数据挖掘提供了将大量数据转换为用于决策的有用信息的方法和技术
(Dash等人,2019年)的报告。由于数据挖掘工具并不都支持相同的
数 据挖 掘 方 法 ,因此 确 定医疗 保 健行业 中 最 常用的 数 据挖掘 方 法
(Tekieh和Raahemi,2015)以指导我们选择最合适的数据挖掘工具
非常重要。因此,所确定的数据挖掘方法也是我们在第5节中提出的数
据挖掘工具选择标准所涵盖的领域要求的一部分。在本节中,我们将描
述已确定的方法及其应用,以支持其选择。
2.1.
分类
分类是一种数据分析方法,构建预测分类标签(目标属性)的模
型 (
Han et al.
,
2012
年 ) 。 当 需 要 根 据 目 标 属 性 (
Tekieh
和
Raahemi
,
2015
)将数据分类到不同的组中,和
/
或根据历史记录预
测目标标签输出的概率时,使用该方法该方法已用于各种医疗保健应
用中:应用分类方法以基于他
/
她的神经心理学测试更好地识别患者
是否患有痴呆(
Maroco et al.
,
2011
年)。在(
Elhoseny
等人,
2018
年),支持向量机和人工神经网络算法被用于寻找特定肠道微
生物群与糖尿病存在或不存在之间的相关性,以预测糖尿病等代谢疾
病。在另一项工作中,支持向量机算法也被用于优化它的计算方
法 , 称 为 粒 子 群 优 化 , 以 预 测 精 液 质 量 (
Sahoo
和
Kumar
,
2014
)。 在(
Mirrosandel
等人,
2016
),
KStar
算法用于预测个
体精子植入人体的结果,以提高细胞质内的植入率。在(
Kourou
等
人,
2015
年),提出了关于癌症预后和预测领域中的数据挖掘应用
的工作调查。事实证明,所有提出的作品都应用了分类器算法 仅举
几例,决策树算法用于预测乳腺癌存活率(
Delen
等人,
2005
)和
贝叶斯网络来预测口腔癌的复发,考虑到几种数据类型(来自组织和
血液的临床成像和基因数据)(
Exarchos
等人,
2012
年)。
2.2.
聚类
聚类是将一组数据对象(或观察)划分为子集的过程(
Han
等人,
2012
年)。当我们没有太多关于总体中涉及的不同类型的数据对象
的信息时,使用这种技术由于它是一种无监督学习方法,它试图找到
彼 此 相 似 的 数 据 对 象 的 集 群 , 而 不 考 虑 任 何 特 定 的 目 标 标 签
(
Tekieh
和
Raahemi
,
2015
)。由于聚类是一种专门用于
描述性
分
析阶段的方法,因此一些工作已经应用聚类算法在分类之前对处理的
数据进行 在(
Sharma
等人,
2016
)对使用分类和聚类方法的医学
出版物
进行了调查
,其中针对聚类方法进行了以下工作:使用
K-
Means
聚类算法来诊断心脏病患者(
Shouman
等人,
2012
)和对
结肠肿瘤进行分类(
Kumar
和
Wasan
,
2010
)。聚类方法也用于将
蛋白 质 分类 为官能 团(
Xu et al.
,
2012
) 、预 测疾病的可能 性
(
Paul
和
Hoque
,
2010
)以及检测医学图像数据内的疾病特异性聚
类(
Bruse
等人,
2017
年)。
2.3.
协会
关联是发现属性之间的关联规则的过程。当需要识别数据集中属性
的关系时,使用此方法(Tekieh和Raahemi,2015)。例如,我们可
以应用这种方法来查看高血压状况和盐饮食习惯之间是否存在关联,如
果存在,则从其构建关联规则。例如,流行的APRIORI关联规则挖掘算
法用于找到来自糖尿病患者的临床数据之间的关联(Stilou等人,2001
年)。提出了其他关联规则挖掘算法,以在公共卫生监测数据中找到时
间、地点和患者感染之间的关联(Brossette等人,1998);临床数据和
治疗性治疗之间的差异(Ting等人,2010);医学数据和鼻炎状况之间
的 差 异 ( Yang 等 人 , 2016 ) ; 以 及 冠 心 病 诊 断 的 患 者 数 据 之 间
(Orphanou等人, 2016年)。
2.4.
离群点检测
异常值检测是识别不正常属性或异常结果的过程。该方法通常用于
发现数据中的差异,目的是清除数据或检测医学数据库中存在的异常
值,例如在(Kumar et al.,2008)和(Bellaachia和Bari,2012)。
在本节中,我们能够验证所有确定的数据挖掘方法已在医疗保健行
业的各种工作中使用,这些工作不仅强调了数据挖掘在医疗保健研究领
域的适用性,而且还强调了 寻求一种涵盖这些数据挖掘方法的数据挖
掘工具。接下来,我们将介绍医疗保健应用程序的特定数据特征。
3.
医疗保健应用程序
通过我们对医疗保健领域开展的几项工作的分析获得了数据特征,
这些工作描述了其挑战(Tekieh和Raahemi,2015)并指出了其数据
特征(Strang和Sun,2020)(Raghupathi和Raghupathi,2014)
(Tortorella等 人, 2021)( Smys,2019)(Saeed等人, 2018
年)。可以使用健康监测系统安全地捕获患者健康数据。各种传感器和
复杂的算法用于分析数据,然后通过物联网(IoT)解决方案共享数据
然后,医疗专业人员也可以远程提供适当的健康建议。医疗保健服务的
关键挑战是通过在尽可能短的时间内检索和存储这些过程来获得大患者
数据、大资源和大应用程序(Elhoseny等人,2018年)。在接下来的
小节中,我们将描述我们将作为医疗保健领域需求的一部分考虑的数据
特征(Wang等人,2018)在我们提出的数据挖掘工具选择标准中,在
第5节中提出。
3.1.
大量数据
数据生成和收集技术的进步导致医疗保健数据库中的数据大幅增
长。病人的人工智能软件、医疗设备、临床分析和医学成像软件只是这
些技术的几个例子。随着所有这些不同的医疗保健软件产品的日常运
作,研究人员面临着难以管理的数据规模(体积)。因此,拥有一个能
够处理大量数据的数据挖掘工具对数据分析至关重要