遺傳算法的數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用

呂峰+楊宏+普奕+賈婧鎣

摘 要 醫(yī)院在計算機及網(wǎng)絡(luò)的輔助下，有效的改善了醫(yī)院醫(yī)療服務(wù)水平和服務(wù)質(zhì)量。計算機及網(wǎng)絡(luò)的應(yīng)用過程中，日常的醫(yī)院院內(nèi)患者信息、醫(yī)療設(shè)備信息和相關(guān)日常檢驗報告、外界數(shù)據(jù)等信息不斷增多，導(dǎo)致院內(nèi)數(shù)據(jù)庫中的數(shù)據(jù)信息龐大駁雜。為了有效的在醫(yī)療大數(shù)據(jù)中，攫取有效的數(shù)據(jù)信息，可以選擇基于遺傳算法的數(shù)據(jù)挖掘技術(shù)，獲得準(zhǔn)確有效的目標(biāo)信息，為提升醫(yī)療服務(wù)水平和質(zhì)量打基礎(chǔ)。

【關(guān)鍵詞】遺傳算法 數(shù)據(jù)挖掘技術(shù) 醫(yī)療大數(shù)據(jù) 應(yīng)用

醫(yī)療行業(yè)具有其本身的特殊性和復(fù)雜性，醫(yī)療大數(shù)據(jù)所包含數(shù)據(jù)信息更加駁雜，借助醫(yī)療大數(shù)據(jù)能夠有效的轉(zhuǎn)變傳統(tǒng)的決策依據(jù)。同時，借助醫(yī)療大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)，可以完成對患者的相關(guān)病情研究，并合理對患者進行用藥。數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用價值十分明顯?；诖?，本文分析基于遺傳算法的數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用，分別對基于遺傳算法的數(shù)據(jù)挖掘技術(shù)和具體在醫(yī)療大數(shù)據(jù)中的應(yīng)用進行闡述，具體內(nèi)容如下。

1 遺傳算法的數(shù)據(jù)挖掘技術(shù)分析

1.1 數(shù)據(jù)挖掘

醫(yī)院對日?；颊咝畔⑹占?、藥物信息錄入和相關(guān)管理信息充斥著醫(yī)院的數(shù)據(jù)庫，導(dǎo)致數(shù)據(jù)數(shù)量日漸增加。而這些龐大的數(shù)據(jù)信息中，涵蓋了作用明顯的數(shù)據(jù)信息和作用不顯著的數(shù)據(jù)信息。而為了從這些駁雜的醫(yī)療信息中，獲取有效的病例信息、藥物信息，需要選擇有效技術(shù)類型。數(shù)據(jù)挖掘技術(shù)則是一種從海量數(shù)據(jù)、存在噪聲和模糊的數(shù)據(jù)中進行目標(biāo)信息的提取，并對相近的數(shù)據(jù)信息進行提取。借助數(shù)據(jù)挖掘可以為醫(yī)院完成治療預(yù)測和降低醫(yī)療成本、明確各類藥物的基本情況，實現(xiàn)對藥物副作用的發(fā)現(xiàn)、輔助公共衛(wèi)生檢測，積極推動醫(yī)院醫(yī)療服務(wù)水平和服務(wù)質(zhì)量的提升。

在實際的醫(yī)療大數(shù)據(jù)挖掘中，可以對分類算法、聚類算法、實踐序列和的關(guān)聯(lián)規(guī)則和回歸預(yù)測等方法進行應(yīng)用，從而完成對醫(yī)療大數(shù)據(jù)的有效挖掘，進而獲取準(zhǔn)確的數(shù)據(jù)信息，保障醫(yī)院醫(yī)療服務(wù)的質(zhì)量和相關(guān)決策的效率。

1.2 遺傳算法

遺傳算法是建立在的“自然選擇”和“適者生存”的基礎(chǔ)上，結(jié)合具體的適應(yīng)度值情況，先在某一特定種群中選取一定數(shù)值的染色體，并通過對種群進行迭代，從而獲得滿足終止條件的最優(yōu)解。遺傳算法在迭代過程中，主要是通過選擇、交叉和變異等操作方式，促使種群完成自然選擇。且遺傳算法的關(guān)鍵內(nèi)容主要以染色體編碼、種群初始化和適應(yīng)度函數(shù)等。常見的遺傳算法實例有人工魚群算法、蟻群算法等。

借助遺傳算法的數(shù)據(jù)挖掘技術(shù)能夠有效完成對醫(yī)療大數(shù)據(jù)中的數(shù)據(jù)信息的攫取，并獲得有效醫(yī)療數(shù)據(jù)信息為醫(yī)療服務(wù)奠定基礎(chǔ)。

2 遺傳算法的數(shù)據(jù)挖掘技術(shù)在醫(yī)療大數(shù)據(jù)中的應(yīng)用

2.1 數(shù)據(jù)挖掘?qū)ο?/p>

從數(shù)據(jù)挖掘技術(shù)的基本能力上看，數(shù)據(jù)挖掘技術(shù)，可以完成對任意類型的數(shù)據(jù)信息存儲的數(shù)據(jù)信息挖掘。根據(jù)醫(yī)療大數(shù)據(jù)的基本情況，基于遺傳算法的數(shù)據(jù)挖掘?qū)ο笫腔ヂ?lián)網(wǎng)的相關(guān)醫(yī)療數(shù)據(jù)信息和醫(yī)院內(nèi)部的患者病例、藥物信息、費用信息和管理信息等內(nèi)容。其具體的數(shù)據(jù)挖掘目標(biāo)是根據(jù)使用者的基本需求，完成對目標(biāo)信息的獲取。

2.2 基于遺傳算法的k-means算法改進

基于遺傳算法的k-means算法改進有效的將遺傳算法和k-means算法相結(jié)合，在具體的醫(yī)療大數(shù)據(jù)挖掘中的應(yīng)用，具體的算法設(shè)計如下：

（1）編碼方案和種群初始化；設(shè)聚類中心的坐標(biāo)為d維，k個簇的每個染色體長度為k×d，染色體為{P1，P2，P3……Pk}，其中Pi={Pj1，Pj2，Pj3……Pjd}。對于對應(yīng)的每條染色體，隨機從n個對象中的k個為的初始聚類中心坐標(biāo)。

（2）適應(yīng)度函數(shù)的選取，為了保障醫(yī)療大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)的有效性，必須要對適應(yīng)度函數(shù)進行合理選擇，具體的適應(yīng)度函數(shù)如下公式（1）所示：

（3）操作選擇。為了完成對遺傳算法的更好操作，需要對遺傳算法的早熟問題進行控制，可以選擇引入免疫機制。

按照上述方式，選擇基于遺傳算法的k-means算法，可以有效使k-means算法快速收斂，從而有效減少算法所應(yīng)用的時間，并獲得最優(yōu)解，為醫(yī)療大數(shù)據(jù)的數(shù)據(jù)挖掘奠定基礎(chǔ)。

2.3 應(yīng)用實例

以基于遺傳算法的k-means算法改進在血液系統(tǒng)疾病費用統(tǒng)計分析為例。在醫(yī)院日常營業(yè)中，改進后的k-means算法可以根據(jù)患者的年齡、性別和患者等信息完成分組，且客觀的顯示血液疾病的分布情況，應(yīng)用基于遺傳算法的k-means算法改進，可以獲取患者年齡和性別的基礎(chǔ)信息，還可以的對不同年齡和性別分組下的臨床生化指標(biāo)特征進行解讀，從而相關(guān)統(tǒng)計人員能得到目標(biāo)數(shù)據(jù)。

將基于遺傳算法改進的k-means算法應(yīng)用到醫(yī)療費用數(shù)據(jù)的處理。主要是對數(shù)據(jù)進行分類，并得到初始聚類中心情況，再根據(jù)遺傳算法，完成對聚類中心的迭代和更改，并得到最終的聚類結(jié)果。通過聚類結(jié)果可以將不同類型的血液系統(tǒng)疾病的總例數(shù)和具體的治療費用進行展示，從而使得相關(guān)結(jié)算人員能夠獲得較為準(zhǔn)確的費用信息。選擇基于遺傳算法的k-means算法，可以完成對醫(yī)療費用的預(yù)測，經(jīng)過檢驗得知，具體預(yù)測準(zhǔn)確性可以達到92.21%。

3 結(jié)束語

結(jié)合基于遺傳算法的k-means算法優(yōu)化，實現(xiàn)對醫(yī)療大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)的應(yīng)用。在血液系統(tǒng)疾病費用的統(tǒng)計分析中，借助優(yōu)化后的算法可以完成對不同血液疾病的病例數(shù)和治療費用等信息的獲取，以達到降低醫(yī)院治療成本的效果，再為提高醫(yī)療服務(wù)質(zhì)量提供有效的數(shù)據(jù)信息，推動醫(yī)院醫(yī)療質(zhì)量水平的提升。借助遺傳算法的數(shù)據(jù)挖掘技術(shù)在提高醫(yī)療數(shù)據(jù)挖掘效率的基礎(chǔ)上，更為直接的提高了數(shù)據(jù)挖掘的質(zhì)量，為醫(yī)院決策提供數(shù)據(jù)信息，這是符合現(xiàn)代醫(yī)院大數(shù)據(jù)應(yīng)用的需求。

參考文獻

[1]張寧，李祥，鹿珂珂.遺傳算法在數(shù)據(jù)挖掘技術(shù)中的應(yīng)用研究[J].儀表技術(shù)，2015（12）.

[2]陳東莉.基于遺傳算法的數(shù)據(jù)挖掘技術(shù)在圖書館中的應(yīng)用研究[J].計算機與現(xiàn)代化，2012（01）：37-39.

[3]吳斌.基于數(shù)據(jù)挖掘技術(shù)的醫(yī)療影像檢查量預(yù)測[D].杭州電子科技大學(xué)，2014：32-33.