首页 > 文献资料
-
未来的数字医院系统及其关键技术
新的科技创新的浪潮使我们能够获取、存储、处理和显示来自医院各个角落的、史无前例的、大量的关于生物医学的、医学工程的、临床诊断的、医药的、卫生经济、医院管理的、医院文化的各类数据和现象.这些数据和现象多为与医学、管理、经济、健康等相关的信息,它们是关于某医院某时某地某人所产生的某事件.如何搞清楚这些数据和现象的真正意义是极为重要的,这便是未来数字化医院所具备的基本功能.本文论述了未来的数字医院系统的基本架构及其实现的关键技术.
关键词： 数字医院系统 数据挖掘 知识发现 医院信息系统 医院信息系统的数据挖掘 -
数据挖掘在心血管病住院患者病情分析中的应用研究
文章概述了数据挖掘技术以及该技术在各领域中数据研究中的作用.重点介绍了数据挖掘技术中的决策树分类方法,以及如何利用决策树方法对心血管住院患者的病案首页数据进行研究分类,以实现对患者病情的危重度做出较为客观准确的分级.
-
基于深度学习的电子病历命名实体识别及其在知识发现中的应用
通过引入医学文本语言和文档类别特征,构建了一个基于深度学习的电子病历命名实体识别系统.识别的实体包括身体部位、症状和体征、疾病和诊断、检查和检验以及治疗5大类.基于模型识别的结果,将其应用在基于共现的临床知识发现中.命名实体识别系统的准确率为93.29％,召回率为93.53％,F1值为93.41％.医学语言特征的引入能够进一步提高基于深度学习的医学实体识别系统的效果,实体识别的结果可以作为电子病历知识发现的基础.
-
上海交通大学MED-X研究院举办医学影像信息学系列讲座
2010年5月17～20日,上海交通大学MED-X研究院举办医学影像信息学系列讲座.本次讲座特聘请美籍华裔学者黄焕庆教授(美国南加州大学放射与生物医学工程系资深教授)担任主讲.内容涵盖:多媒体电子病历系统;数据挖掘与知识发现;计算机辅助脊柱手术;计算机辅助检测(CAD)与PACS的整合等.
-
医学知识发现与创新的几种概念关系模式的初步研究
以一体化医学语言系统提供的医学概念语义关系为基础,通过对科研课题中的创新性内容进行文献对比分析,探讨和总结了医学知识创新中的A是B的下位词、A是B的上位词、A是B的同位词、A是B的同类词等8种概念关系模式.
-
商业智能在医院信息系统数据深加工中的应用
从20世纪80年代至今,我国医院信息数字化已经走过20年的历程,从单纯的医院财务系统数字化、局部的药房药品、物资管理数字化到电子病历,再到集成医学影像存档和传输系统(PACS)、检验信息系统(LIS)等,医院信息系统(HIS)的解决方案及其功能得到了逐步的完善和提高[1,2].现在,HIS的数据规模越来越大,一所大型三级综合医院的业务数据年增长量至少在百兆级,对数据的分析和再利用就显得日益重要了.如何使HIS满足管理决策的需要,支持知识发现,是每个实施HIS的医院都要面对的问题.在这里,我们引入商业智能的概念,将其与HIS相结合,以期较好地解决上述问题.
-
中风病证候研究中常用数据挖掘方法及应用
在数字化时代，人们面对的现状是“数据丰富，信息缺乏”，传统数据库管理系统的查询检索机制以及统计学的分析方法已不能完全满足人们的实际需要。为了从这些纷繁复杂的信息中提取出有助于指导人们实践的信息，数据挖掘（data mining，DM）和数据库中的知识发现（knowledge discover in database，KDD）技术应运而生。现针对中风病证候研究中常用的数据挖掘方法及其应用综述如下。
-
基于形式概念分析数学理论的经方诊治情志病证治规律研究
目的：基于形式概念分析理论，分析经方诊治情志病证的证治规律。方法：收集《伤寒论》及《金匮要略》中与情志病证相关的经方51首，基于形式概念分析理论，建立形式背景，生成属性偏序结构图，并从图中进行模式发现，从而总结经方诊治情志病的方药证治规律。结果：从方药属性偏序结构图及方证属性偏序结构图中，能系统、客观、全面地展示经方诊疗情志病的方证规律及方药配伍规律。结论：基于现代严密的形式概念分析数学理论，能有效解决中医内在辨证论治原理的描述问题，能从已知的数据中发现对诊疗有价值的知识，为中医经典传承提供新的思路与方法。
-
基于多层次复杂概念网络表示方法的《伤寒论》方药按主方分类的知识发现
本文基于形式概念分析数学理论，以《伤寒论》方药知识库中方剂、药物和方剂-药物关系为概念进行形式背景的生成，并根据清代徐灵胎《伤寒论类方》的分类方法（桂枝汤类、柴胡汤类、泻心汤类和杂法方类）进行形式背景的对象子块分割和优化，进而借用描述事物普遍性和特殊性层次的复杂概念网络生成方法，构建《伤寒论》方按主方分类相应的方剂配伍子群结构多层次复杂概念网络图，给出相应方剂（对象）和药物（属性）之间的关系结构可视化表示和解释。这是将信息科学与传统中医伤寒学结合的新尝试，有利于对传统分类方法的再学习和认识，进一步推动《伤寒论》学术的继承和创新。
关键词： 多层次复杂概念网络表示方法 《伤寒论》 方药 主方 知识发现 -
Swanson的非相关文献知识发现法对中医学发展的启示
随着科学技术的飞速发展,医学领域分工日益细化,跨专业的沟通变得更加困难,而某个专业领域的信息,可能对相关专业领域是有价值的,它们之间存在着某种隐含的有价值的关联,而以常规方式通常检索不到这种关联性的.美国学者Swanson教授创立了非相关文献知识发现法,并且设计了相应的人机交互系统(Arrowsmith),帮助医学研究者更好地发现这种隐含的关联.此法也可为中医学发展提供新的研究启示.
关键词： Swanson 非相关文献 知识发现 Arrowsmith 中医学 -
基于数学属性偏序表示原理的李赛美教授治疗2型糖尿病处方用药分析
目的:基于数学属性偏序表示原理,分析李赛美教授治疗2型糖尿病的处方用药经验.方法:收集李赛美教授门诊治疗2型糖尿病的200例病历,基于形式概念分析的数学属性偏序表示原理,建立形式背景,生成属性偏序结构图,分析李赛美教授治疗2型糖尿病的处方用药经验.结果:李赛美教授治疗2型糖尿病时注重疏肝健脾补肾,处方用药灵活多变,总以据证立法,依法选方,方以药成为特点.结论:基于数学属性偏序表示原理的知识发现方法,能有效发现李赛美教授诊疗2型糖尿病的处方用药规律.
-
基于信息抽取的历代方剂药物知识发现方法及应用
文章全面客观分析了现有中医方剂数据资源现状与问题,提出一种可以解决方剂数据自动结构化问题的信息抽取技术.在现有研究成果的基础上,设计和实现了一套适合历代方剂药物信息抽取系统,对半结构化的方剂数据进行处理.首先建立了中药术语、剂量单位等专业词典;然后通过分词、术语识别和标准化、剂量的自动规范化等步骤,快速准确地建立结构化的方剂数据库.后基于生成的方剂数据库,以应用案例的形式,介绍了历代方剂药物知识发现的实现过程,并根据时间序列分析这一较为客观的证据,结合中国方剂发展演变的历史进程对千余年来方剂用药剂量的变化规律进行探讨与分析.
-
基于KDD技术对《名医类案》、《续名医类案》从肾论治医案的系统研究
目的:《名医类案》、《续名医类案》所载医案是明清以前中医医案的精华,古代医案是具有中医临床诊疗特色的数据信息来源,对其进行系统整理与挖掘,为揭示“肾藏精”的科学内涵提供文献依据.方法:对《名医类案》、《续名医类案》进行版本认定、文字校对和名词术语标准化,以从肾论治医案为研究对象,建立医案的纳入、排除标准,理清从肾论治医案共521例,通过数据库知识发现(KDD)技术,对医案的病名、证名、体质、病因、病机、症状、治则、治法、方剂、中药、针灸、调护等内容分类系统研究,并以上述12项内容为变量,进行频数聚类和关联分析.结果:《名医类案》、《续名医类案》从肾论治医案来自163种疾病,可见证名23种,有明确体质内容描述的有33例；156例医案明确了致病因素,房劳虚损为首要病因；334例医案具有病机分析内容,可总体上分为13类,其中肾阴虚为常见病机；包含不可拆分症状要素1 500多种,小便异常为第一主症；126例医案中能体现出治则,扶正固本应用频率高；该类医案中出现治法58种,使用方剂189条,中药206种,腧穴23个,83例医案中有调护内容.此外,数据挖掘管理平台可显示任两个变量间的关联分析结果.结论:基于KDD技术,从古代医案人手,提炼从肾论治的关联性、规律性知识,可以从一个新的视角深刻解读肾藏象理论,推广应用深入研究中医理论,从而指导临床实践.
-
中医脉象数理量化创新方法研究
脉诊是中医重要的诊法之一,具有完整、系统的理论体系,长期以来,在中医理论体系及诊疗实践中占有非常重要的地位.中医一直把脉诊作为探测病因、病位、病性及预测疗效的根据之一,在临床诊病中发挥着十分重要的作用.几千年来,中医一直依靠手指触觉来体会患者动脉搏动时所提供的脉象信息,在判别脉象的属性方面仅停留在一些形象化的概念上.对某一脉象的认识,是以医生指下的体会结合该医生对脉象概念的领会来加以鉴别,缺乏客观指标作为判定脉象的标准,所谓"心中易了,指下难明",因此,脉诊的客观化是一个亟待解决的问题.
-
数据库中知识发现在中医药领域的若干探索(Ⅰ)
数据库中知识发现(Knowledge Discovery in Database,KDD)是20世纪80年代末兴起的一种信息技术,是人工智能与数据库、统计学、机器学习等技术的交叉产物,是从海量数据中获取有效、新颖、有潜在应用价值和终可理解模式的过程.面对中医药领域的海量数据,采用KDD技术进行有效的知识发现,既是必要的,也是可行的.
-
方剂配伍规律数据挖掘的研究现状及思考
从金·成无己于<伤寒明理论>中以君臣佐使研究张仲景方剂[1]至今,为了把握中医方剂应用历史嬗变的轨迹,寻找中医方剂的配伍方法及组方思路,人们利用哲学、数学等其他学科的方法或手段对方剂配伍规律的研究从未间断过.
-
基于双向聚类方法的中医治疗中风病方剂配伍规律知识发现
目的深入探索方剂的制方要素，总结方药证治规律，找到对其中药理起关键作用的核心药/药组，为方剂配伍理论研究、药性理论研究、中医临床用药研究提供新方法和现代技术手段。方法从《中国方剂数据库》和《方剂现代应用数据库》中获取治疗中风病的方药文本数据源，经预处理、信息抽取后构建方药矩阵，引入双向聚类方法对方-药两方面数据同时聚类。结果预处理后得到有效记录648首，共计6913味药，生成了100×648“方-药”矩阵，后得到4组聚类指标，高描述度代表方共8首，总结出针对不同证型配伍用药特点及各证型辨证论治的治则治法及各型常用药对药组。结论本方法适用于中医方剂数据库中方-药知识发现，可有效抽取所需方药信息，梳理出方药证治规律。
-
方证关系人工神经网络构建研究——以《临证指南医案·湿》医案为例
目的 通过人工神经网络技术构建可根据症状体征预测用药的医案模型,以《临证指南医案?湿》医案为例,分析方证之间的网状关系.方法 对《临证指南医案?湿》医案进行筛选,将症状、体征、处方药物等数据规范化后录入.采用Python语言编程,PyBrain模块构建并训练神经网络模型,MatPlotLib模块绘制误差曲线、预测的拟合曲线,评估灵敏度与特异度,NetworkX模块实现方证网状关系的可视化表达,分析处方内的药物及配伍关系与其针对的病证病机或病理环节之间的关系.结果 构建的医案神经网络模型预测灵敏度96.15%、特异度75.00%,实现了方证网状关系的可视化映射及其单个、单组、两组节点间多角度的分析.结论 人工神经网络能较好模拟医案知识的方证关系,网状关系的可视化组合与呈现可为医案文献的方证知识发现提供可行方法.
-
数据库中知识发现在中医药领域的若干探索(Ⅱ)
3 KDD在中医药领域的若干探索KDD作为知识发现的有效方法,其思路和方法近年来已经开始被用于中医药领域.CCNT实验室在与中国中医研究院合作建库的同时,也致力于使用KDD技术进行中医药领域的知识发现.主要工作包括:①尝试了利用高频集算法对方剂配伍规律进行知识发现;②进行了基于功效的中药聚类分析;③探索了中医药数据的预处理方法;④进行了面向中医药数据的KDD平台的研究.
-
基于形式概念分析数学理论研究《伤寒论》方药整体知识
在中医药现代化、技术化、普及化的发展过程中,面对《伤寒论》传承的实际情况,将严密的形式概念分析数学理论与传统中医经典研究相结合,在尊重原著的前提下,通过对《伤寒论》全文所涉及方剂名称、组成的概念进行提取和规范化表达,建立《伤寒论》方药知识库,并以知识库中方剂、药物和方剂—药物关系为概念进行形式背景的生成和优化,借用描述事物普遍性和特殊性层次的复杂概念网络生成方法,终实现《伤寒论》全部方剂、药物和方剂—药物之间关系结构的可视化表示和整体知识发现,为传统中医经典传承知识发现提供一种新途径.
