基于Apriori算法的数据挖掘在移动医疗终端系统中的研究

王雪+石元博+黄越洋

摘要：本文建立了移动医疗终端系统模型，设计并实现了系统的数据采集和处理的功能，给出系统的整体功能结构，并将Apriori算法应用于系统的数据关联中，给出算法的实现步骤。为移动医疗的大数据应用打下良好的技术基础。

关键词：移动医疗终端；数据采集；Apriori算法

中图分类号：TP311.13 文献标识码：A 文章编号：1007-9416（2017）09-0060-02

近年来，由于“互联网+”概念的提出，以及大数据、云计算等技术的逐渐成熟，智能终端的普及，医疗信息化已向移动应用端开始发展。因此，如何解决移动应用端对医疗信息大数据的挖掘是一个非常重要的研究课题[1-2]。在移动医疗终端的数据挖掘应用中，患者医疗信息的关联规则挖掘能够为患者病情的监控在内的多方面情况提供良好的参考依据，因此，本文提出一种基于改进的Apriori算法的移动终端应用来解决患者的病情监控问题。

1 移动医疗终端系统模型

本系统采用四层体系结构，系统拓扑结构如图1所示。系统整体分为四层：患者数据采集层、医院大数据云服务器层、移动医疗服务层和移动医疗客户应用端。

如图1所示，系统中患者数据采集层为医疗数据的采集，由医护人员通过各种医疗设备对患者的健康情况、病情和病历信息等进行采集并上传大数据云服务器。数据云服务器层采用大数据云服务器，用来存储海量医疗数据信息，为保证数据的信息的全面性，服务器采用分布式服务器设计模式。移动医疗服务层采用高性能服务器，主要对数据进行处理。移动医疗服务层通过响应客户端的应用的请求后首先建立初始数据挖掘规则，再向大数据云服务器层服务器发出访问请求。数据通过初步挖掘规则建立起满足格式的数据映射。随后患者可以利用移动医疗客户应用端通过Internet网络与服务器进行数据的交互操作。

2 移动医疗终端数据采集及处理

2.1 基于Hibernate的数据采集技术

本文在服务器端采用Java的Hibernate框架，Hibernate是一个代码开源的关系映射框架。框架可以将Struts2和Spring进行整合。在系统的服务器上，系统将数据采集网络采集来的数据进行数据格式的处理，数据网络采集的数据格式不规范，将数据统一转换成关系型数据结构存在数据库中。系统体系结构分为三层，分别是数据访问层、业务逻辑层和表示层。其中数据访问层与数据库进行交互，采用Hibernate所提供的数据映射访问工具来实现；业务逻辑层主要处理数据的校验和数据的传递工作，采用Spring容器管理机制来实现；表示层主要处理与用户的交互，在服务器端主要体现在Web查询等交互上，采用Struts2框架来实现。

2.2 服务器数据挖掘技术

在系统的服务层，系统对数据进行预处理工作，由于在移动终端上处理数据的能力有限，因此，为保证待挖掘数据的正确性和有效性需要对数据行预处理工作。预处理工作主要包括对数据的集成、数据的清洗、数据的变换和数据的简化。将预处理后的数据存放在关系型数据库中。

3 移动医疗终端数据挖掘的实现

3.1 系统整体功能的实现

通过对系统需求的调研与分析，移动医疗终端系统功能模块如图2所示。

其主要功能包括就医模块、医嘱模块和医疗保健模块。就医模块主要实现对患者就医的各项功能，包括挂号模块、病例模块和医疗模块；医嘱模块主要实现患者对医嘱的 查询和医生对患者执行医嘱的跟踪功能，包括查询模块、修改模块和跟踪模块；保健模块主要实现患者的身体状况查询和监测功能，包括医疗知识查询模块、体检模块和监测模块。

3.2 Apriori算法在系统中应用

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集[3]。系统采用Apriori算法主要实现对患者的临床采集数据进行数据挖掘并进行关联分析。算法实现步骤：（1）数据集划分。首先利用数据分类器将数据按照属性划分为不同的数据集。（2）定义最小支持度和最小置信度。根据数据属性特征来定义系统的最小支持度和最小置信度的值。（3）产生频繁项集。遍历数据集对每个项进行计数，将计数结果产生一个频繁项集。（4）数据项连接。将数据集和频繁项集进行数据项连接。（5）产生强关联规则。由连接结果产生强关联规则，强关联规则满足于最小支持度和最小置信度的范围。

4 结语

本文针对患者对自身病情监控困难的问题，提出了建一个移动医疗终端系统，并设计和实现了系统的功能。在系统的规则关联中采用Apriori算法來实现。系统为移动医疗的实现打下了基础。

参考文献

[1]贾克斌，李含婧，袁野.基于Apriori算法的数据挖掘在移动医疗系统中的应用[J].北京工业大学学报，2017，（3）：394-401.

[2]孟濬，朱天宇.一种基于智能手机的新移动医疗系统模式[J].计算机应用研究，2013，（7）：2055-2060.

[3]郭玉婷，刘豫，张丽丽，等.基于Apriori算法的慢性阻塞性肺疾病超限住院费用关联规则数据挖掘[J].中国慢性病预防与控制，2017，（4）：245-248.endprint