数据挖掘技术在医疗大数据中的应用研究

陈闽韬 匡芳君*

（温州商学院信息工程学院，浙江 温州 325035）

1 引言

信息技术的发展与进步，为医疗服务提供了便利，对转变传统医疗服务具有积极的作用与意义。医院通过构建监管系统，完成对医院异常的数据信息进行采集。但是，由于医疗行业本身特性和复杂性，造成医疗大数据所包含的数据信息驳杂，数据信息利用率相对较低，亟需改进与完善。本文研究基于遗传算法的K-means改进聚类方法，再结合实例对数据挖掘技术在医疗大数据中的应用进行分析。

2 相关关键技术

2.1 数据挖掘技术

实际医疗大数据涵盖患者、费用、药物以及相关管理信息等数据。但是这些信息中包括作用显著的信息和作用不够明显的信息。为了从这些冗杂的数据信息中获取作用显著的数据信息，如患者的病例信息、费用信息等，则需选择适宜的技术类型，完成对这些信息的获取。数据挖掘技术能够将作用显著的数据信息提取出来，从而满足医疗服务的需求[1,2]。数据挖掘技术可以从存在噪声、模糊的数据中，将目标信息进行提取。医疗大数据结合数据挖掘技术，能够实现医疗成本的预测和控制，明确医用药物的各项信息，统计分析药物不良反应、为医疗服务提供基础帮助，对推动医院的综合服务水平具有明显的正向作用。

2.2 遗传算法

遗传算法是一类借鉴生物界的进化规律演化而来的随机化搜索方法。遗传算法模拟一个人工种群的进化过程，通过选择、交叉和变异等机制，在每次迭代中都保留一组候选个体，重复此过程，种群经过若干代进化后，理想情况下其适应度达到近似最优状态。自从遗传算法被提出以来，其得到了广泛的应用[3]，特别是在函数优化、模式识别、神经网络、自适应控制等领域，遗传算法发挥了很大作用，提高了问题求解的效率。本文选择基于遗传算法的数据挖掘技术，并运用到医疗大数据中，实现有效的医疗大数据挖掘。

2.3 K-means算法研究

K-means算法是一种聚类算法，其具有较高的应用价值。其主要原理是抽取k个数据实例，并将其作为聚类中心。聚类中心的选择，可以选择随机的方式，或选择人为指定或是计算得到。完成后，在聚类中心，遍历剩余数据实例，并取距离聚类中心最近的实例加入到簇中，完成一次迭代。第一次迭代后，可以保证每个簇中，均有≥1个数据实例，然后生成新的中心点，将其作为新的聚类中心，重复第一步。之后不断对第二步进行重复，展开迭代，最终输出结果。

但考虑到数据挖掘应用到医疗大数据中，存在应用效果不够理想、数据挖掘效率低下等问题，本文将遗传算法和K-means算法相结合，达到提升数据挖掘效率的目的。

3 数据挖掘技术在医疗大数据中的应用分析

将数据挖掘技术应用到医疗大数据中，对推动医疗行业的服务水平与质量具有积极的作用，在实际的应用中，需要对具体数据挖掘对象进行研究，将应用的算法进行改进，以保障数据挖掘的整体效果，满足医疗服务的基本需求。

3.1 数据挖掘对象研究

医疗大数据中数据挖掘技术的应用，需明确具体数据挖掘对象。结合当前医疗行业的实际情况，可以得到数据挖掘的主要对象为互联网的相关医疗数据信息、患者病例、药物信息和相关的费用等信息。在明确具体的数据挖掘对象的基础上，再展开对数据挖掘技术的运用。另外，数据挖掘技术应用之前，需对数据挖掘的基本流程进行研究。展开数据挖掘的第一步为问题定义与数据选择，这一步是关系数据挖掘的关键。第二步是对数据进行预处理，并将一致、完整和正确的数据存入到数据库中。第三步为数据集成，主要是用于完成对数据共享问题的处理。第四步展开数据的清理，将错误数据删除。第五步是数据交换，促使数据可以转变为适宜挖掘的形式，确保挖掘的效果。第六步为数据规约，借助删除行、列等方式，保障挖掘算法的运行量。第七步则是对数据挖掘，完成对目标信息的采集。最后为结果评价与展示。具体的数据挖掘流程如图1所示。

图1 数据挖掘基本流程

3.2 基于遗传算法的K-means改进聚类方法

K-means算法属于距离聚类迭代的算法，其是将相似性大的数据点聚集在一个簇中，将差异较大的数据放到其他簇中，借助相关约束条件，完成具体迭代。为进一步发挥数据挖掘在医疗大数据中的应用，需对K-means算法进行改进，本文提出基于遗传算法的K-means改进聚类方法。

（1）编码方案与种群初始化。在具体的改进算法中，将遗传算法与K-means算法相结合，首先对具体中心坐标进行定义，设为d维。再假设具体簇的染色体长度为k×d。具体的染色体设置为{P1，P2……Pk}，其中 Pi={Pj1，Pj2……Pjd}。编码方案和种群初始化后，随机从n个对象中确定k个初始聚类中心坐标。

（2）适应函数选择。适应函数主要是对适应度值计算的基础，对迭代和最优解获取具有积极的作用。适应函数如公式（2）所示：

（3）操作选择。为保障具体算法操作性能，在具体的迭代过程中，将免疫机制引入其中，从而完成操作。改进算法的具体流程图如图2所示。

图2 基于遗传的K-means算法流程图

结合上述方法完成对K-means算法的改进，从而满足医疗大数据中数据挖掘的应用需求，并可以减少算法的运算时间，在理想的时间内，完成对最优解的获取，从而提升数据挖掘的效率。

4 应用实例分析

本文结合实际情况，研究分析数据挖掘在医疗费用数据中的应用。医疗费用信息具有真实性、隐私性、多样性、不完整性和冗杂性等特点。鉴于医疗费用数据的特点，其符合医疗大数据的基本特性。为实现有效的费用结算和费用查询，则需借助数据挖掘实现，从而提升医疗服务水平的效果。

4.1 分类算法

具体数据挖掘过程中，由信息采集系统对患者的基本信息进行采集，需对分类算法进行选择。通常选择易于理解的四分位数法[4]，再由四分位数法对患者展开分组，具体信息包括年龄、费用、疾病和药物等。本文主要选择费用的25%、50%和75%作为分割点，按照这3个分割点，将数据展开区间化，使用传统四分位分类方法的分类结果如表1所示。

表1 传统四分位分类方法分类结果

4.2 聚类算法

采用上文所述的基于遗传算法K-means方法进行数据挖掘，分类结果如表2所示。该算法对数据分类的效果显著，能够将不同聚类中心进行表述，并得到详细费用情况及例数。

表2 基于遗传算法的K-means改进后的聚类方法分类结果

4.3 结果评价

对上述的两种算法运用C4.5决策树[5]模型对影响因素进行分析，基于传统四分位分类方法和基于遗传算法的K-means改进聚类方法生成的决策树分布分别如图3和图4所示，从图3、图4可知，采用传统四分位分类方法分类过程中，分类项目相对较多，且涉及内容较为广泛，在具体的分类过程中，过程较为繁琐，且易造成数据误差的情况，影响效果，且其预测的精度约为80.26%；采用基于遗传算法的K-means改进后的聚类方法的分类方法，在提升效率的同时，且能够综合提升预测精度，其具体预测精度约为93.08%，比较上一分类方法，差异明显。

图3 传统四分位分类方法生成的决策树

图4 采用基于遗传算法的K-means改进后的聚类方法生成的决策树

5 结束语

随着医疗行业的不断发展，大数据技术在医疗行业中的运用更为普遍，借助有效的信息采集技术，对医疗服务及相关内容的数据信息进行采集，并展开管理与服务等内容，是影响信息利用效率和服务质量的关键。但受海量数据特性影响，造成数据信息冗杂和相关重点信息不能获取与运用。因此，本文研究数据挖掘在医疗大数据中的应用分析，包括具体流程、数据挖掘算法等，最后以医疗费用数据为例，利用基于遗传算法的K-means聚类方法进行分析，为提高医疗服务质量提供有效数据信息。

[1]朱欣欣．数据挖掘技术在医疗大数据中的应用研究[J]．医药卫生：文摘版，2016(10)：00102-00102．

[2]罗堃，代冕．数据挖掘技术在医疗大数据中的应用研究[J]．信息与电脑：理论版，2016(6)：45-47．

[3]吕峰，杨宏，普奕，等．遗传算法的数据挖掘技术在医疗大数据中的应用[J]．电子技术与软件工程，2017(5)：203-203．

[4]李梅．大数据时代中如何进行医疗数据挖掘与利用[J]．数字通信世界，2016(1)：23-24．

[5]李楠，段隆振，陈萌．决策树C 4.5算法在数据挖掘中的分析及其应用[J]．计算机与现代化，2009(12)：160-163．