數據挖掘是從大量的、模糊的、有噪聲的數據中提取隱藏在其中有價值的信息的過程。改革開放至今,中國迅速崛起,在國家和地方統(tǒng)計部門的協(xié)調合作下,已積累大量有價值的專業(yè)數據。如何從這些大量的歷史數據中發(fā)現有價值的信息,為區(qū)域疾病監(jiān)測和個體疾病監(jiān)測服務,輔助疾病診斷和疾病預防,成為當下研究的熱點話題。論文以惡性腫瘤為例,結合中國統(tǒng)計局發(fā)布的統(tǒng)計年鑒,將區(qū)域自然環(huán)境、生物環(huán)境、社會環(huán)境、人文環(huán)境等數據與中國居民惡性腫瘤病發(fā)數據做深入分析,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據共享平臺的方案,通過規(guī)范數據的結構,整合醫(yī)療機構、科研機構、政府機關的先進資源,為國家和地方決策部門及時做好疾病防疫和診療工作提供理論依據。通過媒體及走訪調查,論文選取2004-2016年中國惡性腫瘤發(fā)病率與死亡率、相關區(qū)域特征數據、2015年中國癌癥村空間分布及相關區(qū)域特征數據作為研究對象,利用數據挖掘技術對癌癥發(fā)病狀況與區(qū)域環(huán)境特征間的潛在關聯(lián)進行深入研究。最后通過Django框架,設計并實現了基于瀏覽器/客戶端結構的癌癥數據共享平臺系統(tǒng)。論文的主要工作包括以下三點:(1)從國家統(tǒng)計年鑒抽取2004-2016年中國居民癌癥發(fā)病率、死亡率數據及同時期經濟、自然等13項區(qū)域特征數據進行研究。利用決策樹、隨機森林、自適應增強樹、相關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)根據網絡、報刊、學術論文等媒體,作者整理、統(tǒng)計了2015年中國省級區(qū)域的癌癥村分布數據,并從國家統(tǒng)計年鑒抽取2015年分地區(qū)區(qū)域經濟、自然等12項區(qū)域特征數據進行研究。利用決策樹、隨機森林、自適應增強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。對比時間維度的研究結果,選擇適當輸入因子構建多元線性回歸模型。實驗表明,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,能較好預測和評估區(qū)域癌癥村數量及居民癌癥病發(fā)狀況。(3)設計基于Django框架的癌癥數據共享平臺并完成局域網內功能模擬,旨在整合國家及地方醫(yī)療機構、科研機構和政府部門的專業(yè)職能資源,輔助相關部門做好疾病的預防和診療工作。平臺系統(tǒng)測試流暢,設計功能基本實現。
【學位單位】：河北大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP311.13;R181.8
【部分圖文】：

大數據分析平臺概述據醫(yī)療”改革的不斷深入，無論是電子病歷數據還是統(tǒng)計、數據形式多元、數據變化快和數據價值高的“大數據”特中獲得潛在的、有價值的信息成為當下疾病監(jiān)測與數據分技術的出現，在很大程度上解決了上述問題。由于數據挖掘器學習算法、數據可視化、模式識別等分析步驟，在處理大勢。因此，數據挖掘能夠幫助人們獲得潛藏在數據中的巨在在疾病監(jiān)測領域中發(fā)揮重要作用。國數據挖掘技術的開放應用主要表現為嵌入互聯(lián)網的大數行業(yè)的發(fā)展呈穩(wěn)步上升趨勢，市場規(guī)模已達到 234 億元，速已經超過 39%，預計未來將持續(xù)增長[6]。中國 2017 年大 1-1 所示。

國政府很重視醫(yī)療大數據的挖掘工作。2016 年國務院國務院辦公廳專門促進和規(guī)范健康醫(yī)療大數據應用發(fā)展的指導意見》，通過“互聯(lián)網+健康嘗試構建新的服務結構，建設居民信任的、滿意的衛(wèi)生事業(yè)[7]。在國家政的推動下，國內多家互聯(lián)網企業(yè)相繼搭建醫(yī)療健康數據平臺，健康數據平其優(yōu)勢對比如表 1-1 所示。前，大數據醫(yī)療數據主要通過以下三種方式獲得：醫(yī)院臨床數據、公共衛(wèi)療健康數據，組成結構如圖 1-2 所示。

9圖 1-3 論文技術路線本章小結章首先介紹論文研究背景及意義；其次簡要闡述了國內外數據挖掘技術在的應用與發(fā)展；最后給出了論文的研究內容、組織框架、創(chuàng)新點及技術路
【參考文獻】

相關期刊論文 前10條

1 楊坤;李石柱;;大數據挖掘技術應用于血吸蟲病監(jiān)測預警研究的探討[J];中國寄生蟲學與寄生蟲病雜志;2015年06期

2 董誠;林立;金海;廖小飛;;醫(yī)療健康大數據:應用實例與系統(tǒng)分析[J];大數據;2015年02期

3 吳前兵;劉靜;;醫(yī)院信息系統(tǒng)現狀問題分析與解決方案[J];電腦知識與技術;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)療大數據特征挖掘及重大突發(fā)疾病早期預警[J];網絡新媒體技術;2014年01期

6 蔣勛;劉喜文;;大數據環(huán)境下面向知識服務的數據清洗研究[J];圖書與情報;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;2013年10期

8 龔勝生;張濤;;中國“癌癥村”時空分布變遷研究[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聚類算法的實現[J];計算機技術與發(fā)展;2013年07期

相關博士學位論文 前2條

1 王潔;中國媒體癌癥新聞報道的內容分析[D];武漢大學;2013年

2 戴家佳;多元擬合優(yōu)度檢驗與復發(fā)事件數據統(tǒng)計分析[D];北京工業(yè)大學;2009年

相關碩士學位論文 前10條

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

2 王元坤;基于隨機森林—人工神經網絡企業(yè)財務預警研究[D];山東大學;2017年

3 胡金濤;基于C4.5決策樹的學生成績預測教學系統(tǒng)的研究與實現[D];西南交通大學;2017年

4 楊浩宇;基于隨機森林算法的高維不平衡數據分類研究及應用[D];鄭州大學;2017年

5 康雅文;基于隨機森林的醫(yī)療行業(yè)供應商的等級評估模型[D];安徽大學;2017年

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

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

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

9 付偉;基于Hadoop的Web日志的分析平臺的設計與實現[D];北京郵電大學;2015年

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

本文編號：2872244