基于甲亢临床指标的多维时间序列关联度分析

doi:10.3969/j.issn.1006-2475.2016.04.003

计算机与现代化

基于甲亢临床指标的多维时间序列关联度分析

(东华大学计算机科学与技术学院,上海200051)

收稿日期:2015-11-06 出版日期:2016-04-14 发布日期:2018-09-30
作者简介:王致强（1990-），男，安徽霍邱人，东华大学计算机科学与技术学院硕士研究生，研究方向：数据库，大数据与智慧医疗；乐嘉锦（1951-），男，上海人，教授，博士生导师，研究方向：数据库与数据仓库，大数据；陈德华（1976-），男，副教授，研究方向：数据库，数据仓库与智慧医疗。

Multi-dimensional Time Series Correlation Analysis Based on Hyperthyroidism Clinical Parameters

(School of Computer Science and Technology, Donghua University, Shanghai 200051, China)

Received:2015-11-06 Online:2016-04-14 Published:2018-09-30

摘要/Abstract

摘要： 近年来，对临床医疗数据的挖掘分析越来越热，医疗数据中包含很多有价值的信息等待被挖掘。对基于时间序列的临床指标数据流进行关联度分析，从中发现临床指标相互之间变化趋势的相关性，对于开展精准医疗具有非常重要的价值。本文将高斯混合模型运用于临床医疗数据流的关联度分析中，提出关联支持度的方法来衡量指标之间的关联关系的强弱程度。最后通过分析100多位甲亢患者临床指标数据流，计算出各个指标对的关联支持度，得出各指标相互之间关联度的强弱关系。

关键词:

Abstract:

In recent years, clinical data mining analysis is getting more and more popular, and medical data contain a lot of valuable information that is waiting to be tapped. With clinical test indicators data time series correlation analysis, we found that relevance of the trend among clinical test indicators, which has a very important value for the conduct of precision medical. This article makes correlation analysis among clinical data which Gaussian Mixture Model is applied to, and Related Support Method has been proposed to measure the extent of the strength of the association among indicators. Finally, through the analysis of the clinical parameters data stream which is from more than 100 hyperthyroidism patients, the correlation support of all pairwise indicators is calculated and the strength of the correlation between the indexes mutual has been generated.

Key words: GMM, multi-dimensional analysis, correlation support, hyperthyroidism

中图分类号:

TP302','1');return false;" target="_blank"> text-indent: 21pt">TP302

王致强，乐嘉锦，陈德华. 基于甲亢临床指标的多维时间序列关联度分析[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.04.003.

WANG Zhi-qiang, LE Jia-jin, CHEN De-hua.

Multi-dimensional Time Series Correlation Analysis Based on Hyperthyroidism Clinical Parameters[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.04.003.

参考文献

［1］吴汉华. 大数据时代中如何进行医疗数据挖掘与利用［J］. 硅谷, 2014(5):13，12.［2］王学松,郭强. 医疗数据分析及数据挖掘方法的应用［J］. 电子技术与软件工程, 2014(2):218-219.

［3］费成英. 血清TT3、FT3、TT4、FT4以及TSH检测意义［J］. 国际检验医学杂志, 2010,31(2):121-122.

［4］ Aggarwal C, Yu P S. Finding generalized projected clusters in high dimensional spaces［J］. ACM Sigmod Record, 2000,29(2):70-81.

［5］ Cha SungHyuk. Comprehensive survey on distance similarity measures between probability density functions［J］. International Journal of Mathematical Models and Methods in Applied Sciences, 2007,1(4):300-307.

［6］古俊哲. 有限高斯混合模型聚类算法的研究［D］. 兰州:兰州商学院, 2014.

［7］张洪祥,毛志忠. 基于多维时间序列的灰色模糊信用评价研究［J］. 管理科学学报, 2011,14(1):28-37.

［8］许雯,董林,田家斌. 一种改进的高斯混合模型算法［J］. 信息工程大学学报, 2005(2):65-67.

［9］李德才. 基于多元时间序列的关联分析及预测方法研究［D］. 大连:大连理工大学, 2012.

［10］〖JP3〗岳佳,王士同. 高斯混合模型聚类中EM算法及初始化的研究［J］. 微计算机信息, 2006,22(33):244-246，302.

［11］NourEddine L, Abdelkader A. GMMbased maghreb dialect identification system［J］. Journal of Information Processing Systems, 2015,11(1):22-38.

［12］Kriegel H P, Kroger P, Zimek A. Clustering highdimensional data: A survey on subspace clustering, patternbased clustering, and correlation clustering［J］. ACM Transations on Knowledge Discovery from Data(TKDD), 2009,3(1):337-348.

［13］习伟,李鹏,郭晓斌,等. 多维时间序列关联分析方法在电力设备故障预测中的应用［J］. 电网与清洁能源, 2014(12):60-65.

［14］胡瑞娟,李岩芳,何昀. 基于关联规则算法的医疗数据挖掘［J］. 长春理工大学学报(自然科学版), 2009,32(2):282-284.

［15］秦亮曦,刘新峰,史忠植. 基于片段模式的多时间序列关联分析［J］. 计算机科学, 2006,33(1):232-235.

［16］陈培煜. 基于肿瘤临床指标的多维时间序列分类建模的研究［D］. 北京：北京工业大学, 2013.

［17］叶明全. 数据挖掘在医疗数据中的应用［J］. 安徽工程科技学院学报(自然科学版), 2007,22(3):54-57.

[1]	王正敏,张太红,李永可,白涛. FreeMarker模板引擎在线动态生成Excel和Word文档技术[J]. 计算机与现代化, 2016, 0(4): 109-113.
[2]	姬忠孝，江国华. 一种基于FTA和FDG的安全关键函数定位方法[J]. 计算机与现代化, 2016, 0(4): 85-89+122.
[3]	柳萌宇1，钟浩2，于海波1. 基于变更相似性的跨语言克隆检测方法[J]. 计算机与现代化, 2016, 0(4): 79-84+99.
[4]	朱亚会，陈丹，庄毅. 云数据中心基于能耗感知的虚拟机调度算法[J]. 计算机与现代化, 2016, 0(4): 74-78.
[5]	宋文灏1，钟浩2，于海波1. 一种有效的API搜索算法[J]. 计算机与现代化, 2016, 0(4): 59-64.
[6]	曹清云1,倪建军1,2,王康1,吴榴迎1. 一种改进的未知动态环境下机器人混合路径规划方法[J]. 计算机与现代化, 2016, 0(4): 54-58.
[7]	蔡亦清，张亚，张松. 基于MSP430F149的弹匣计数器设计[J]. 计算机与现代化, 2016, 0(4): 50-53.
[8]	翟师伟1，沈士根2,3，曹奇英1. 基于非合作博弈的无线Mesh网络接入控制[J]. 计算机与现代化, 2016, 0(4): 45-49+78.
[9]	马明阳. 基于可信硬件的智能手机短信加密方案[J]. 计算机与现代化, 2016, 0(4): 29-35.
[10]	张建华1,肖中正2. 结合词性规则和依存句法分析的评价对象抽取方法[J]. 计算机与现代化, 2016, 0(4): 16-20.

基于甲亢临床指标的多维时间序列关联度分析

Multi-dimensional Time Series Correlation Analysis Based on Hyperthyroidism Clinical Parameters

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价