基于Hadoop的醫(yī)療輔助診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、我國醫(yī)院大范圍建設(shè)以電子病歷為重點(diǎn)的信息系統(tǒng)已進(jìn)行了10多年。電子病歷、實(shí)驗(yàn)室信息系統(tǒng)、醫(yī)學(xué)影像傳輸和存儲(chǔ)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(shù)據(jù)資源。以上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院為例，每年產(chǎn)生的臨床數(shù)據(jù)約在60TB。醫(yī)療數(shù)據(jù)包括了臨床診斷、檢驗(yàn)檢查結(jié)果等類型，具有數(shù)據(jù)量大、數(shù)據(jù)形式多元、數(shù)據(jù)變化快、數(shù)據(jù)價(jià)值高的“大數(shù)據(jù)”特征。如何利用這些數(shù)據(jù)為臨床醫(yī)療診斷提供數(shù)據(jù)支持、讓醫(yī)生更好地為病人服務(wù)，是信息化建設(shè)的更

2、高要求。
　　論文結(jié)合《基于瑞金醫(yī)院的臨床大數(shù)據(jù)平臺(tái)建設(shè)和深度應(yīng)用》實(shí)際項(xiàng)目，研究了基于大數(shù)據(jù)處理平臺(tái)Hadoop的醫(yī)療輔助診斷系統(tǒng)。首先分析了醫(yī)療數(shù)據(jù)的特點(diǎn)，綜述了數(shù)據(jù)挖掘相關(guān)技術(shù)。針對(duì)糖尿病人處方數(shù)據(jù)，研究了基于關(guān)聯(lián)規(guī)則的藥品推薦，并通過改進(jìn)算法提高效率滿足了醫(yī)療診斷的及時(shí)性要求。針對(duì)甲亢病人的檢驗(yàn)數(shù)據(jù)，研究了基于邏輯回歸的并發(fā)癥預(yù)測(cè)，結(jié)合醫(yī)療數(shù)據(jù)特點(diǎn)，分析了數(shù)據(jù)清洗、集成、轉(zhuǎn)換以及預(yù)測(cè)結(jié)果的評(píng)估相關(guān)技術(shù)。使用MapReduc

3、e和Spark兩種計(jì)算模型，論文對(duì)醫(yī)療輔助診斷系統(tǒng)的藥品推薦和并發(fā)癥預(yù)測(cè)功能進(jìn)行了實(shí)現(xiàn)，驗(yàn)證了課題研究方法和技術(shù)的有效性。論文的主要工作有以下幾個(gè)方面。
　?。?）研究了基于關(guān)聯(lián)規(guī)則的藥物推薦。利用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法，找出醫(yī)療處方數(shù)據(jù)中的頻繁處方項(xiàng)集，并從頻繁處方項(xiàng)集中尋找有意義的處方關(guān)聯(lián)信息，在醫(yī)生開具處方時(shí)提供輔助診斷作用。為了滿足藥品推薦的及時(shí)性需求，論文對(duì)關(guān)聯(lián)規(guī)則的經(jīng)典Apriori算法進(jìn)行改進(jìn)，提出基于前綴項(xiàng)集的A

4、priori算法，并在實(shí)際醫(yī)療處方數(shù)據(jù)上證明了改進(jìn)算法的有效性。
　　（2）研究了基于邏輯回歸的并發(fā)癥預(yù)測(cè)。針對(duì)病人的各種檢驗(yàn)指標(biāo)數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘中的邏輯回歸算法建立分類模型，通過該模型對(duì)未來病人的患病情況進(jìn)行判斷，從而達(dá)到為醫(yī)生提供輔助診斷的效果。在預(yù)測(cè)功能具體實(shí)現(xiàn)中，本文使用了1~99分位極值處理、基于熵的數(shù)值離散化、針對(duì)不平衡數(shù)據(jù)的模型評(píng)估方法等技術(shù)以保證最終預(yù)測(cè)模型的準(zhǔn)確性。
　?。?）在Hadoop平臺(tái)上使用Ma