23、机器学习中使用分类器和聚类的智能医疗数据分析-CSDN博客

本文链接：https://blog.csdn.net/open4/article/details/153090238

机器学习中使用分类器和聚类的智能医疗数据分析

1. 引言

医疗行业在全球范围内广泛分布，旨在为患者提供服务。如今，该行业面临着前所未有的大量电子数据，且数据增长速度极快。若不能开发出合适的方法从海量医疗数据中挖掘出潜在的经济价值，这些数据不仅会变得杂乱无章，还需要大量的存储空间和管理成本。

近几十年来，数据挖掘技术取得了显著进展，通过对各种事物的行为和未来趋势进行预测，对人类生活方式的变革产生了重大影响，能够将存储的数据转化为有价值的信息。这些策略非常适合在医疗环境中提供决策支持。为了缩短诊断时间并提高诊断准确性，医疗行业需要一个实用的框架，以提供更廉价、更快捷的诊断途径。临床决策支持系统近年来受到极大关注，它应用了各种数据挖掘技术，帮助医生诊断具有相似症状的患者疾病。朴素贝叶斯分类器作为一种著名的人工智能工具，近年来被广泛用于决策支持中的各种疾病预测，比一些复杂的程序更适合医疗临床诊断。

2. 动机

信息技术在医疗保健中发挥着重要作用，它有助于存储、分析和共享医疗相关信息。许多医疗服务提供者依靠健康信息技术向公众提供疾病信息。其中一项进展是电子健康记录（EHR），用于长期以数字化形式存储患者信息。电子健康记录包含患者的疾病信息、实验室测试报告、病史、治疗描述、影像扫描报告等，这些信息可以在实验室、药房、专家等不同部门之间安全共享。