發(fā)布時(shí)間：2020-11-05 22:01

　　 數(shù)據(jù)挖掘是從大量的、模糊的、有噪聲的數(shù)據(jù)中提取隱藏在其中有價(jià)值的信息的過程。改革開放至今,中國迅速崛起,在國家和地方統(tǒng)計(jì)部門的協(xié)調(diào)合作下,已積累大量有價(jià)值的專業(yè)數(shù)據(jù)。如何從這些大量的歷史數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息,為區(qū)域疾病監(jiān)測和個(gè)體疾病監(jiān)測服務(wù),輔助疾病診斷和疾病預(yù)防,成為當(dāng)下研究的熱點(diǎn)話題。論文以惡性腫瘤為例,結(jié)合中國統(tǒng)計(jì)局發(fā)布的統(tǒng)計(jì)年鑒,將區(qū)域自然環(huán)境、生物環(huán)境、社會(huì)環(huán)境、人文環(huán)境等數(shù)據(jù)與中國居民惡性腫瘤病發(fā)數(shù)據(jù)做深入分析,建立多元線性回歸模型,探究區(qū)域環(huán)境特征對居民患癌的作用規(guī)律。論文亦提出建立惡性腫瘤數(shù)據(jù)共享平臺(tái)的方案,通過規(guī)范數(shù)據(jù)的結(jié)構(gòu),整合醫(yī)療機(jī)構(gòu)、科研機(jī)構(gòu)、政府機(jī)關(guān)的先進(jìn)資源,為國家和地方?jīng)Q策部門及時(shí)做好疾病防疫和診療工作提供理論依據(jù)。通過媒體及走訪調(diào)查,論文選取2004-2016年中國惡性腫瘤發(fā)病率與死亡率、相關(guān)區(qū)域特征數(shù)據(jù)、2015年中國癌癥村空間分布及相關(guān)區(qū)域特征數(shù)據(jù)作為研究對象,利用數(shù)據(jù)挖掘技術(shù)對癌癥發(fā)病狀況與區(qū)域環(huán)境特征間的潛在關(guān)聯(lián)進(jìn)行深入研究。最后通過Django框架,設(shè)計(jì)并實(shí)現(xiàn)了基于瀏覽器/客戶端結(jié)構(gòu)的癌癥數(shù)據(jù)共享平臺(tái)系統(tǒng)。論文的主要工作包括以下三點(diǎn):(1)從國家統(tǒng)計(jì)年鑒抽取2004-2016年中國居民癌癥發(fā)病率、死亡率數(shù)據(jù)及同時(shí)期經(jīng)濟(jì)、自然等13項(xiàng)區(qū)域特征數(shù)據(jù)進(jìn)行研究。利用決策樹、隨機(jī)森林、自適應(yīng)增強(qiáng)樹、相關(guān)矩陣等方法完成特征提取和分析,初步探索各區(qū)域特征對癌癥病發(fā)的影響粒度。(2)根據(jù)網(wǎng)絡(luò)、報(bào)刊、學(xué)術(shù)論文等媒體,作者整理、統(tǒng)計(jì)了2015年中國省級(jí)區(qū)域的癌癥村分布數(shù)據(jù),并從國家統(tǒng)計(jì)年鑒抽取2015年分地區(qū)區(qū)域經(jīng)濟(jì)、自然等12項(xiàng)區(qū)域特征數(shù)據(jù)進(jìn)行研究。利用決策樹、隨機(jī)森林、自適應(yīng)增強(qiáng)樹等方法完成特征提取和分析,利用K均值聚類探索我國癌癥村的空間分布和變遷規(guī)律。對比時(shí)間維度的研究結(jié)果,選擇適當(dāng)輸入因子構(gòu)建多元線性回歸模型。實(shí)驗(yàn)表明,優(yōu)化后的歸一化多元線性回歸模型擬合優(yōu)度為0.8489、均方誤差為0.0226,擬合效果良好,能較好預(yù)測和評(píng)估區(qū)域癌癥村數(shù)量及居民癌癥病發(fā)狀況。(3)設(shè)計(jì)基于Django框架的癌癥數(shù)據(jù)共享平臺(tái)并完成局域網(wǎng)內(nèi)功能模擬,旨在整合國家及地方醫(yī)療機(jī)構(gòu)、科研機(jī)構(gòu)和政府部門的專業(yè)職能資源,輔助相關(guān)部門做好疾病的預(yù)防和診療工作。平臺(tái)系統(tǒng)測試流暢,設(shè)計(jì)功能基本實(shí)現(xiàn)。
【學(xué)位單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP311.13;R181.8
【部分圖文】：

大數(shù)據(jù)分析平臺(tái)概述據(jù)醫(yī)療”改革的不斷深入，無論是電子病歷數(shù)據(jù)還是統(tǒng)計(jì)、數(shù)據(jù)形式多元、數(shù)據(jù)變化快和數(shù)據(jù)價(jià)值高的“大數(shù)據(jù)”特中獲得潛在的、有價(jià)值的信息成為當(dāng)下疾病監(jiān)測與數(shù)據(jù)分技術(shù)的出現(xiàn)，在很大程度上解決了上述問題。由于數(shù)據(jù)挖掘器學(xué)習(xí)算法、數(shù)據(jù)可視化、模式識(shí)別等分析步驟，在處理大勢。因此，數(shù)據(jù)挖掘能夠幫助人們獲得潛藏在數(shù)據(jù)中的巨在在疾病監(jiān)測領(lǐng)域中發(fā)揮重要作用。國數(shù)據(jù)挖掘技術(shù)的開放應(yīng)用主要表現(xiàn)為嵌入互聯(lián)網(wǎng)的大數(shù)行業(yè)的發(fā)展呈穩(wěn)步上升趨勢，市場規(guī)模已達(dá)到 234 億元，速已經(jīng)超過 39%，預(yù)計(jì)未來將持續(xù)增長[6]。中國 2017 年大 1-1 所示。

國政府很重視醫(yī)療大數(shù)據(jù)的挖掘工作。2016 年國務(wù)院國務(wù)院辦公廳專門促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》，通過“互聯(lián)網(wǎng)+健康嘗試構(gòu)建新的服務(wù)結(jié)構(gòu)，建設(shè)居民信任的、滿意的衛(wèi)生事業(yè)[7]。在國家政的推動(dòng)下，國內(nèi)多家互聯(lián)網(wǎng)企業(yè)相繼搭建醫(yī)療健康數(shù)據(jù)平臺(tái)，健康數(shù)據(jù)平其優(yōu)勢對比如表 1-1 所示。前，大數(shù)據(jù)醫(yī)療數(shù)據(jù)主要通過以下三種方式獲得：醫(yī)院臨床數(shù)據(jù)、公共衛(wèi)療健康數(shù)據(jù)，組成結(jié)構(gòu)如圖 1-2 所示。

9圖 1-3 論文技術(shù)路線本章小結(jié)章首先介紹論文研究背景及意義；其次簡要闡述了國內(nèi)外數(shù)據(jù)挖掘技術(shù)在的應(yīng)用與發(fā)展；最后給出了論文的研究內(nèi)容、組織框架、創(chuàng)新點(diǎn)及技術(shù)路
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊坤;李石柱;;大數(shù)據(jù)挖掘技術(shù)應(yīng)用于血吸蟲病監(jiān)測預(yù)警研究的探討[J];中國寄生蟲學(xué)與寄生蟲病雜志;2015年06期

2 董誠;林立;金海;廖小飛;;醫(yī)療健康大數(shù)據(jù):應(yīng)用實(shí)例與系統(tǒng)分析[J];大數(shù)據(jù);2015年02期

3 吳前兵;劉靜;;醫(yī)院信息系統(tǒng)現(xiàn)狀問題分析與解決方案[J];電腦知識(shí)與技術(shù);2014年35期

4 董丞妍;譚亞玲;羅明良;翟有龍;;中國“癌癥村”的聚集格局[J];地理研究;2014年11期

5 滕琪;樊小毛;何晨光;李燁;盧東昕;;醫(yī)療大數(shù)據(jù)特征挖掘及重大突發(fā)疾病早期預(yù)警[J];網(wǎng)絡(luò)新媒體技術(shù);2014年01期

6 蔣勛;劉喜文;;大數(shù)據(jù)環(huán)境下面向知識(shí)服務(wù)的數(shù)據(jù)清洗研究[J];圖書與情報(bào);2013年05期

7 李小玲;;管理信息系統(tǒng)開發(fā)中C/S模式和B/S模式的比較[J];林區(qū)教學(xué);2013年10期

8 龔勝生;張濤;;中國“癌癥村”時(shí)空分布變遷研究[J];中國人口.資源與環(huán)境;2013年09期

9 趙杰;祁永梅;;一種新的甲狀腺腫瘤超聲圖像特征提取算法[J];光電工程;2013年09期

10 周婷;張君瑛;羅成;;基于Hadoop的K-means聚類算法的實(shí)現(xiàn)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年07期

相關(guān)博士學(xué)位論文 前2條

1 王潔;中國媒體癌癥新聞報(bào)道的內(nèi)容分析[D];武漢大學(xué);2013年

2 戴家佳;多元擬合優(yōu)度檢驗(yàn)與復(fù)發(fā)事件數(shù)據(jù)統(tǒng)計(jì)分析[D];北京工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 胡在林;關(guān)聯(lián)規(guī)則和決策樹組合算法在學(xué)生成績分析中的應(yīng)用與研究[D];青島理工大學(xué);2017年

2 王元坤;基于隨機(jī)森林—人工神經(jīng)網(wǎng)絡(luò)企業(yè)財(cái)務(wù)預(yù)警研究[D];山東大學(xué);2017年

3 胡金濤;基于C4.5決策樹的學(xué)生成績預(yù)測教學(xué)系統(tǒng)的研究與實(shí)現(xiàn)[D];西南交通大學(xué);2017年

4 楊浩宇;基于隨機(jī)森林算法的高維不平衡數(shù)據(jù)分類研究及應(yīng)用[D];鄭州大學(xué);2017年

5 康雅文;基于隨機(jī)森林的醫(yī)療行業(yè)供應(yīng)商的等級(jí)評(píng)估模型[D];安徽大學(xué);2017年

6 孫威;基于Django和數(shù)據(jù)庫優(yōu)化策略的比特幣信息查詢系統(tǒng)[D];東華大學(xué);2016年

7 姚芳;基于python的中文文本分類研究[D];華中科技大學(xué);2016年

8 鄭可富;基于Python的虛擬儀器設(shè)計(jì)與開發(fā)[D];中央民族大學(xué);2016年

9 付偉;基于Hadoop的Web日志的分析平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2015年

10 王龍強(qiáng);K均值聚類算法初始聚類中心的選取與改進(jìn)[D];東北大學(xué);2013年

本文編號(hào)：2872244