学位论文 > 优秀研究生学位论文题录展示

基于关联规则的临床行为异常检测的应用研究

作　者: 袁小冬
导　师: 杨鹤标
学　校: 江苏大学
专　业: 计算机应用技术
关键词: 临床行为 异常检测 序列关联规则 频繁模式 欺诈
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 73次
引　用: 0次
阅　读: 论文下载
 

内容摘要


社会医疗保障制度作为一项关系到国计民生的制度,一方面在保障全体劳动者健康,免于伤病威胁方面发挥了重要的作用;另一方面,由于医疗过程缺乏有效的行为规范和标准化,违规现象时有发生,这不但损害了患者利益、引起医患关系紧张,而且造成医疗资源浪费,阻碍了医疗卫生事业的发展。因此,从临床诊疗过程中挖掘异常行为,对于规范医院诊疗行为,预防违规和欺诈行为,减少医疗资源的流失有着十分重要的意义。结合课题研究背景及国内外研究现状和基于医疗界提出的“临床路径(Clinical Pathway)”的概念,论文通过关联规则挖掘方法,从临床数据中挖掘出合法的行为模式,并以此为基础,构建面向领域的异常检测模型,用于甄别临床事件中的异常诊疗行为。本文研究的主要工作如下:1、论文讨论了主流的异常检测方法,着重分析了关联规则在医学临床挖掘中的应用。进行了医疗领域的分析,研究了医学数据的特点,并给出了临床数据预处理方法;2、分析了临床行为数据所具有的时序特征以及基于临床路径的单病种诊疗行为特点,针对现有算法的不足,改进了GSP算法,提出了具有持续性时间约束的频繁序列挖掘算法CBS GSPA,通过引入合法子序列的概念描述子序列的时序性,使用时间约束关系对子序列进行序列合法性的判断,确保继续生成正确候选项,并计数符合临床行为标准的合法子序列的支持度,从而完成序列模式的裁减,进而发现临床数据中频繁的行为序列模式;3、针对临床行为受时间约束的特点,通过分析了频繁序列生成规则时受到合法性约束的问题,提出了ARCBS(Association Rule of Clinical BehaviorSequence)算法来挖掘临床行为序列关联规则,并以此为基础构建了临床行为异常检测模型;4、设计了原型系统的框架结构,对关联规则提取、异常检测等环节进行了实现,通过对异常检测的效果的评测,验证了模型的可用性。

全文目录


摘要  5-6
Abstract  6-8
目录  8-10
第一章 绪论  10-16
  1.1 研究背景及意义  10-11
  1.2 国内外研究现状及存在的问题  11-14
  1.3 论文内容及结构  14-16
第二章 相关技术研究  16-29
  2.1 关联规则挖掘方法  16-22
    2.1.1 关联规则基本知识  16
    2.1.2 经典算法分析及其改进  16-19
    2.1.3 序列模式的发现  19-20
    2.1.4 关联规则的评估  20-22
  2.2 异常检测  22-26
    2.2.1 异常检测主要思想  22-23
    2.2.2 常用的异常检测技术  23-25
    2.2.3 基于数据挖掘的异常检测体系结构  25-26
  2.3 关联规则挖掘在临床医学中的应用研究  26-28
    2.3.1 医学数据挖掘的过程  26
    2.3.2 医学数据挖掘的关键技术  26-27
    2.3.3 关联规则在医学中的应用  27-28
  2.4 本章小结  28-29
第三章 领域分析及数据预处理  29-38
  3.1 领域分析  29-33
    3.1.1 问题描述  29-30
    3.1.2 问题分析  30-31
    3.1.3 医学数据的特点及预处理  31-33
  3.2 临床行为数据预处理  33-37
    3.2.1 临床行为数据的特点及问题  33-34
    3.2.2 临床行为数据预处理  34-37
  3.3 本章小结  37-38
第四章 基于关联规则的临床行为序列异常检测模型  38-56
  4.1 临床行为异常检测模型  38-39
  4.2 临床行为序列关联规则发现算法  39-52
    4.2.1 临床行为序列数据分析  39-42
    4.2.2 相关定义  42-43
    4.2.3 基于关联规则的临床行为序列发现算法  43-52
  4.3 异常检测方法  52-55
    4.3.1 规则匹配  53-54
    4.3.2 规则集相似度比较  54-55
  4.4 本章小结  55-56
第五章 原型系统的设计与实现  56-69
  5.1 系统的设计需求和系统框架  56-58
  5.2 系统主要功能的实现  58-63
    5.2.1 数据采集与预处理模块  58-59
    5.2.2 模式生成模块  59-61
    5.2.3 模式比对与异常识别模块  61-63
  5.3 实验结果与分析  63-68
    5.3.1 实验过程  63-66
    5.3.2 评价指标  66
    5.3.3 实验结果分析  66-68
  5.4 本章小结  68-69
第六章 总结与展望  69-71
  6.1 全文总结  69
  6.2 展望  69-71
参考文献  71-75
致谢  75-76
发表的论文  76
承担的科研项目  76

相似论文

  1. 基于核方法的高光谱图像异常检测算法研究,TP751
  2. 人工免疫分类和异常识别算法的改进,R392.1
  3. 交通视频中车辆异常行为检测及应用研究,TP391.41
  4. 一种多数据流聚类异常检测算法,TP311.13
  5. 我国企业内部欺诈行为分析与治理对策,F279.2
  6. 信用卡欺诈风险防范法律制度研究,D924.3;F832.2
  7. 基于投影寻踪回归的网络异常检测机制研究,TP393.08
  8. 无线传感器网络定位及目标跟踪的研究,TN929.5
  9. 提单欺诈及对策的法律分析,D996.1
  10. 高光谱图像异常目标检测,TP391.41
  11. 基于非参数统计高斯核函数特征量的网络流量异常检测方法,TP393.07
  12. EPC网络的RFID供应链数据异常检测研究,TP391.44
  13. 营造互利多赢的（防点击欺诈）广告联盟,F713.8
  14. 基于气味分析的设备异常检测方法研究,TB17
  15. 基于多核混合支持向量机的城市短时交通预测,U491.14
  16. 论搜索引擎竞价排名的法律规制,D923.43
  17. 增设诉讼欺诈罪的立法思考,D924.3
  18. 电子合同中未成年人缔约能力法律问题研究,D923.6
  19. 基于关联规则的数据库安全审计系统,TP311.13
  20. 数据挖掘技术在医保领域中的研究与应用,TP311.13
  21. 频繁项挖掘算法及其应用研究,TP311.13

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com