医院信息系统数据挖掘应用研究

摘要：数据挖掘采用先进的模式识别、机器学习等技术，可以从海量的、无序的数据集中，发掘潜在的、有价值的信息，以便为用户提供决策支撑。医院信息化系统经过多年的普及和应用，已经覆盖了门诊挂号、诊断治疗、药物器械、病房档案等很多环节，提高了医院信息化水平，也提高了患者满意度。医院信息系统运行积累了海量数据，因此可以利用数据挖掘技术，分析诊断治疗方案是否有效和药物使用是否合理，提高医院诊断治疗水平，也可以提高药物使用的合理性。

关键词：数据挖掘；医院信息系统；诊断治疗；药物

引言

随着互联网、大数据、云计算等技术的快速发展，许多医院引入了先进的信息化系统，比如门诊挂号系统、药品管理系统、医学影像系统、病房管理系统等，提高了医院的信息化、自动化和共享化水平[1]。医院信息系统经过多年的运行，也积累了海量的信息数据，这些历史数据中蕴含着无数的有价值信息，因此可以引入数据挖掘技术，构建一个先进的数据分析模型，从而将这些知识信息挖掘出来，从而为诊断治疗、药物应用提供决策支撑[2]。

1数据挖掘及其应用分析

数据挖掘又被称为知识发现，是人工智能的研究方向之一，基于模式识别、机器学习、统计学、概率论等知识，构建一个大数据分析模型，以便能够从海量的数据中发掘隐含的和有价值的知识，为人们提供决策支撑[3]。数据挖掘经过多年的研究，已经提出了很多先进技术，比如分类、聚类等，应用领域也日趋广泛，数据挖掘已经在电子商务、金融银行、证券投资、网络搜索等领域得到广泛应用，比如京东商城采用数据挖掘技术，根据用户的购买习惯，自动化的为其推荐同类型或同价值商品，提高消费者精准定位能力。数据挖掘也可以在证券投资监管中得到应用，积极的发现非法分子投机行为，避免产生系统性的金融风险，维护金融繁荣稳定发展。网络搜索更是数据挖掘的应用领域，实现了图片、视频和文档的智能化搜索，从而提高搜索的精准程度。

2数据挖掘在医院信息系统中的应用

2.1医院信息系统功能分析

互联网时代，医院信息化系统已经得到广泛普及，本文结合数据挖掘应用的实际情况，举例介绍门诊挂号系统、诊断治疗系统、药品管理系统、医学影像系统、病房管理系统[4]。（1）门诊挂号系统。患者进入医院之后，可以根据自己的初步症状选择门诊挂号，比如儿科、骨科、口腔科、泌尿科等，挂号系统可以为患者提供一个就诊卡，该卡记录了患者的基本信息，也为未来诊断治疗信息访问提供接口。（2）诊断治疗系统。患者挂号完成之后就可以预约就诊，医师采集患者的基本口述诊断信息，开具影像检查、血液检查、药物抓取等处方，此时患者可以携带就诊卡完成各项检测，诊断治疗系统可以记录这些信息，比如拍摄的CT片、核磁共振片、血检结果等，医生根据检查结果确诊。（3）药品管理系统。医院药房管理的药品种类和数量也非常多，药剂师需要掌握药品的位置、数量，以便能够提高药房药品的使用效率，因此开发一个药品管理系统。药品管理系统可以实现药品的入库、出库、盘点等功能，以便帮助药剂师针对药房进行分类管理，提高药品管理的精准程度，保证药品种类和数量齐全。（4）医学影像系统。医学影像系统可以集成核磁共振设备、CT设备、CR设备、DR设备、MR设备、DSA设备，自动化的控制这些设备的开关、拍摄、移位等程序，同时采集这些设备的运行信息、拍摄信息，同时也可以帮助医师做出准确的诊断。（5）病房管理系统。病房内的医疗诊断、救治监控设备非常多，比如多功能吊塔、多功能电动床、多参数中央监护仪、有创带无创呼吸机、除颤仪、心电图机、床旁b超等，这些设备操作运行也比较复杂，因此病房管理系统可以将这些设备集成在一起，以便能够监控设备的运行情况，同时可以管理医院的所有病房和病床，以便提高病房周转效率，记录病房中患者的实时状态，提高对病房的使用效率。

2.2数据挖掘应用流程设计

医院信息化系统经过多年的运行，其已经积累了海量数据，因此可以采用数据挖掘技术，提高医院数据的挖掘和分析，为医院提供一个强大的诊断治疗决策支撑，从而可以保证企业的发展和壮大。本文引入的数据挖掘技术为卷积神经网络，其属于有监督的学习技术，具有较高的精确度。基于卷积神经网络的医院信息化系统包括六个关键层次，分别是输入层、卷积层C1、池化层S1、卷积层C2、池化层S2和全连接层，相关结构如图1所示。卷积神经网络在医院信息化系统过程中，每一层的功能及作用描述如下。

（1）输入层。输入层的功能是实现医院信息的预处理，可以删除一些噪声数据、非常安全的数据等，将数据进行矩阵化操作，以便能够显示每一个数据包的类别，对其进行归一化处理，便于卷积神经网络进行处理医院信息。本文的输入层可以接收各种网络数据包，这些数据包包括各类型的终端设备信息、传输路径信息、交换机或路由器信息、服务器信息等，因此可以记录数据包经过的网络每一个路径节点。

（2）卷积层。卷积层通常包括两个关键操作，可以实现卷积网络的局部关联操作和窗口滑动操作。局部操作可以针对数据特征进行过滤，滑动窗口可以完成卷积神经网络特征的提取，实现卷积神经网络的特征分析，进一步改进卷积神经网络的准确度。卷积层可以采用Sigmoid函数，函数拥有很强的收敛性，因此可以在很短的时间内获取数据挖掘结果，避免过度拟合现象发生，可以大幅度提高医院信息分析准确度。

（3）池化层。池化层可以压缩卷积神经网络处理的数据量，同时还可以减少网络设置的参数数量，避免卷积神经网络计算和处理时过度拟合。具体的，在卷积层处理的结果上，神经网络可以获取数据包的病毒基因特征，这些特征数据采取池化操作之后就可以计算某一个局部卷积特征平均值，也可以计算最大值或最小值，利用这些值可以针对卷积层获取的特征数量进行过滤，从而可以降低分类器的计算复杂度，充分的减少过度拟合发生的概率。

（4）全连接层。全连接层是一个分类器，其可以将神经网络经过学习和训练的结果输出到全连接层，这样就可以直接为网络安全防御提供决策支撑。全连接层目前实现的接口非常丰富，这些接口数据包括可视化接口、图像曲线接口等，可以将其与医院信息系统集成在一起，实现数据的传输和共享，将其输出到系统交互界面上，可以帮助决策者更加直观的浏览卷积神经网络的处理结果。

3结束语

医院信息系统引入卷积神经网络这个数据挖掘技术，能够基于有监督学习思路提高数据挖掘的精确度，为医生、护士或管理人员提供正确的决策支撑，也提高了医院信息系统的智能化和自动化水平，具有重要的作用和意义。

参考文献

[1]骆夏草.数据挖掘技术在医院信息系统中的应用[J].电子技术与软件工程,2018,31(3):204-205.

[2]刘瑜楠.数据挖掘技术在医院信息系统中的应用[J].工业控制计算机,2019,32(1):126-129.

[3]阮国成,叶正强.浅谈数据挖掘技术在医院信息系统中的应用[J].科学与信息化,2018,21(20):140-141.

[4]金晶.浅谈数据挖掘技术在医院信息系统中的应用[J].计算机产品与流通,2019,16(10):161-162.

作者：祝晓娟 单位：赤峰学院附属医院