医学数据挖掘（关联规则）.docx

医学数据挖掘是一门涉及面广、技术难度大的新兴交叉学科。近年来，医疗信息化平台积累的海量数据推动了计算机辅助医学的发展。关联规则能够发现大量数据中项集之间有趣的关联或相关联系，并以关联规则的形式表现出来。该方法以频繁项集理论为基础，在事务数据库中提取感你兴趣的频繁模式、关联与相关关系。 关联规则在疾病机制中的应用：探究疾病内在规律及其病理、症状等外的特征之间的联系，以及对疾病危险因素的分析与预测。 中医学研究：传统证型信息的表达中具有不确定性和模糊性的特点，揭示相关知识规律难度较高。 关联规则在药物疗效探讨方面的应用：探索药物在临床治疗中的应用情况，发现疾病联合用药的规律。如中药配伍规律，以辅助临床医生科学用药。 关联规则遇到的问题：在挖掘过程中，关联规则最小支持度、最小可信度等参数的设置没有权威界定，仅是根据研究者的个人经验来判定。因此关联规则同其他方法的联合应用、量化关联规则的进一步优化以及规则的有趣性度量等问题进一步探索，以便更好的用于医学探索。