基于Hadoop的醫(yī)療輔助診斷系統(tǒng)的設計與實現.pdf

1、我國醫(yī)院大范圍建設以電子病歷為重點的信息系統(tǒng)已進行了10多年。電子病歷、實驗室信息系統(tǒng)、醫(yī)學影像傳輸和存儲系統(tǒng)等信息系統(tǒng)已被引入到醫(yī)院中，這使得醫(yī)院積累了豐富的醫(yī)療數據資源。以上海交通大學醫(yī)學院附屬瑞金醫(yī)院為例，每年產生的臨床數據約在60TB。醫(yī)療數據包括了臨床診斷、檢驗檢查結果等類型，具有數據量大、數據形式多元、數據變化快、數據價值高的“大數據”特征。如何利用這些數據為臨床醫(yī)療診斷提供數據支持、讓醫(yī)生更好地為病人服務，是信息化建設的更

2、高要求。
　　論文結合《基于瑞金醫(yī)院的臨床大數據平臺建設和深度應用》實際項目，研究了基于大數據處理平臺Hadoop的醫(yī)療輔助診斷系統(tǒng)。首先分析了醫(yī)療數據的特點，綜述了數據挖掘相關技術。針對糖尿病人處方數據，研究了基于關聯(lián)規(guī)則的藥品推薦，并通過改進算法提高效率滿足了醫(yī)療診斷的及時性要求。針對甲亢病人的檢驗數據，研究了基于邏輯回歸的并發(fā)癥預測，結合醫(yī)療數據特點，分析了數據清洗、集成、轉換以及預測結果的評估相關技術。使用MapReduc

3、e和Spark兩種計算模型，論文對醫(yī)療輔助診斷系統(tǒng)的藥品推薦和并發(fā)癥預測功能進行了實現，驗證了課題研究方法和技術的有效性。論文的主要工作有以下幾個方面。
　?。?）研究了基于關聯(lián)規(guī)則的藥物推薦。利用數據挖掘中的關聯(lián)規(guī)則算法，找出醫(yī)療處方數據中的頻繁處方項集，并從頻繁處方項集中尋找有意義的處方關聯(lián)信息，在醫(yī)生開具處方時提供輔助診斷作用。為了滿足藥品推薦的及時性需求，論文對關聯(lián)規(guī)則的經典Apriori算法進行改進，提出基于前綴項集的A

4、priori算法，并在實際醫(yī)療處方數據上證明了改進算法的有效性。
　?。?）研究了基于邏輯回歸的并發(fā)癥預測。針對病人的各種檢驗指標數據，結合數據挖掘中的邏輯回歸算法建立分類模型，通過該模型對未來病人的患病情況進行判斷，從而達到為醫(yī)生提供輔助診斷的效果。在預測功能具體實現中，本文使用了1~99分位極值處理、基于熵的數值離散化、針對不平衡數據的模型評估方法等技術以保證最終預測模型的準確性。
　?。?）在Hadoop平臺上使用Ma