【摘要】：隨著醫(yī)療信息技術(shù)和生物科技的迅猛發(fā)展,生物醫(yī)療行業(yè)的數(shù)據(jù)量呈爆炸式增長。作為生物醫(yī)療數(shù)據(jù)最重要的組成部分,臨床與組學(xué)數(shù)據(jù)是指在疾病的診治和組學(xué)分析中產(chǎn)生的電子病歷、檢查報告、影像、信號數(shù)據(jù)、基因序列數(shù)據(jù)等。在某些重點�？漆t(yī)院,臨床數(shù)據(jù)的積累已達到百TB的規(guī)模,而在組學(xué)研究領(lǐng)域更是達到了PB級。這些數(shù)據(jù)的挖掘應(yīng)用將對研究疾病發(fā)生發(fā)展規(guī)律、提高診治水平等具有重大潛在價值。然而,隨著海量數(shù)據(jù)的不斷累積和應(yīng)用需求的更加復(fù)雜化,臨床與組學(xué)數(shù)據(jù)存儲和挖掘面臨著許多新的問題,制約了其更好地實際應(yīng)用。為研究適合臨床與組學(xué)大數(shù)據(jù)存儲和挖掘的高效方法,本文以對人類危害極大的腫瘤、心血管疾病為例,深入分析了兩類疾病在診治和愈后管理過程中,如何充分利用已有數(shù)據(jù)提高診斷正確率、確定科學(xué)的治療方案,使大多數(shù)醫(yī)生均成為“有豐富醫(yī)療經(jīng)驗的高價值”醫(yī)生。對數(shù)據(jù)應(yīng)用過程中面臨的多源異構(gòu)集成存儲,高速并行訪問及高效挖掘算法等問題提出了一些解決方案。首先,在深入分析臨床與組學(xué)大數(shù)據(jù)組成和技術(shù)特性的基礎(chǔ)上,本文將分散、異構(gòu)、多源、非結(jié)構(gòu)化的數(shù)據(jù)分為文檔數(shù)據(jù)、小文件和大文件三類,并以NoSQL作為存儲底層,MapReduce作為計算引擎,構(gòu)建了面向并行數(shù)據(jù)挖掘的分布式存儲模型MSPM(Medical Storage Platform for Mining)。該模型實現(xiàn)了三類數(shù)據(jù)的一體化集成存儲和統(tǒng)一規(guī)則訪問,并適于并行化的數(shù)據(jù)分析和挖掘。同時,借助NoSQL的自動分片和副本集機制,可滿足應(yīng)用對高可擴展性、高可靠性的需求。然后,針對MSPM模型存在的兩個主要性能瓶頸進行了優(yōu)化。為應(yīng)對集群系統(tǒng)失衡問題,提出了綜合應(yīng)用組合調(diào)優(yōu)片鍵和FDO-DT(Double Threshold based on Frequence of Data Operation)算法的改進策略,解決了數(shù)據(jù)自動分片耗時長、開銷大的問題,并實現(xiàn)了數(shù)據(jù)存儲與讀寫的雙均衡;為解決頻繁訪問原始大文件造成的系統(tǒng)性能不佳問題,設(shè)計了大文件特征庫,通過醫(yī)學(xué)文檔關(guān)鍵信息抽取、元信息提取、挖掘結(jié)果動態(tài)俘獲等將大文件的各類常用信息集成在庫中,并由對庫的訪問轉(zhuǎn)移一部分對大文件的直接操作,顯著節(jié)約了系統(tǒng)總開銷。最后,為解決經(jīng)典Apriori算法在醫(yī)療大數(shù)據(jù)挖掘中,面臨的類型復(fù)雜、屬性高維,開銷大,結(jié)果針對性差等問題,設(shè)計了改進的Apriori-M-DB算法。通過以鍵值對形式統(tǒng)一存儲,實現(xiàn)了對復(fù)雜異構(gòu)類型數(shù)據(jù)的挖掘。并通過MapReduce化,一次掃描選取所有候選項集和興趣集約束計數(shù)等,提高了挖掘的效率和針對性。
【圖文】：

幫助確定腫瘤的分級和分期，確定不同個體間的差異，進而指同時，高通量測序技術(shù)的發(fā)展也使得基因檢測變得越來越大眾臨床創(chuàng)造了條件。在天津醫(yī)科大學(xué)附屬腫瘤醫(yī)院，已經(jīng)有相當前會選擇進行基因檢測。際的診療活動中，往往需要多種診斷方式的組合才能最終確定的階段等[7]。傳統(tǒng)診治技術(shù)與組學(xué)技術(shù)相輔相成，將兩者結(jié)合瘤、心血管疾病的診治，已經(jīng)成為必然。2 臨床與組學(xué)數(shù)據(jù)的海量累積診療技術(shù)在提高醫(yī)療水平的同時，也留下了海量寶貴的臨床與療行業(yè)每年會產(chǎn)生大量的醫(yī)療數(shù)據(jù)，一般的醫(yī)療機構(gòu)每年會產(chǎn)相關(guān)數(shù)據(jù)，個別大醫(yī)院的年數(shù)據(jù)量甚至達到了 300TB～1PB。020 年，醫(yī)療數(shù)據(jù)將急劇增長到 35 Zetabytes, 相當于 2009 年，近年來，醫(yī)療服務(wù)產(chǎn)生的數(shù)據(jù)總量，，如圖 1.3[8]所示。

測序數(shù)據(jù)是一種典型的組學(xué)數(shù)據(jù)，本文主要考慮的是基因測序數(shù)據(jù)，以此表研究同類組學(xué)數(shù)據(jù)的相關(guān)方法。2.2 典型數(shù)據(jù)的技術(shù)特性分析為了對各類數(shù)據(jù)能有深刻的認識，在臨床與組學(xué)數(shù)據(jù)歸類的基礎(chǔ)上，將重點幾類典型數(shù)據(jù)的特性。本節(jié)將依次對電子病歷、檢驗數(shù)據(jù)、心電數(shù)據(jù)、影據(jù)、造影視頻、基因測序數(shù)據(jù)這幾種典型數(shù)據(jù)進行特性分析。2.2.1 電子病歷數(shù)據(jù)技術(shù)特性分析電子化的醫(yī)療病歷是臨床數(shù)據(jù)一個重要的數(shù)據(jù)源。衛(wèi)生部頒布的《電子病歷架構(gòu)與數(shù)據(jù)標準》中對電子病歷的定義是：電子病歷是由醫(yī)療機構(gòu)以電子化創(chuàng)建、保存和使用的，重點針對門診、住院患者（或保健對象）臨床診療和干預(yù)信息的數(shù)據(jù)集成系統(tǒng)，是居民個人在醫(yī)療機構(gòu)歷次就診過程中產(chǎn)生和被的完整、詳細的臨床信息資源[15]。
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R-05;TP311.13

【參考文獻】

相關(guān)期刊論文 前10條

1 秦強;王晏民;黃明;;基于MongoDB的海量遙感影像大數(shù)據(jù)存儲[J];北京建筑大學(xué)學(xué)報;2015年01期

2 勞海彬;陳剛;王璐;陳明;肖曉蘭;;電子病歷集中歸檔存儲的設(shè)計與實施思路[J];中國病案;2015年03期

3 孫艷秋;王甜宇;曹文聰;;基于云計算的醫(yī)療大數(shù)據(jù)的挖掘研究[J];計算機光盤軟件與應(yīng)用;2015年02期

4 劉言青;劉光明;董文睿;胡維;;ZFS在基于HDFS的近線存儲系統(tǒng)中性能分析與實現(xiàn)[J];計算機研究與發(fā)展;2014年S1期

5 林長方;吳揚揚;黃仲開;曾少俊;;基于MapReduce的Apriori算法并行化[J];江南大學(xué)學(xué)報(自然科學(xué)版);2014年04期

6 陳偉偉;高潤霖;劉力生;朱曼璐;王文;王擁軍;吳兆蘇;胡盛壽;;中國心血管病報告2013概要[J];中國循環(huán)雜志;2014年07期

7 陳萬青;張思維;曾紅梅;鄭榮壽;鄒小農(nóng);趙平;吳良有;李光琳;赫捷;;中國2010年惡性腫瘤發(fā)病與死亡[J];中國腫瘤;2014年01期

8 潘祥林;王鴻利;;診斷學(xué)的任務(wù)與發(fā)展方向[J];中華診斷學(xué)電子雜志;2013年01期

9 鄧志飛;應(yīng)良佳;王軍威;;基于IODA算法MongoDB負載均衡的改進[J];現(xiàn)代電信科技;2013年07期

10 何杭鋒;;基于FODO算法MongoDB自動分片的改進[J];計算機技術(shù)與發(fā)展;2013年07期

相關(guān)碩士學(xué)位論文 前7條

1 徐原博;基于MapReduce的改進關(guān)聯(lián)規(guī)則算法研究[D];吉林大學(xué);2015年

2 張偉偉;面向I/O密集型應(yīng)用的高性能計算機存儲系統(tǒng)性能優(yōu)化方法研究[D];國防科學(xué)技術(shù)大學(xué);2012年

3 沈姝;NoSQL數(shù)據(jù)庫技術(shù)及其應(yīng)用研究[D];南京信息工程大學(xué);2012年

4 朱安柱;基于Hadoop的Apriori算法改進與移植的研究[D];華中科技大學(xué);2012年

5 劉志;基于XMLA標準的數(shù)據(jù)倉庫統(tǒng)一訪問接口的研究與實現(xiàn)[D];昆明理工大學(xué);2012年

6 任（豐刀女）;基于XML電子病歷數(shù)據(jù)存儲與轉(zhuǎn)換的研究[D];西安電子科技大學(xué);2010年

7 劉欣;面向挖掘的肺癌數(shù)據(jù)庫設(shè)計及實現(xiàn)[D];第四軍醫(yī)大學(xué);2008年

本文編號：2604296