科技的发展寻找新动力。信息医学不同于医学信息，前者的落脚点在医学，后者在信息。该学科是一个高度交叉的学科，需要既熟悉信息科学又熟悉生物医学的高端复合人才的参与。信息医学包含两方面的内容：医学中的信息过程与针对医学的信息科技。 中文名 信息医学 外文名 Biomedite -- Biomedical science based on Information technology 目录 针对医学的信息科技 （1）先进信息技术促进医疗模式变革 在伦琴发现X射线以前，医疗模式是以家庭为中心的，随着大型医疗设备的出现医疗模式逐步变成以医院为中心，当今的医疗仪器不管是大型高端的MRI、CT、PET还是小型的检验分析仪器、超声等，都极大的依赖信息技术的发展。信息技术的发展推动了医疗仪器的进步。特别是近年来的信息技术中模式识别、人工智能的领域的发展推动了自动诊断治疗类的医疗仪器的进步。 现今，随着当今人类社会发展的需求和对医学模式认识上的转变，以医院为中心的模式必然会再次回归到以预防为主，以社区(家庭)医疗为中心，“以人为本”，的医学模式上来。无论国内国外都将是21世纪医学发展的大趋势。而这种医疗模式的变革也必将极大的依赖信息技术，特别是低成本便携的家庭诊断治疗设备、高速稳定的信息网络、基于人工智能的分析诊断治疗系统。 （2）大数据技术与医学信息的整合 大数据是指由于容量太大和过于复杂，无法在一定时间内用常规软件对其内容进行抓取、管理、存储、检索、共享、传输和分析的数据集。大数据计算是现在信息科学的研究热门，而医学中的数据完全符合大数据的定义，所以利用大数据技术可以开展以下研究：
众所周知，互联网是个宝库，有各种各样的医学资料。可是，在我们需要的时候，常常找不到自己想要的资源。今天，我就给大家介绍一实用的医学网站及其特点，希望对大家能有所帮助。 1，常用的医学数据库： 1，Pubmed检索 说到医学数据库，就不的不说大名鼎鼎的Pubmed（https://www.doczj.com/doc/f6191312.html,/）了。PubMed 提供生物医学方面的论文搜寻以及摘要，而且更重要的是这些免费，它为研院校图书馆以外的用户提供了一个强大的数据检索平台。数据库来源为MEDLINE。其核心主题为医学，该搜寻引擎是由美国国立医学图书馆提供，作为Entrez 资讯检索系统的一部分。虽然PubMed 的资讯并不包括期刊论文的全文，但可能提供指向全文提供者（付费或免费）的连结。PubMed是美国国家医学图书馆(NLM)下属的国家生物技术信息中心(NCBI)开发的、基于WWW，查询方便快捷。 但是使用Pubmed使用上有一个很大的问题，不支持中文检索。由于语言的限制，造成我们的检索效率很低，其实大可不必为输入繁琐的医学词汇出错而头痛。我国的技术人员聪明的想了出Pubmed汉化检索，汉化检索的地址是：https://www.doczj.com/doc/f6191312.html,/pubmed/pubmed_search.jsp 有兴趣了大家可以试试。该程序可以自动对汉语完成匹配，大大提高了检索效率，同时还能对检索到的摘要信息进行全文求助（付费服务，要是能免费就好了）。 还有我国国产的两个期刊数据库，一个是万方（https://www.doczj.com/doc/f6191312.html,），另一个是知网（https://www.doczj.com/doc/f6191312.html,/），都是收费服务，如果你所在的医院没有包库，只有羡慕那些免费检索的人了，不过知网不知怎么回事，最近好像更新很慢。还有许多国内外免费医学数据库。篇幅有限这里就不多说了。发个链接，挺全面的的，大家自己去看看吧。 https://www.doczj.com/doc/f6191312.html,/cate/733.htm 2 国内著名医学论坛一览表： 1 丁香园论坛（https://www.doczj.com/doc/f6191312.html,）丁香园是国内老牌的医学、生命科学论坛，路人皆知，这里就不多说了。 2 协和眼科联盟（https://www.doczj.com/doc/f6191312.html,/bbs/）是国内资深的眼科专业论坛，眼科的朋友请不要错过。 3 爱爱医，（https://www.doczj.com/doc/f6191312.html,）主要是面向低年资医师和乡村医师的交流平添，如果你刚毕业进入医疗领域，不妨去要去看看。 4,好医生论坛（https://www.doczj.com/doc/f6191312.html,/），是好医生网站一个栏目。人气挺旺的。
数据挖掘随着计算机技术得到了广泛应用，从而提高了数据利用效率，拓展了知识发现的广度与深度。数据挖掘已有较多成熟方法，并在医学大数据挖掘中取得了一定成果。数据挖掘是指从数据库中，提取隐含在其中的人们事先未知、潜在的有用的信息和知识的过程。目前，医院已积累了大量医疗相关数据。 数据挖掘在医学大数据研究中已取得了较多成果，通过文献检索，总结了三方面的应用现状。 疾病早期预警医疗领域往往需要更精确的实时预警工具，而基于数据挖掘的疾病早期预警模型的建立，有助于提高疾病的早期诊断、预警和监护，同时，也有利于医疗机构采取预防和控制措施，减少疾病恶化及并发症的发生。 疾病早期预警，首先要收集与疾病相关的指标数据或危险因素，然后建立模型，从而发现隐含在数据之中的发病机制和病情之间的联系。Forkan等采集日常监测的心率、舒张压、收缩压、平均血压、呼吸率、血氧饱和度等生命体征数据，以J48决策树、随机森林树及序列最小优化算法等建立疾病预警模型，用于远程家庭监测，识别未曾诊断过的疾病发生，并将监测结果发送到医疗急救机构，实现生命体征大数据、病人及医疗机构的完整衔接，以降低突发疾病及死亡的发生率。 Easton等利用贝叶斯分类算法建立了中风后遗症死亡预测模型，认为中风后遗症死亡概率与中风发生后的时间长短成函数关系，有助于中风后遗症患者的后续监护。Tayefi等基于决策树算法建立了冠心病预测模型，该模型发现hs-CRP作为新的冠心病预测标志物，比传统的标志物（如FBG、LDL）更具特异性。 慢性病研究糖尿病、高血压、心血管疾病等慢性病正在影响着人们的健康，识别慢性病危险因素并建立预警模型有助于降低慢性疾病并发症的发生。Alagugowr等建立的心脏病预警系统，从心脏病大数据库中提取特征指标，通过K-means聚类算法识别出心脏病危险因素，又以Apriori算法挖掘高频危险因素与心脏病危险等级之间的关联规则。Ilayaraja等则以高频项集寻找心脏病危险因素并识别病人风险程度，该方法能够回避无意义项集的产生，从而解决了以往研究中项集数量多、所需存储空间大等问题。 CH Jen等对慢性疾病并发症风险识别的研究分三个步骤，首先，选择健康人群体检数据和慢性病患者相关疾病数据，以带有序列前项选择的线性判别分析来寻找相关疾病的特征变量;然后，以K-NN对特征变量进行分类处理;最后，将K-NN算法的分类结果应用于慢性疾病预警模型的建立。Aljumah等先后以回归分析和SVM用于预测和判断糖尿病不同治疗方式与不同年龄组之间的最佳匹配，为患者选择最佳治疗方式提供依据。 Perveen等对糖尿病的预测研究，采用患者人口学数据和临床指标数据，并分别用Adaboost集成算法、Bagging算法及决策树三种算法来建立预测模型，认为Adaboost集成算法的精确性更高。 辅助医学诊断医学数据不仅体量大，而且错综复杂、相互关联。对大量医学数据的分析，挖掘出有价值的诊断规则，将对疾病诊断提供参考。Yang等基于决策树算法和Apriori算法，对肺癌病理报告与临床信息之间的关联性进行了研究，为肺癌病理分期诊断提供依据，从而可回避诊断中需要手术方法获取病理组织。
第1章医学信息系统概论 1．我国卫生信息化建设存在那些问题？ 2．未来医药学专业大学生的IT知识结构中应包含哪些方面？ 3．信息处理包含哪些内容 4．医学信息系统的特点、作用和分类？ 5．医院信息系统的体系结构和功能要求是什么？ 6. 怎样划分医院信息系统处理信息的层次？ 第2章医院信息系统1、医院信息系统的定义是什么？ 2、根据数据流量、流向及处理过程，说明医院信息系统结构。 3、简述医院信息系统的系统构成。 4、临床诊疗部分包括哪些内容？ 5、药品管理部分包括哪些功能？ 6、费用管理包括哪些系统？ 7、综合管理和统计分析各有哪些分支？ 8、简述HIS的开发过程。 9、HIS开发模式有哪几种？各有什么特点？ 10、HIS开发的主要困难是什么？ 11、说明远程医疗的系统结构。 第3章电子病历与病历信息标准化 1.什么是病历？什么是电子病历？
2．电子病历的特点有哪些？ 3.电子病历的作用体现在哪些方面？ 4．电子病历的组成元素有哪些？这些元素是如何分类的？ 5．什么是医生工作站？医生工作站有哪些功能？ 6．电子病历使用中应注意的事项有哪些？ 7．如何实现电子病历的安全性？ 8．国际疾病分类—ICD的分类原理与方法是什么？ 第4章典型HIS系统需求分析 1．观访问您家附近的一所医院，参照本书图4-2某医院组织结构图，画出这家医院的组织结构图。 2．某病人在看过门诊后医生告诉他需要住院治疗，请读者设计一个病人从门诊到住院的系统工作流程。 第5章医院信息系统总体设计 1、医院信息系统与一般信息系统在系统的总体结构上有何异同？ 2、描述医院信息系统设计的一般原则。 第6章医院信息系统开发 1.VB工程的文件组成包含有哪些类型？ 2.VB访问数据库主要有哪些方法？ 3.通过ADO访问数据库的主要步骤有哪些？ 4.编程格式规范主要要注意些什么问题？
现代数据挖掘与传统数据挖掘的比较 1、相关概念及关系 数据挖掘(Data Mining，DM)又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。 现代数据挖掘技术是指20世纪80年代末所出现的数据挖掘技术，这些数据挖掘技术大多可以从数据仓库中提取人们所感兴趣的、事先不知的、隐含在数据中的有用的信息和知识，并将这些知识用概念、规则、规律和模式等方式展示给用户，使用户得以解决信息时代中的“数量过量，信息不足”的矛盾。现代数据挖掘技术应该是从数据库中知识发现技术(KDD)研究的起步，知识发现技术是随着数据库开始存储了大量业务数据，并采用机器学习技术分析这些数据、挖掘这些数据背后的知识而发展起来的。随着 KDD 研究的进展，越来越多的研究人员进入 KDD 的研究领域。现代数据挖掘包括知识发现和数据挖掘。 知识发现是用一种简洁的方式从大量数据中抽取信息的一种技术，所抽取的信息是隐含的、未知的，并且具有潜在的应用价值。知识发现可以看成是一种有价值信息的搜寻过程，它不必预先假设或提出问题，仍然能够找到那些非预期的令人关注的信息，这些信息表示了不同研究对象之间的关系和模式。它还能通过全面的信息发现与分析，找到有价值的商业规则。 数据挖掘是 KDD 最核心的部分，是采用机器学习等方法进行知识挖掘的阶段。数据挖掘算法的好坏将直接影响到所发现的知识的质量。一般在科学领域中称为 KDD，而在工程应用领域则称为数据挖掘。 2、 现代数据挖掘与传统数据挖掘的比较 1、从研究内容来看：随着DMKD研究逐步深入,数据挖掘和知识发现的研究已经形成了三根强大的技术支柱,即数据库、人工智能和数理统计。目前,DMKD的主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。 数据挖掘所发现的知识最常见的有以下4类:①广义知识