生物医学数据挖掘
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
生物医学数据挖掘
1.5数据挖掘的过程
数据挖掘软件 Intelligent Miner(IBM) Clementine(SPSS) Enterprise Miner(SAS) Microsoft SQL Server2005(Microsoft)
生物医学数据挖掘
1.明确分析目的 2.组织及预处理数据 3.探索性分析数据 4.实施数据挖掘方法，并以此分析数据 5.评价和比较各种方法的性能，确定最终的结
一致的属性
生物医学数据挖掘
1.3.2伦理、法律和社会等方面对隐私敏感的 问题
1.3.3医学的特殊性质
生物医学数据挖掘
1.4数据挖掘的评价
1.4.1样本的组织 将原始样本数据组织成学习样本集和测试样本
集的原则：尽可能使学习样本集和测试样本集 中的样本Biblioteka Baidu布和样本总体的分布一致，尽可能 使学习样本集有足够多的样本。常用方法：
已知。例如聚类
生物医学数据挖掘
从学习方法的角度看，有多种数学工具可用： 回归分析学统计学方法，人工神经网络，决策 树等
根据待解决问题的类型、要求，以及数据本身 的特点，确定最佳方法。
生物医学数据挖掘
数据挖掘技术
数据挖掘任务的完成需要相应的数据挖掘技术。目前 的数据挖掘算法主要来自3个领域：统计学、机器学 习（人工智能）和数据库。
数据挖掘的焦点是自动或半自动的挖掘模式。有些机 器算法应用于数据挖掘，比如神经网络、遗传算法等。
数据库技术是数据挖掘的第三种技术来源。因为数据
挖掘需要处理大量数据，如何对大量数据进行处理，
需要数据库技术。
生物医学数据挖掘
1.3生物医学数据挖掘的特殊性
1.3.1医学数据的特殊性 1.原始数据数量大，且呈多样性或异质性 2.有时很难以数学方式来表达其结构及特征 3.医学数据经常需要更新 4.采集医学数据很难完全避免噪声干扰 5.生物医学数据难免会发生丢失 6.医学数据可能包含冗余的、没有意义的或不
生物医学数据挖掘
生物医学数据挖掘
参考文献
1、生物医学数据挖掘（第二版） 上海科学 技术出版社
2、生物医学数据分析及其MATLAB实现 北京 大学出版社
3、生物信息学 科学出版社
生物医学数据挖掘
第一章 概论
生物医学数据挖掘
1.1 什么是数据挖掘
1.1.1数据、信息和知识
数据是对客观事物特征状态的记录；数
化学成分
O2、CO2、Na+等 生物医学数据挖掘
1.2数据挖掘的应用及方法
1.2.1应用 1.（分类应用实例）乳腺疾病诊断 2.（回归应用实例）子宫颈癌患者存活率及其受各危险因
子影响模型 3.（时间序列分析应用实例）胰岛素依赖性糖尿病变化趋
势，变化周期
4.（预测应用实例）肾透析提高患者生存率 5.（聚类应用实例）流行病学因素对肺癌患者临床医学状
况的影响
6.（关联规则分析应用实例）患者住院期间感染影响患者 健康
7.（序列发现，序列分析应用实例）基因比较 生物医学数据挖掘
1.2.2方法 从学习对象和过程的角度看分为有指导学习和
无指导学习 有指导学习指学习样本的归属都是已知的，确
定的。例如分类 无指导学习指学习样本的归属事先并不确定或
Tanagra
强项是统计分析，提供了众多的 有参和无参的检验方法，但缺乏
高级的可视化能力
生物医学数据挖掘
提供图形化界面，提供了大量的运算符，
YALE 包括数据处理，变换，探索，建模，评
估等等环节。
生物医学数据挖掘
1.随机分组法：将已知数据集合随机的分为互 不重叠的学习样本集和测试样本集。
2.交叉验证法：将原已知数据集随机的分为K 组，依次以其中的一组数据为测试样本，而以 其他数据为学习样本进行训练和测试。
3.留一法：是交叉验证法中当K等于原始样本 数据量M时的特例。
生物医学数据挖掘
1.4.2有指导学习的评价(分类）
d, Ntn
总计
a+b c+d
总计
a+c
b+d
特异性和生灵物医敏学数度据挖的掘 计算
a+b+c+d
1.4.3无指导学习的评价 无指导学习数据挖掘目标往往不清晰，但有评
价指导学习数据挖掘的一些原理，可沿用于评 价无指导学习的性能。例如：聚类。
生物医学数据挖掘
开源数据挖掘工具（平台）
Weka R Tanagra YALE KNIME Orange GGobi
生物医学数据挖掘
生物医学数据挖掘
数据挖掘分类
挖掘任务
挖掘对象
挖掘方法
常用
聚类
分类
关联
生物医学数据挖掘
回归与序列
8
生物医学数据来源
人体生理信息的种类
形态 振动 压力 速度 流量 温度 生物电 生物磁 物理性质参数
身高、骨长、心脏、胃、肾等器官的几何形状、血管直径等 心音、肠鸣音、呼吸音、血管音等 血压、心内压、颅内压、胸腔内压、眼内压等 血流速度、排尿速度、神经传导速度等 血流量、呼吸流量、尿流量等 体表温度、口腔温度、血液温度、直肠温度、其他脏器温度等 细胞电位、脑电、心电、胃电、肌电等 心磁、脑磁、胃磁等 组织密度、对X射线的衰减系数、体内氢核分布、对超声波的声阻抗等
实际属于C1类 实际属于C2类 实际属于C3类
被分类归于C1类 被分类归于C2类 被分类归于C3类
C11
C12
C13
C21
C22
C23
C31
C32
C33
3类分类生物的医学混数淆据挖矩掘 阵
被分类归于阳性的 被分类归于阴
样本
性的样本
实际属于阳性 的样本
a, Ntp
b, Nfn
实际属于阴性 的样本
c, Nfp
据也是信息及知识的载体。
如何从大量的数据中发现和找出以隐含方式存 在于其中、有意义的信息和知识。
生物医学数据挖掘
1.1.2 数据挖掘的定义 数据挖掘是对大量观察到的数据进行分析，
以便从中发现事先未知的联系和规律的过程。 目的：让数据拥有者得到非常清晰而有用的结
果（即信息和知识）
生物医学数据挖掘
果 6.解释数据挖掘结果及其在本专业领域中的应
用
生物医学数据挖掘
生物医学数据挖掘
Weka
统计分析方面较弱，在机器学习方 面要强得多
生物医学数据挖掘
R
用于统计分析和图形化的计算机语言及 分析工具，支持系列分析技术，包括统
计检验，预测建模，数据可视化
生物医学数据挖掘
使用图形界面的数据挖掘软件，
1.5数据挖掘的过程
数据挖掘软件 Intelligent Miner(IBM) Clementine(SPSS) Enterprise Miner(SAS) Microsoft SQL Server2005(Microsoft)
生物医学数据挖掘
1.明确分析目的 2.组织及预处理数据 3.探索性分析数据 4.实施数据挖掘方法，并以此分析数据 5.评价和比较各种方法的性能，确定最终的结
一致的属性
生物医学数据挖掘
1.3.2伦理、法律和社会等方面对隐私敏感的 问题
1.3.3医学的特殊性质
生物医学数据挖掘
1.4数据挖掘的评价
1.4.1样本的组织 将原始样本数据组织成学习样本集和测试样本
集的原则：尽可能使学习样本集和测试样本集 中的样本Biblioteka Baidu布和样本总体的分布一致，尽可能 使学习样本集有足够多的样本。常用方法：
已知。例如聚类
生物医学数据挖掘
从学习方法的角度看，有多种数学工具可用： 回归分析学统计学方法，人工神经网络，决策 树等
根据待解决问题的类型、要求，以及数据本身 的特点，确定最佳方法。
生物医学数据挖掘
数据挖掘技术
数据挖掘任务的完成需要相应的数据挖掘技术。目前 的数据挖掘算法主要来自3个领域：统计学、机器学 习（人工智能）和数据库。
数据挖掘的焦点是自动或半自动的挖掘模式。有些机 器算法应用于数据挖掘，比如神经网络、遗传算法等。
数据库技术是数据挖掘的第三种技术来源。因为数据
挖掘需要处理大量数据，如何对大量数据进行处理，
需要数据库技术。
生物医学数据挖掘
1.3生物医学数据挖掘的特殊性
1.3.1医学数据的特殊性 1.原始数据数量大，且呈多样性或异质性 2.有时很难以数学方式来表达其结构及特征 3.医学数据经常需要更新 4.采集医学数据很难完全避免噪声干扰 5.生物医学数据难免会发生丢失 6.医学数据可能包含冗余的、没有意义的或不
生物医学数据挖掘
生物医学数据挖掘
参考文献
1、生物医学数据挖掘（第二版） 上海科学 技术出版社
2、生物医学数据分析及其MATLAB实现 北京 大学出版社
3、生物信息学 科学出版社
生物医学数据挖掘
第一章 概论
生物医学数据挖掘
1.1 什么是数据挖掘
1.1.1数据、信息和知识
数据是对客观事物特征状态的记录；数
化学成分
O2、CO2、Na+等 生物医学数据挖掘
1.2数据挖掘的应用及方法
1.2.1应用 1.（分类应用实例）乳腺疾病诊断 2.（回归应用实例）子宫颈癌患者存活率及其受各危险因
子影响模型 3.（时间序列分析应用实例）胰岛素依赖性糖尿病变化趋
势，变化周期
4.（预测应用实例）肾透析提高患者生存率 5.（聚类应用实例）流行病学因素对肺癌患者临床医学状
况的影响
6.（关联规则分析应用实例）患者住院期间感染影响患者 健康
7.（序列发现，序列分析应用实例）基因比较 生物医学数据挖掘
1.2.2方法 从学习对象和过程的角度看分为有指导学习和
无指导学习 有指导学习指学习样本的归属都是已知的，确
定的。例如分类 无指导学习指学习样本的归属事先并不确定或
Tanagra
强项是统计分析，提供了众多的 有参和无参的检验方法，但缺乏
高级的可视化能力
生物医学数据挖掘
提供图形化界面，提供了大量的运算符，
YALE 包括数据处理，变换，探索，建模，评
估等等环节。
生物医学数据挖掘
1.随机分组法：将已知数据集合随机的分为互 不重叠的学习样本集和测试样本集。
2.交叉验证法：将原已知数据集随机的分为K 组，依次以其中的一组数据为测试样本，而以 其他数据为学习样本进行训练和测试。
3.留一法：是交叉验证法中当K等于原始样本 数据量M时的特例。
生物医学数据挖掘
1.4.2有指导学习的评价(分类）
d, Ntn
总计
a+b c+d
总计
a+c
b+d
特异性和生灵物医敏学数度据挖的掘 计算
a+b+c+d
1.4.3无指导学习的评价 无指导学习数据挖掘目标往往不清晰，但有评
价指导学习数据挖掘的一些原理，可沿用于评 价无指导学习的性能。例如：聚类。
生物医学数据挖掘
开源数据挖掘工具（平台）
Weka R Tanagra YALE KNIME Orange GGobi
生物医学数据挖掘
生物医学数据挖掘
数据挖掘分类
挖掘任务
挖掘对象
挖掘方法
常用
聚类
分类
关联
生物医学数据挖掘
回归与序列
8
生物医学数据来源
人体生理信息的种类
形态 振动 压力 速度 流量 温度 生物电 生物磁 物理性质参数
身高、骨长、心脏、胃、肾等器官的几何形状、血管直径等 心音、肠鸣音、呼吸音、血管音等 血压、心内压、颅内压、胸腔内压、眼内压等 血流速度、排尿速度、神经传导速度等 血流量、呼吸流量、尿流量等 体表温度、口腔温度、血液温度、直肠温度、其他脏器温度等 细胞电位、脑电、心电、胃电、肌电等 心磁、脑磁、胃磁等 组织密度、对X射线的衰减系数、体内氢核分布、对超声波的声阻抗等
实际属于C1类 实际属于C2类 实际属于C3类
被分类归于C1类 被分类归于C2类 被分类归于C3类
C11
C12
C13
C21
C22
C23
C31
C32
C33
3类分类生物的医学混数淆据挖矩掘 阵
被分类归于阳性的 被分类归于阴
样本
性的样本
实际属于阳性 的样本
a, Ntp
b, Nfn
实际属于阴性 的样本
c, Nfp
据也是信息及知识的载体。
如何从大量的数据中发现和找出以隐含方式存 在于其中、有意义的信息和知识。
生物医学数据挖掘
1.1.2 数据挖掘的定义 数据挖掘是对大量观察到的数据进行分析，
以便从中发现事先未知的联系和规律的过程。 目的：让数据拥有者得到非常清晰而有用的结
果（即信息和知识）
生物医学数据挖掘
果 6.解释数据挖掘结果及其在本专业领域中的应
用
生物医学数据挖掘
生物医学数据挖掘
Weka
统计分析方面较弱，在机器学习方 面要强得多
生物医学数据挖掘
R
用于统计分析和图形化的计算机语言及 分析工具，支持系列分析技术，包括统
计检验，预测建模，数据可视化
生物医学数据挖掘
使用图形界面的数据挖掘软件，