【摘 要】
：
医学科学数据管理与共享平台综合利用WEB技术、结构化数据库技术、可视化技术以及语义技术等构建了一个集数据汇交、管理与共享于一体的综合平台。通过规范化的数据上传流程以及灵活的元数据配置，对用户上传的数据的内外部特征进行规范，有助于同类目数据的整合，为科学发现提供条件;数据分类管理不仅有利于不同层次数据的聚合，也提高了数据查询和响应速度;多层面的规范处理在保证了数据质量的同时，也增加了数据的语义和关联
【出 处】
：
中华医学会第二十三次全国医学信息学术会议
论文部分内容阅读
医学科学数据管理与共享平台综合利用WEB技术、结构化数据库技术、可视化技术以及语义技术等构建了一个集数据汇交、管理与共享于一体的综合平台。通过规范化的数据上传流程以及灵活的元数据配置，对用户上传的数据的内外部特征进行规范，有助于同类目数据的整合，为科学发现提供条件;数据分类管理不仅有利于不同层次数据的聚合，也提高了数据查询和响应速度;多层面的规范处理在保证了数据质量的同时，也增加了数据的语义和关联，有助于多源异构数据间的整合挖掘;分级共享在促进科学数据最大限度传播的同时，也保护了提交者的专有权。
其他文献
Web 3.0不仅强调了用户可以直接通过网络交互和整合信息，还强调了其语义网的本质。而大量异构的健康信息分散在网站和平台中，相互隔离，无法充分满足用户日益提高的信息需求。本文在对国内外有关于网络健康资源语义聚合相关研究梳理的基础之上，总结了语义聚合的主要模式，发现了目前网络健康资源聚合研究对用户产生的社会健康数据的关注不足，以及无法全面揭示和链接网络平台所承载的全部其他信息等问题。利用语义网的相关
2016年6月21日，国务院办公厅《关于促进和规范健康医疗大数据应用发展的指导意见》中提出“推动健康医疗大数据资源共享开放，鼓励各类医疗卫生机构推进健康医疗大数据采集、存储，加强应用支撑和运维技术保障，打通数据资源共享通道。”国内外的发展战略和研究目标，体现了各个层面对放疗大数据基础建设工作的重视，而大数据应用建立的关键，就是如何高效、合理的将各类数据进行有效整合，实现数据的高度集成。数据解析在当
医疗保险保障水平是医疗保险制度效果的集中体现，本项研究就是以患者因就诊所产生的实际报销比例为切入点，通过大数据分析其对居民住院费用的影响，探讨医疗保障制度的政策效果，也为我国社会基本医疗保险体制改革决策提供证据支持。社会医疗保障水平对居民住院费用具有显著影响，二者呈负向增长关系，现阶段实际保障水平尚低于政策范围内保障水平。在已经实现“制度全覆盖”前提下，逐步提升保障水平，缩小保障差距，为社会居民提
本文基于卷积神经网络，利用深度学习目标检测的思想对DICOM肺部X光图像进行肺结节检测，采用多种数据扩大方案，解决数据量少的问题。实验结果表明，适当遮盖、扭曲能够，使得神经网络更加关注目标本身，提高网络的识别率;越深的网络更能够提取到网络的抽象含义。而旋转生成样本在一定程度上是不可取的，会是神经元充斥局部距离信息，降低泛化能力。该方法在降低假阳性率和提高召回率上均有一定的提高，特别是在假结节的检出
健康管理团体标准的开展与实施可以说是健康管理学科领域大力深化数据信息化发展、推进标准化工作改革的一项重要举措。在当今大数据时代的背景下，健康服务业要以健康管理团体标准的制定为重要抓手之一，发挥其对国家标准的补充和协调作用，紧密贴合领域所需研制标准，以期对行业内各层次健康管理机构的数据结构进行标化统一，从而有效整合国内有关健康管理领域的资源;同时打造信息团体标准从研发到市场应用的长效机制，配合国家对
本文旨在以目前最常见的女性恶性肿瘤—乳腺癌为例，通过数据挖掘方法中的关联规则找出与预后关系密切的因素，再通过Logistic回归分析乳腺癌预后相关危险因素及影响程度。
本文利用Citespace对WOS数据进行医学大数据研究领域的可视化分析，可以看出，医学大数据仍属于初级阶段，相关文献较少，但并不是纯概念性的理论研究，而是和医疗卫生服务紧密结合进行的实践探索。医学大数据研究从2012年开始迅速攀升，到目前已引起越来越多的学者的关注，共有91个国家的1835个机构的5901位作者从事相关领域研究。从发表论文数量和被引频次来看，美国在医学大数据研究上占领先地位，其相
本研究应用2015年重庆某大型综合三甲医院出院病案首页数据对BJ-DRGs分组器进行效果验证，从费用评价、分类结果评价以下两方面进行. 我们采用了分类费用与结果评价两方面指标对CN-DRGs分组器效能进行验证。在去除极值后，分组器显示了较好的分组效能，体现出组内一致性较好，组间差异显著,目前暂不知道CN-DRGs分组器中关于合并症、伴随病的处理原则，而其确定必须是经过大量的数据统计分析处理，并且需
本文中，首先介绍了一个可开放获取的电子健康档案数据库—MIMIC，之后阐述电子健康档案数据挖掘在临床科学研究中的应用，包括患者分层和患者招募、流行病学研究、预测模型研究、效果对比研究和药物替戒等。最后，我们对电子健康档案数据挖掘在临床科研中的应用和驱动作用进行了总结和展望。
对本研究所收集数据来说，RF学习速度快，达到了最佳效能，由于预测这一目的更注重于应用性，故侧重关注预测准确性，RF显著高于其他两项常用方法，且AUC面积接近0.8，说明该预测效能稳定，根据筛选出的变量对临床未来工作有一定的借鉴意义，如婚姻状况。筛选出的因素多为疾病因素，而社会因素在某些研究中也有所提及，这需要未来进一步的观察。可考虑进行外部验证，从而明确对具体国家患者预后情况预测的能力，为预后评价