典型文献
医疗大数据环境下的疾病预测模型研究
文献摘要：
随着社会经济建设以及医疗信息化的高速发展,传统的统计、分析、预测技术已经逐步无法满足行业的需求,医疗行业逐步进入大数据和人工智能时代,利用医院信息系统所积累的医疗大数据进行汇集、建模、分析,可以预测和判定未知数据的已知类型.对于医疗诊断也是同样如此,医疗信息数据挖掘和机器学习,可以为医学诊断提供丰富的实践参考价值.通过提取某三家医院大数据平台中9个指定特征症状的100份门诊病例,再提取出其中诊断结果为咳嗽病、感冒病症的病例,依据原始样本病例得出的经验熵,以及每个特征所能得到的信息增益,最后将特征数减少至2个,与原始数据集中采集的特征值有很大程度的减少.通过算法的描述得到了较简化的区分感冒和咳嗽病的决策树模型,使用该模型对其它历史病例进行测试,具有较高的准确率,基本达到诊断要求.实际应用中,可根据决策树最终特征值进行检验指标进行采集,减少了无用或者与疾病关系不大的指标采集过程,可减少疾病诊断检验复杂度,可达到诊断预测和辅助诊断的效果病,为医疗业务以及科研提供支持.
文献关键词：
医疗大数据;数据挖掘;机器学习;决策树算法;疾病预测;辅助诊断;信息增益
中图分类号：
作者姓名：
王星;刘晓燕
作者机构：
昆明医科大学第一附属医院昆明650000;昆明理工大学信息工程于自动化学院,昆明650000
文献出处：
引用格式：
[1]王星;刘晓燕-.医疗大数据环境下的疾病预测模型研究)[J].制造业自动化,2022(07):24-27
A类：
B类：
医疗大数据,大数据环境下,疾病预测,医疗信息化,预测技术,医疗行业,人工智能时代,医院信息系统,汇集,未知数,知类,医疗诊断,信息数据,医学诊断,三家,医院大数据,大数据平台,诊病,诊断结果,咳嗽病,感冒,病症,本病,所能,信息增益,特征数,原始数据,决策树模型,检验指标,无用,疾病关系,关系不大,采集过程,疾病诊断,诊断预测,辅助诊断,医疗业务,决策树算法
AB值：
0.414038
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
