甲亢疾病数据的多维分析研究与应用

发布时间：2017-06-13 04:10

  本文关键词：甲亢疾病数据的多维分析研究与应用，由笔耕文化传播整理发布。

【摘要】：随着医疗信息化的快速发展,传统的医院数字化信息系统和电子健康档案系统已经远远不能满足海量医疗数据的存储处理、分析挖掘以及多元化医疗数据服务等方面的要求。对医疗大数据进行挖掘使其能够帮助和改善医院的运营决策则是一个值得深入研究的课题。通过患者疾病数据与大数据分析技术相结合的方法来研究甲亢疾病的产生与发展过程,有助于实现甲亢患者的个体化医疗。甲亢(甲状腺功能亢进症)是一种病程长、并发症多且严重危害人类健康的病症,近年来发病率更是有增高的趋势。甲亢疾病数据包括甲亢临床检验数据、用药数据、诊断数据等,隐藏着甲亢患者在整个治疗过程中的病情变化趋势、药物疗效知识,对于分析甲亢患者的治疗效果有着重要的意义。本文主要研究多维数据分析技术在甲亢疾病临床数据上的应用,构建面向甲亢临床数据的多维分析系统。该系统支持甲亢的检验指标以及用药情况等数据进行挖掘分析。具体而言,本文的主要工作包括:首先,本文阐述甲亢疾病多维分析系统架构设计过程。结合甲亢疾病数据的具体特点,给出系统的层次架构和系统框架,并着重对框架中的三个主要模块,包括数据准备模块、甲亢临床指标分析模块、甲亢医嘱用药分析模块,进行详细的模型设计。其中,数据准备模块是为了消除原始数据中的噪音,并依据相应的多维分析模型从其中抽取数据,然后装载到已设计好的系统之中。另外两个模块则分别负责完成指标和用药的分析工作。然后,本文对甲亢临床指标和用药情况进行多维分析。首先对指标之间进行回归分析和相关分析,观察指标之间所存在的相关性。为了研究药物对甲亢患者病情的影响,本文将甲亢治疗过程分为四个阶段,研究治疗甲亢的三种主要药物对各阶段发生时间和患者比例的影响情况。最后,对甲亢临床指标和用药情况进行关联规则的挖掘。利用Apriori算法在HANA上的实现,对指标与疾病、指标与患者年龄以及用药与疾病、用药与年龄进行关联规则挖掘。文中从甲亢疾病多维分析系统的设计与搭建开始着手,预处理完原始数据之后装载到分析系统中,再将系统部署在数据分析平台HANA之上,分析挖掘算法也是基于此平台实现,结果使用SAP BO中的WebI组件来呈现。
【关键词】：甲亢 医疗大数据 多维分析 数据挖掘 HANA
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-16
• 1.1 研究背景与意义11-12
• 1.2 研究现状12-13
• 1.3 本文研究内容13-14
• 1.4 本文的组织结构14
• 1.5 本章小结14-16
• 第二章 相关技术介绍16-23
• 2.1 多维数据分析16-17
• 2.2 回归分析和相关分析17-19
• 2.3 关联规则挖掘19-21
• 2.3.1 关联规则19-20
• 2.3.2 Apriori算法20-21
• 2.4 SAP HANA21-22
• 2.5 本章小结22-23
• 第三章 甲亢疾病多维分析系统的架构设计23-39
• 3.1 系统总体架构设计23-25
• 3.2 甲亢临床数据准备模块25-27
• 3.3 数据分析模块27-34
• 3.3.1 甲亢患者基本特征多维分析模型29
• 3.3.2 甲亢临床指标多维分析模型29-31
• 3.3.3 甲亢用药多维分析模型31-34
• 3.4 关联规则挖掘模块34-36
• 3.5 系统评估36-38
• 3.5.1 数据量评估36-37
• 3.5.2 算法评估37-38
• 3.6 本章小结38-39
• 第四章 甲亢临床数据的多维分析39-55
• 4.1 WebI多维分析流程39-41
• 4.1.1 数据资源的发布39
• 4.1.2 多维数据集构建39-40
• 4.1.3 建立分析报表40-41
• 4.2 面向患者基本特征的多维分析41-42
• 4.2.1 性别和年龄维度41-42
• 4.2.2 时间维度42
• 4.3 面向指标的多维分析42-47
• 4.3.1 指标的基本分析43-44
• 4.3.2 指标间的线性回归分析44-45
• 4.3.3 指标间的相关分析45-47
• 4.4 面向用药的多维分析47-54
• 4.4.1 用药的基本分析47-49
• 4.4.2 用药对病情缓解的影响分析49-51
• 4.4.3 用药对病情再燃的影响分析51-54
• 4.5 本章小结54-55
• 第五章 甲亢临床数据的关联规则挖掘55-63
• 5.1 Apriori算法在HANA上的实现55-57
• 5.1.1 PAL_APRIORI算法设计55-56
• 5.1.2 PAL_APRIORI算法执行56-57
• 5.2 用药的关联规则挖掘57-60
• 5.2.1 用药与疾病58-59
• 5.2.2 用药与年龄59-60
• 5.3 指标的关联规则挖掘60-62
• 5.3.1 指标与疾病60-61
• 5.3.2 指标与年龄61-62
• 5.4 本章小结62-63
• 第六章 总结与展望63-65
• 6.1 工作总结63
• 6.2 展望63-65
• 参考文献65-68
• 致谢68-69
• 攻读学位期间的研究成果目录69

【相似文献】

中国期刊全文数据库 前10条

1 刘萍萍;于帆;陈雷;;多维分析在养老保险原型系统中的应用研究[J];计算机与数字工程;2008年02期

2 赵孟伟;葛迪;;多维分析技术的行业应用研究[J];中国交通信息产业;2008年07期

3 杜典熠;;基于学生评价数据立方的多维分析[J];现代计算机(专业版);2012年27期

4 殷锋,杨甲榜;对病历信息的多维分析[J];计算机应用;2002年06期

5 张宪乐;林逢升;邹会来;;基于安卓的农产品追溯查询信息的多维分析与展现[J];安徽农业科学;2013年33期

6 张涛,宋继良,徐星辉;基于MS Analysis Services多维分析系统的实现[J];哈尔滨理工大学学报;2003年03期

7 刘凤翔;蒋开颜;王国清;;多维分析技术在地税联网审计中的应用[J];审计月刊;2009年08期

8 陈立勇;殷秀叶;;电信行业多维分析模型的构建研究[J];太原大学学报;2013年03期

9 ;细算帐 Oracle Analysis Wizard有机结合动态报告研究与多维分析功能[J];每周电脑报;1998年01期

10 李晋宏,闫鹏,曹丹阳,苏志同,胡健,熊伟;铝电解槽生产数据的多维分析系统[J];北方工业大学学报;2002年01期

中国重要会议论文全文数据库 前4条

1 何璐;李晋宏;范小峗;;生产数据多维分析系统模板研究[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

2 孟丹;王玲;;铝产品质量数据多维分析与SPC系统设计和实现[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

3 刘云峰;王倩宜;杨旭;欧阳荣彬;;一种支持大数据集成架构的多维分析系统[A];中国高等教育学会教育信息化分会第十二次学术年会论文集[C];2014年

4 韩英军;;深度开发信息资源的思考与实践[A];中国烟草学会2006年学术年会论文集[C];2007年

中国重要报纸全文数据库 前3条

1 雷阳;和勤依托合作伙伴做大BI市场[N];电脑商报;2006年

2 鲁月;浪潮软件主打“一体”牌[N];计算机世界;2003年

3 NCR Teradata数据仓库事业部 富子祺;经营分析保证稳步上升的业绩[N];计算机世界;2004年

中国硕士学位论文全文数据库 前10条

1 杨奇民;智能多维分析在电能质量分析评估中的应用研究[D];华北电力大学;2015年

2 王致强;甲亢疾病数据的多维分析研究与应用[D];东华大学;2016年

3 陈潋;面向糖尿病的临床大数据分析研究与应用[D];东华大学;2016年

4 刘新鸣;主观导向多维分析系统的设计与实现[D];华中科技大学;2009年

5 魏金强;多维分析技术在教务管理系统中的应用与研究[D];北方工业大学;2006年

6 朱济宇;一种面向中小型企业的多维分析方法的研究与实现[D];昆明理工大学;2011年

7 何璐;生产数据多维分析系统模板研究及应用[D];北方工业大学;2008年

8 李京红;网管多维分析系统需求分析与设计[D];北京邮电大学;2011年

9 邱姝;科技基金多维分析系统的分析与设计[D];大连理工大学;2004年

10 马乐;科研成果多维分析系统设计与实现[D];大连理工大学;2007年

  本文关键词：甲亢疾病数据的多维分析研究与应用，，由笔耕文化传播整理发布。

本文编号：445685