在临床疾病诊断中的应用

医院信息系统是医学信息学的一个分支,分为管理信息系统(MIS)和临床信息系统(CIS).HIS系统在实现了医院信息的全过程追踪和动态管理、简化患者的诊疗过程和优化就诊环境的同时,在医院信息系统中积累了大量的管理信息和临床信息资源,如何在这大量的数据资源中挖掘深层次的、隐含的、有价值的知识,是我们面临的一个难题.数据挖掘有解决这方面问题的能力.利用数据挖掘技术开展科学研究,提高医学技术和医院管理水平是很有必要的.     

数据挖掘在医院信息系统中的应用探讨

目前,医院信息系统普遍应用于大中型医院,提高了医务工作者的工作效率,同时也积累了大量的医学数据。采用数据挖掘中的粗糙集理论、人工神经网络算法、决策树算法可以对医院信息系统的大量数据进行分析,发现有用的、潜在的知识为开展高水平医学研究提供了有力的技术工具;也为医院管理人员提供有价值的信息,帮助其作出正确的决策。因此对医院信息系统中数据挖掘的过程以及所应用的技术深入研究,能充分发挥数据挖掘在医学领域的作用。     

数据仓库在病案管理中的应用研究

目前医院信息系统的建设已取得显著成效,多年的应用也积累了大量数据.如何利用这些宝贵的信息资源为医院管理与决策服务,是医院信息化所面临的重要研究课题.在概述数据仓库技术特点的基础上,阐述了数据仓库的设计方法和设计内容,并针对医院的具体情况和决策需求特点,设计实现了符合医院病案管理决策需求特点的病案数据仓库.最后讨论了病案数据仓库对病案管理系统和病案数据挖掘的影响,并对将来的研究问题作了展望.     

基于网格的医疗信息集成及图像处理应用

针对目前医院信息系统中存在的信息孤岛现象,提出了基于网格技术和网格工具的解决方案,研发了基于中国网格公共支撑平台(CGSP)的医学图像网格平台MedImGrid,互连各种异构医疗资源,有效整合分布在各家医院和医疗研究机构的大量医疗数据与信息,实现了对异构医疗信息、病例图片、医学专家知识等信息资源的共享和集成,为用户提供广域范围内的医疗信息查询和病例图片检索,并支持基于断层图片的三维重建、基于特征值的图像检索与辅助诊断等医学图像处理应用.     

基于改进Adaboost M1算法医学图像分类系统的研究

随着计算机医学成像技术的发展,医学影像越来越多样化,医学影像的应用也越来越广泛,与此同时大量的医学设备的应用使得医学影像的数量也越来越多,大量的影像资料使医院迷失在信息的海洋.如何有效的对医学影像进行组织、管理,合理有效的对其进行分类,从而使其更好的辅助日常的医学诊断和医学研究.为了解决这一问题,本文在单特征研究的基础上提出一种综合了多特征融合和数据挖掘的医学图像分类的方法,该方法引入数据挖掘中集成学习的概念,利用改进的Adaboost M1算法针对单特征分类的弱分类器进行迭代训练,并采用SVM分类器开发设计了一个基于改进Adaboost M1算法的医学图像分类系统,以提高医学图像分类效率.     

基于关联规则的数据挖掘在临床上的应用

随着医院信息系统(Hosp ital Inform ation System,H IS)在医院的广泛应用,特别是数字新技术在门诊系统中的广泛应用,医学数据挖掘提高了医院信息管理水平,为疾病的诊断和治疗提供了科学的、准确的决策.本文使用关联规则中的Apriori算法挖掘医院病人的就诊资料,并且归纳出症状及疾病间之关联规则,并探讨其在医疗信息系统的应用.     

基于图像降阶的纹理特征挖掘方法在医学上的应用

借助数据挖掘方法在图像中的应用,提出一种利用图像降阶结合Apriori算法对医学图像纹理特征进行挖掘的模型.将医院信息系统(HIS)中病患特征与病患的医学图像纹理特征相融合,通过剪枝技术建立关联规则库,采用规则库中的规则对医学图像进行信息挖掘.实验结果表明,依靠该方法挖掘的关联规则能够很好地表达纹理,并对医疗辅助诊断起到一定的帮助.     

基于数据挖掘的医院诊疗系统的研究

随着计算机科技的发展和医院对信息平台的建设,医学诊疗系统已经成为其中不可缺少的一部分。如何扩展医院诊疗系统就成为了重中之重,当前数据挖掘技术对于医学来说已经有很大的应用,本文将数据挖掘技术应用到医院诊疗系统中,详细描述了数据挖掘模块在系统中的实现和算法,大大扩展了系统的功能,并提高了诊疗效率。     

基于Web Services的数据挖掘系统设计与实现

随着分布式系统的发展,许多信息资源分布在网络中不同的信息系统中,给信息的共享和知识的发现造成了很大的困难.提出了一种基于Web Services的数据挖掘系统框架,开发数据挖掘中间DMS件(Data Mining Service)实现对异构信息系统的透明访问,把局部和全局的挖掘结果都包装成XML格式.实验表明该系统能够有效地解决了由于系统和信息的异构所带来的数据挖掘困难问题.     

医院信息系统中护士工作站子系统的开发

医院信息系统以病人为中心,医院内所有的信息都将以无纸化为目标,以数字化形式存储,医院内的所有终端及医学检查设备均与计算机相连通,各种医嘱和检查结果均由网络相互传送,从而达到充分利用和共享丰富的信息资源.该文是以鄂钢医院信息系统为背景来开发护士工作站子系统.首先分析了护士工作站在医院信息系统中的地位和主要功能;之后通过对采用的技术方案进行分析开发出一套适合鄂钢医院信息系统的护士工作站子系统,最后介绍了护士工作站子系统的主要业务流程和主要功能模块.     

浅谈数据挖掘在防雷业务信息管理中的应用

数据挖掘就是利用已知的数据通过数学建模的方法找到隐含的业务规则.随着对数据挖掘技术的不断重视,其应用研究也越来越广.目前各地都有自己的防雷业务系统,但没有一个比较完善的数据挖掘系统,来整合防雷业务技术资源,造成了一定的技术资源的浪费.该文将数据挖掘技术引入防雷业务信息的管理中,采用分类、聚类、关联、预测等方法,用从客户关系管理、检测信息管理、仪器设备管理三方面,分析挖掘出防雷业务中隐含的有价值信息,为行业的后续发展提供良好的规划支持.     

数据挖掘在医院信息系统的应用研究

数据挖掘技术能够通过多元化数据体系之间的相互认证提供更为精准的统计信息。以此为背景,将对数据挖掘技术在医院信息系统中的应用进行具体探究。在后续的研究中将对医院数据挖掘范围与功能需求进行总结,并以功能需求为蓝本,按照临床应用、管理应用、第三方应用等三个方面探讨实际应用过程与方法。与此同时结合笔者的思考总结现阶段数据挖掘技术在相关领域应用的主要掣肘因素与未来可能的发展方向。希望通过本文的研究能够为今后的相关技术推广与体系建设提供必要基础。     

数据挖掘技术在电力管理和分析中的应用

作为一种数据分析方法和技术,发现潜在的信息,大量的信息,数据挖掘已成为社会关注的焦点.在电力行业的信息化建设进程中,有大量历史数据,采用数据挖掘技术来研究和发展是刻不容缓,分析决策系统需要解决在电力运行管理中存在的关键和突出问题企业.本文提出了详细的数据挖掘算法分析.基于电力管理分析的特点,重点讨论了聚类分析算法.基于电力数据管理分析系统,数据挖掘技术在本文设计的过程采用混合型数据并获得良好的挖掘效果.聚类对电力客户数据分析可以得到很好的分类,有助于预测顾客的购买行为.     

浅谈医院信息化建设的进程与发展

医院管理的信息化是医院管理现代化、规范化的有力手段,是时医院内部管理的一次变革,具有十分重要的意义,医院管理的信息化势在必行,日渐成为高水平医院管理的重要标志.医院信息系统(Hospital Information System,HIS)是医院信息化建设的基础,它涉及现代管理科学、医学技术、计算机技术、网络通信技术等多学科范畴.经过近20年的发展,中国医院信息系统HIS建设经历了从单机系统、局部网络系统、整个医院信息系统、远程医疗的多个阶段,目前已经初具规模.     

基因组信息在医院信息系统中表达方式的探讨

临床基因组学的发展,加速了临床信息和基因组信息的整合,也使医院信息系统表达基因组信息成为一种必要.本文提出了一种在现有医院信息系统基础上快速引入基因组信息表达同时实现网络交换共享的方法,即通过字段映射以现有数据库形式存储基因组信息,在网络传输中采取XML格式,同时遵循HL7、BSML、LONIC等标准.这为未来医院信息系统实现基因组信息表达做出了探索.     

数据挖掘技术在电力行业客户关系管理中的应用

数据挖掘技术是随着计算机网络的流行而逐渐火起来的一门新兴技术,它是大数据云计算等技术的综合应用。对于数据的抓取和信息的利用十分便利。电力行业是一个庞大的部门,其客户的覆盖量几乎是全国,管理这样一个庞大的客户关系网络,有大量的信息需要进行筛选和整理。为此数据挖掘技术在电力行业客户关系管理中有着广阔的应用空间。     

数据挖掘技术在电子商务客户关系管理中的应用研究

在电子商务环境下,客户的信息量越来越大,运用数据挖掘技术研究客户关系管理,可实现从大量不确定的客户信息中挖掘出客户分类的依据和信息,为企业提供重要决策支持.通过分析和总结国内外学者研究成果,找出了数据挖掘在电子商务环境下客户关系管理应用研究方面的不足,论证了数据挖掘在电子商务环境下客户关系管理中的必要性,研究并提供了数据挖掘技术在电子商务客户关系管理中的应用方法及实施步骤.     

基于数据仓库技术的医院信息系统应用研究

基于联机事务处理(OLTP)的传统医院信息系统(HIS)主要追求日常医疗及管理业务电子化的高速度和准确性,不能满足管理者对复杂数据的系统分析和决策支持的需求.数据仓库和联机分析处理(OLAP)则弥补了传统数据库在分析型应用上的不足.提出了一个实现医院的数据仓库系统解决方案,并以实例说明OLAP和数据挖掘技术在药房信息管理和分析决策中的应用.实际应用表明,新的解决方案对降低劳动强度和提高工作效率有明显的效果.     

数据挖掘技术在糖尿病管理中的应用进展

数据挖掘(DM)是从大量不完整、有噪声、模糊、随机的实际应用数据中提取潜在有价值的信息和知识的过程。该项技术融合了人工智能、数据库、统计学等学科内容,为疾病管理相关研究的创新与发展提供极佳的便利。近年来,将数据挖掘技术运用于糖尿病管理,在糖尿病早期预防、糖尿病并发症预测及糖尿病的预后等方面已经取得了很大的成效。但目前国内将数据挖掘技术应用于糖尿病领域仍处于探索阶段,本文旨在通过对数据挖掘技术的分类,以及对数据挖掘技术在糖尿病筛查、糖尿病并发症预测和提升糖尿病患者管理质量中的应用及进展进行详细评述,使医务人员对数据挖掘技术在糖尿病管理中的应用有一个清晰直观的理解,并发现数据挖掘技术在糖尿病管理应用中存在的问题,为医务人员进行精细管理提供证据,以促进产生对患者和医务人员有益的研究成果。     

数据挖掘技术在CRM中的应用研究

在电子商务这种经济模式下,客户关系管理（CRM）日益受到企业的重视,客户分类是分析型客户关系管理的重要功能之一,利用数据挖掘技术可以从大量的、不确定的客户信息中挖掘出有价值的信息,为企业决策提供依据。通过探讨客户关系管理理论和数据挖掘技术．提供了数据挖掘技术在电子商务客户关系管理中的应用方法。