牟冬梅 冯 超 王 萍

(吉林大学公共卫生学院 长春130021)



数据挖掘方法在医学领域的应用及SWOT分析*

牟冬梅 冯 超 王 萍

(吉林大学公共卫生学院 长春130021)

阐述关联规则、人工神经网络、决策树和聚类分析4种数据挖掘方法在医学领域的应用情况，运用SWOT分析法，得出各方法的优势及劣势、面临的机会及威胁并做出策略分析。指出4种数据挖掘方法的适用范围和协同应用情况，对方法的应用选取提出建议。

数据挖掘;关联规则;人工神经网络;决策树;聚类分析;SWOT分析

1 引言

数据挖掘(Data Mining)是一个多学科交叉研究领域，融合了数据库技术、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算以及数据可视化等最新技术的研究结果。应用一系列技术从大型数据库和数据仓库中提取人们感兴趣的信息和知识，这些知识是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规律、模式等。医学领域数据量庞大、生成速度快、结构复杂多样且价值大[1-2]，利用数据挖掘技术处理这些信息，可以取得事半功倍之效。数据挖掘方法较多也比较复杂，针对医学数据的隐私性、多样性、不完整性及冗余性[3]，及不同数据结构、不同需要、不同目的，选择相适应的数据挖掘方法至关重要。本文针对4种常用的数据挖掘方法[4]——关联规则、人工神经网络、决策树及聚类分析进行探讨。

2 数据挖掘方法在医学领域的应用现状分析

2.1 关联规则

4种数据挖掘方法是数据挖掘领域的研究热点，随着其发展进步，应用领域不断扩展，涵盖了商业、教育、工程、科研及医学等领域。……