中医药院校“医学数据挖掘”的金课建设探究

目的:打造中医药院校“医学数据挖掘”金课,培养创新型、实干型医学数据挖掘人才;方法结合教育部“消灭水课、打造金课”的教学改革号召和金课建设标准,基于“5+4”互动教学模式,建立医学数据挖掘线上线下混合式教学;结果基于金课培养的医学数据挖掘人才操作能力、实战能力明显提高;结论医学数据挖掘课程教学改革以金课建设为导向,发展线上线下教学模式,能够有效提升人才质量水平,达到“两性一度”的金课标准。

医学数据挖掘教学实践——以基于Weka的机器学习方法为例

本文首先介绍了机器学习常用的一般操作流程、Weka软件以及生物医学数据处理的重要性。然后,阐述了如何使用Weka进行生物医学数据分析和构建机器学习模型,并提供了以糖尿病为例的具体案例来说明这些方法的应用。本文介绍的教学实践方法有助于学生直观地理解机器学习中各个重要步骤,并方便比较不同分类器效果,具备良好的教学潜力。

医学数据分析类课程大学生计算思维的培养及评价

大学生计算思维的培养是数智化时代高等教育的发展需求,高校医学数据分析类课程对学生计算思维的培养内容及要求应结合其课程特点开展。本文以河南中医药大学为例对高校医学数据分析类课程的特点及其对大学生计算思维培养的内容和要求进行分析,探索医学数据分析类课程大学生计算思维培养的途径,最后基于计算概念、计算实践和计算观念的三维框架分别从计算机基础教学和计算机专业教学两个方向提出高校医学数据分析类课程大学生计算思维评价的组成要素,为后续计算思维定量评价的指标体系建立提供参考依据。

“医学数据挖掘”课程思政教学改革探索

高校教师作为课程建设、课堂教学的主要责任人,肩负着为党育人、为国育才的使命和责任。本文以“医学数据挖掘”课程为例,探索了课程思政在专业课程中的实施路径与方法,构建了价值塑造、知识传授、能力培养“三维一体”的育人体系,采取协同三个课堂的教学模式,将思政教育贯穿于课前、课中、课后三个阶段,构建“三维三课三阶”的思政教学体系,增加课程的知识性、人文性、前沿性,提升学生的爱国情怀、创新精神、科学素养,增强了学生的职业理想与责任感,以期为推进课程思政建设、提高人才培养质量提供参考。

区域医学数据管理平台技术设计与实践

目的 为医学数据融合管理提供技术支撑,解决数据管理应用中的实际问题。方法 通过分析医学数据融合管理相关需求,设计医学数据平台管理、数据治理、自动化处理、数据确权和安全保护技术解决方案,构建医学数据管理平台,通过应用实践检验其成效。结果 运用模块分层思路设计平台的技术架构,统一数据标准规范,开展数据治理,采用人工智能技术实现数据自动化和智能化处理,利用区块链技术实现数据确权溯源,运用多种信息安全技术保障数据传输应用安全。结论 医学数据管理平台的统一化、标准化、自动化、安全性的技术设计,能够推进数据统筹高效、融合管理,维护数据权属,保障数据安全。

中西医学数据整合框架实现的意义和前景

随着现代诊疗技术的发展、医院信息系统的建成及大型医疗仪器的采用,医院每日产生大量的医学数据。中医行业如何充分利用这些医学数据所蕴含的信息,对于提升中医医疗水平和发展中医学术有着极为重要的现实意义。参照国际医学数据传输标准HL7,通过建立医学数据中心,利用现代先进的计算机技术构建中西医学数据整合框架体系,为中西医学数据整合、数据挖掘提供一个可靠的数据平台。

医学数据及其应用

介绍了医学数据及医学数据系统,重点论述了医学数据挖掘,诸如RLIMS-P规则挖掘工具、PubGene关联分析系统、数据分析及知识关联服务等应用。

Kendall’s W分析方法在医学数据处理中的应用及在SPSS中的实现方法

Kendall’s W分析是Kendall在1938年提出的作为独立于基础变量分析的、基于两个等级比较转化数的一种分析方法。后来逐渐被应用到医学、心理学、社会学等学科的统计分析。

医学数据挖掘的技术、方法及应用

医学数据挖掘是提高医院信息管理水平 ,为疾病的诊断和治疗提供科学的、准确的决策 ,促进远程医疗和社区医疗发展的需要。本文对医学数据挖掘的关键技术——数据的预处理、多属性信息的融合、挖掘算法的高效性与鲁棒性、提供知识的准确性与可靠性等进行了论述 ;阐述了基于计算智能的医学数据挖掘方法 ,介绍了人工神经网络、模糊逻辑、遗传算法、粗糙集理论和支持向量机在医学数据挖掘中的应用 ;最后对医学数据挖掘的特点和亟待解决的问题进行了总结。

基于大数据研究的医学数据可视化

数据可视化是指利用数据分析和开发工具发现大数据中的隐藏信息与内在规律，并将研究结果采用图形图像形式进行表达的处理过程。数据可视化的目的主要是借助于直观易懂的图形化手段，清晰有效地传达与沟通信息，从而实现对复杂数据集的深入洞察。随着电子计算机的普及应用、跨区域的网络连接，

数据挖掘与医学数据资源开发利用

通过对目前医学数据资料状况的分析,提出了数据挖掘与医学数据资源开发利用的方法。文章首先介绍了聚类分析、关联分析、决策树三个数据挖掘方法及实例。实例资料结果说明通过分析疾病的分类、疾病与药物之间的关联,可以为疾病的早期预测,为相关疾病的诊疗路径提供帮助。因此聚类分析、关联分析以及决策树是医学数据挖掘中的主要方法,三者的结合可以对某一类疾病进行系统的分析。

基于混合蛙跳算法的高维生物医学数据特征选择方法

针对高维生物医学数据包含大量无关或弱相关特征,影响疾病诊断效率的现状,提出了一种基于改进混合蛙跳算法的高维生物医学数据特征选择方法。该方法将混沌记忆权重因子和平衡分组策略引入基本混合蛙跳算法,在强化算法多样性的同时,维持了算法全局和局部寻优之间的平衡,降低了算法陷入局部最优的可能,进一步提高了混合蛙跳算法特征选择方法在特征空间的探索能力。实验结果表明:与改进遗传算法、粒子群优化算法特征选择方法比较,改进混合蛙跳算法特征选择方法在高维生物医学数据特征子集识别、分类精度方面取得了更好的效果。

国内医学数据安全治理法律法规建设探析

随着医疗大数据探索的不断深入,医学数据安全治理问题日益突出,相关的法规条例标准也在不断完善,受到社会公众的广泛关注。本文通过文献研究与内容分析的方法,发现我国现有的医学数据安全治理的法律法规,从时间横向轴而言呈现国家关注度持续上升趋势,由整体框架设计转向具体领域精细化落实;从地域纵向轴来看则以国家层面的法律法规建设为中心,各省遵循国家意志制定相关执行层面的细则,总体上东部地区建设速度领先西部地区。同时,本文也指出我国医学数据安全治理法律法规存在的问题并提出相关见解。

医学数据网格中数据一致性问题研究及实现

分析了数据网格中数据不一致问题的产生以及数据网格中一致性服务的主要内容.基于数据访问特点,深入研究了数据网格中的一致性策略.结合上海医学网格第一阶段,即耳鼻喉医学网格的实际设计实现了一种新的数据一致性算法.最后还提出了在更为复杂的上海医学网格第二阶段,即乳腺癌医学网格中的一致性维护算法的思想.

局域网上医学数据库的安全模型

从实践中提出了局域网上医学数据库的安全模型,从授权资料库、守护监控、以及发现并切断报警定位进行了论述,该模型具有源头创新性,对医学局域网以至于其它类型网络的安全具有非常现实的指导意义,提出了研制医学数据库实时监控系统的目标,开辟了网络监控的新局面。

一种提高三维医学数据场边缘过渡区域图像质量的算法

在对医学三维数据场模糊特性的分析基础上 ,提出了一种提高三维医学数据场边界过渡区域图像质量的体元投射算法。论文详细说明了算法流程 ,包括特征区域的提取方法和基于体元合并的数据场绘制方法。实验表明 ,算法既提高了过渡区的图像质量 。

医学数据网格及其相关中间件的研究与实现

研究医学数据网格,以满足共享分布式异构医学图像等医学数据资源、医学仪器等医疗资源的需要,设计了医学数据网格的体系结构,研究了医学数据标准化,设计和实现了医学应用数据库,探究了资源管理、注册查找、工作流管理,以及数据管理和安全问题。实践证明,该网格研究系统GADITMER可以有效地促进临床辅助诊断和流行病学研究的发展。

联合SAS和R分析医学数据举例

SAS系统在医药卫生领域被广泛地应用。近年来,R软件〔1〕异军突起,越来越受到数据分析人员的喜爱。R作为S语言的＂方言＂,是面向向量、数组、列表等对象进行运算的软件包,它非常擅统计计算和统计作图，

医学数据挖掘在线教学平台的设计与实现

为了培养医学生掌握医学数据挖掘方法并应用于临床科研工作,提高医学生的信息素养,该研究设计实现了医学数据挖掘在线教学平台,并于2020年春季学期面向协和研究生的“医学数据挖掘实用技术”教学实践中投入使用,该平台有效弥补实践类课程短板,能够满足不同学科背景的学生需求。学生课后反馈结果表明,该平台的应用降低了技术类课程的学习门槛,激发了医学生对于数据挖掘类课程的学习积极性,有助于其实践能力的提升。

循证医学数据库DynaMed简介

循证医学是对个体患者进行治疗决策时,负责、清楚而明智地使用当前的最佳证据。快速有效地检索和应用最佳研究证据是循证实践的核心。然而,临床医生想要在海量文献中快速查找到自己需要的证据将面临重重困难,如何为临床医生提供经加工总结的易懂易用的循证资源,帮助他们充分利用证据,既是循证医学未来的发展方向,也是确保循证实践的必然。