隨著中國經(jīng)濟的不斷發(fā)展,社會生活水平的提高,人們對醫(yī)療健康的要求不斷提高,這對醫(yī)療衛(wèi)生事業(yè)的發(fā)展提出了挑戰(zhàn)。如何更合理地利用好電子病歷數(shù)據(jù)資源,發(fā)揮電子病歷數(shù)據(jù)的作用,促進和提高醫(yī)療服務(wù)質(zhì)量,這是在當前信息化時代發(fā)展時需要面對的問題。數(shù)據(jù)挖掘技術(shù)的不斷進步,為電子病歷數(shù)據(jù)的再次利用創(chuàng)造了條件。將數(shù)據(jù)挖掘和分析技術(shù)與目前的醫(yī)療信息管理系統(tǒng)相結(jié)合,能夠更好地利用電子病歷數(shù)據(jù)資源,為醫(yī)療信息化建設(shè)和管理決策提供進一步的支持。參照目前的醫(yī)院信息管理系統(tǒng),配合數(shù)據(jù)挖掘的主流技術(shù)和方法,本文設(shè)計并實現(xiàn)了一個電子病歷數(shù)據(jù)分析與挖掘系統(tǒng)。該系統(tǒng)的功能可以劃分為四個模塊:數(shù)據(jù)整理、數(shù)據(jù)檢索、數(shù)據(jù)分析和數(shù)據(jù)可視化。其中數(shù)據(jù)整理模塊是整個系統(tǒng)的基礎(chǔ),該模塊適當兼顧醫(yī)療數(shù)據(jù)的特殊性,對電子病歷數(shù)據(jù)進行預(yù)處理,達到補全缺失、剔除異常、降低噪聲的結(jié)果。數(shù)據(jù)檢索模塊是整個系統(tǒng)的基礎(chǔ)功能,為用戶提供方便快捷的病例數(shù)據(jù)檢索和查詢服務(wù),通過關(guān)鍵字檢索、對比篩選、病例檢索能夠?qū)崿F(xiàn)對患者基本信息、患者病癥信息、患者住院信息、患者花費信息等34個大類近400個維度特征指標進行查詢和檢索。數(shù)據(jù)分析模塊為該系統(tǒng)的核心,支持對電子病... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

數(shù)據(jù)檢索用例圖

圖 3-5 數(shù)據(jù)分析用例圖3-5 所示，數(shù)據(jù)分析的子系統(tǒng)分為三個子系統(tǒng)組成部分，下面進行詳細的分析數(shù)據(jù)選擇：作為數(shù)據(jù)分析模塊的開始，選取分析內(nèi)容子系統(tǒng)具有領(lǐng)航的作用數(shù)據(jù)的維度和維度特征能夠幫助醫(yī)護人員明確數(shù)據(jù)分析的內(nèi)容和結(jié)構(gòu)。

據(jù)檢索的流程圖，可以分析出數(shù)據(jù)檢索業(yè)務(wù)的主要操作方式后會分別進行電子病歷數(shù)據(jù)的關(guān)鍵字檢索、病歷篩選別對三種檢索的模式的輸入選擇的信息進行判斷，如果符如果不符合，則會進行返回重新進行。析的流程圖。

【參考文獻】：
期刊論文
[1]基于改進Apriori算法的運動員多屬性訓練數(shù)據(jù)挖掘模型構(gòu)建及仿真[J]. 齊嬌嬌.  微型電腦應(yīng)用. 2018(12)
[2]基于電子病歷臨床疾病分類系統(tǒng)的應(yīng)用[J]. 李少玲.  中國病案. 2018(02)
[3]美國電子病歷數(shù)據(jù)在臨床決策上的運用及其啟示[J]. 吳坤,李金.  中華醫(yī)院管理雜志. 2018 (01)
[4]基于電子病歷應(yīng)用模型標準的醫(yī)院信息化建設(shè)實踐[J]. 劉志華,曹曉均,李慶豐,楊秀峰.  中國醫(yī)療設(shè)備. 2017(06)
[5]基于電子病歷的臨床數(shù)據(jù)中心構(gòu)建研究[J]. 劉健,韓秋君,曹磊.  中國數(shù)字醫(yī)學. 2017(03)
[6]大型數(shù)據(jù)庫中的并行高效檢測方法仿真分析[J]. 楊小琴.  計算機仿真. 2016(07)
[7]數(shù)據(jù)挖掘中一種增強的Apriori算法分析[J]. 胡雪,封化民,李明偉,丁釗.  信息網(wǎng)絡(luò)安全. 2015(11)
[8]醫(yī)療大數(shù)據(jù)研究現(xiàn)狀及其臨床應(yīng)用[J]. 羅旭,劉友江.  醫(yī)學信息學雜志. 2015(05)
[9]基于FP-tree的Apriori算法的改進[J]. 張寧.  信息通信. 2015(02)
[10]美國“meaningful use”不同階段評價標準對比研究[J]. 郭珉江,陳荃,秦盼盼,胡紅濮.  中國數(shù)字醫(yī)學. 2015(01)

碩士論文
[1]基于Apriori和FP-TREE的頻繁項目集挖掘算法[D]. 黃黎明.南華大學 2018
[2]基于電子病歷的深度神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究與應(yīng)用[D]. 李昆.鄭州大學 2017
[3]醫(yī)院電子病歷系統(tǒng)設(shè)計與實現(xiàn)[D]. 齊峰.天津大學 2017
[4]基于并行的Apriori數(shù)據(jù)挖掘算法的研究[D]. 李若晨.吉林大學 2017
[5]我國專業(yè)數(shù)據(jù)庫數(shù)字化建設(shè)發(fā)展策略研究[D]. 張培培.河南大學 2016
[6]關(guān)聯(lián)規(guī)則挖掘中Apriori算法的研究[D]. 曾雷.重慶交通大學 2016
[7]中文電子病歷信息提取方法研究[D]. 王建洪.湖南大學 2016
[8]數(shù)字化醫(yī)院住院管理系統(tǒng)的設(shè)計與實現(xiàn)[D]. 薄春敏.電子科技大學 2014
[9]基于人工智能的醫(yī)療診斷系統(tǒng)研究與設(shè)計[D]. 滕文龍.吉林大學 2013
[10]高校醫(yī)院管理信息系統(tǒng)的設(shè)計與實現(xiàn)[D]. 劉寶國.山東大學 2013



本文編號：3586572