一种粗糙概念格的电子病历挖掘模型研究与设计

doi:10.3778/j.issn.1002-8331.2010.18.067

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (18): 215-219.DOI: 10.3778/j.issn.1002-8331.2010.18.067

一种粗糙概念格的电子病历挖掘模型研究与设计

丁卫平^1，2，董建成¹，王斌³，施佺¹，石振国¹

1.南通大学计算机科学与技术学院，江苏南通 226019
2.苏州大学江苏省计算机信息处理技术重点实验室，江苏苏州 215006
3.南通市第三人民医院，江苏南通 226007

收稿日期:2008-12-15 修回日期:2010-04-29 出版日期:2010-06-21 发布日期:2010-06-21
通讯作者: 丁卫平

Research and design of electronic patient record mining model based on rough concept lattice

DING Wei-ping^1，2，DONG Jian-cheng¹，WANG Bin³，SHI Quan¹，SHI Zhen-guo¹

1.School of Computer Science and Technology，Nantong University，Nantong，Jiangsu 226019，China
2.Provincial Key Laboratory for Computer Information Processing Technology，Soochow University，Suzhou，Jiangsu 215006，China
3.Third People’s Hospital of Nantong，Nantong，Jiangsu 226007，China

Received:2008-12-15 Revised:2010-04-29 Online:2010-06-21 Published:2010-06-21
Contact: DING Wei-ping

摘要/Abstract

摘要： 电子病历挖掘（EPRM）指的是在电子病历数据库中提取有用的医疗信息，并挖掘隐含其中医学诊断规则和模式，为疾病诊断和治疗提供科学的、准确的辅助决策等。在研究粗糙集和概念格基本理论的基础上，结合电子病历数据库中医学数据的特征，提出了基于粗糙概念格电子病历挖掘模型设计方法，该模型采用条件熵对病历大量属性进行约简和粗糙决策规则格的构造算法（EPRM），实验表明该模型在决策规则挖掘效率、运行速度和适应性等方面都具有较好的性能。

关键词: 粗糙集, 概念格, 电子病历挖掘, 条件熵, 决策规则格

Abstract: Electronic patient record mining deals with the implicit and useful medical information stored in the electronic patient record database.And by this technology some useful knowledge is extracted and the scientific and auxiliary decision-making is proved for the diagnosis and treatment of disease.After the correlative ideas of rough sets and concept lattice are studied，the rough concept lattice mining model is presented according to features of the medical data in the electronic patient record database.The key EPRM algorithm is nested into the model.The condition entropy method is adopted to reduce the attributions，and rough decision rule lattice is constructed.The results show that model is better on the mining efficiency，running speed and adaptability.

Key words: rough set, concept lattice, electronic patient record mining, condition entropy, decision rule lattice

中图分类号:

TP301.6

丁卫平^1，2，董建成¹，王斌³，施佺¹，石振国¹

. 一种粗糙概念格的电子病历挖掘模型研究与设计[J]. 计算机工程与应用, 2010, 46(18): 215-219.

DING Wei-ping^1，2，DONG Jian-cheng¹，WANG Bin³，SHI Quan¹，SHI Zhen-guo¹. Research and design of electronic patient record mining model based on rough concept lattice[J]. Computer Engineering and Applications, 2010, 46(18): 215-219.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[4]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[5]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[6]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[7]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[8]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[9]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[10]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[11]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[12]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[13]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[14]	折延宏，胡梦婷，贺晓丽，曾望林. 两种多粒度形式概念分析模型的比较研究[J]. 计算机工程与应用, 2020, 56(10): 51-55.
[15]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.

一种粗糙概念格的电子病历挖掘模型研究与设计

Research and design of electronic patient record mining model based on rough concept lattice

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics