遺傳算法的數據挖掘技術在醫療大數據中的應用

呂峰+楊宏+普奕+賈婧鎣

摘 要 醫院在計算機及網絡的輔助下，有效的改善了醫院醫療服務水平和服務質量。計算機及網絡的應用過程中，日常的醫院院內患者信息、醫療設備信息和相關日常檢驗報告、外界數據等信息不斷增多，導致院內數據庫中的數據信息龐大駁雜。為了有效的在醫療大數據中，攫取有效的數據信息，可以選擇基于遺傳算法的數據挖掘技術，獲得準確有效的目標信息，為提升醫療服務水平和質量打基礎。

【關鍵詞】遺傳算法 數據挖掘技術 醫療大數據 應用

醫療行業具有其本身的特殊性和復雜性，醫療大數據所包含數據信息更加駁雜，借助醫療大數據能夠有效的轉變傳統的決策依據。同時，借助醫療大數據的數據挖掘技術，可以完成對患者的相關病情研究，并合理對患者進行用藥。數據挖掘技術在醫療大數據中的應用價值十分明顯。基于此，本文分析基于遺傳算法的數據挖掘技術在醫療大數據中的應用，分別對基于遺傳算法的數據挖掘技術和具體在醫療大數據中的應用進行闡述，具體內容如下。

1 遺傳算法的數據挖掘技術分析

1.1 數據挖掘

醫院對日常患者信息收集、藥物信息錄入和相關管理信息充斥著醫院的數據庫，導致數據數量日漸增加。而這些龐大的數據信息中，涵蓋了作用明顯的數據信息和作用不顯著的數據信息。而為了從這些駁雜的醫療信息中，獲取有效的病例信息、藥物信息，需要選擇有效技術類型。數據挖掘技術則是一種從海量數據、存在噪聲和模糊的數據中進行目標信息的提取，并對相近的數據信息進行提取。借助數據挖掘可以為醫院完成治療預測和降低醫療成本、明確各類藥物的基本情況，實現對藥物副作用的發現、輔助公共衛生檢測，積極推動醫院醫療服務水平和服務質量的提升。

在實際的醫療大數據挖掘中，可以對分類算法、聚類算法、實踐序列和的關聯規則和回歸預測等方法進行應用，從而完成對醫療大數據的有效挖掘，進而獲取準確的數據信息，保障醫院醫療服務的質量和相關決策的效率。

1.2 遺傳算法

遺傳算法是建立在的“自然選擇”和“適者生存”的基礎上，結合具體的適應度值情況，先在某一特定種群中選取一定數值的染色體，并通過對種群進行迭代，從而獲得滿足終止條件的最優解。遺傳算法在迭代過程中，主要是通過選擇、交叉和變異等操作方式，促使種群完成自然選擇。且遺傳算法的關鍵內容主要以染色體編碼、種群初始化和適應度函數等。常見的遺傳算法實例有人工魚群算法、蟻群算法等。

借助遺傳算法的數據挖掘技術能夠有效完成對醫療大數據中的數據信息的攫取，并獲得有效醫療數據信息為醫療服務奠定基礎。

2 遺傳算法的數據挖掘技術在醫療大數據中的應用

2.1 數據挖掘對象

從數據挖掘技術的基本能力上看，數據挖掘技術，可以完成對任意類型的數據信息存儲的數據信息挖掘。根據醫療大數據的基本情況，基于遺傳算法的數據挖掘對象是互聯網的相關醫療數據信息和醫院內部的患者病例、藥物信息、費用信息和管理信息等內容。其具體的數據挖掘目標是根據使用者的基本需求，完成對目標信息的獲取。

2.2 基于遺傳算法的k-means算法改進

基于遺傳算法的k-means算法改進有效的將遺傳算法和k-means算法相結合，在具體的醫療大數據挖掘中的應用，具體的算法設計如下：

（1）編碼方案和種群初始化；設聚類中心的坐標為d維，k個簇的每個染色體長度為k×d，染色體為{P1，P2，P3……Pk}，其中Pi={Pj1，Pj2，Pj3……Pjd}。對于對應的每條染色體，隨機從n個對象中的k個為的初始聚類中心坐標。

（2）適應度函數的選取，為了保障醫療大數據的數據挖掘技術的有效性，必須要對適應度函數進行合理選擇，具體的適應度函數如下公式（1）所示：

（3）操作選擇。為了完成對遺傳算法的更好操作，需要對遺傳算法的早熟問題進行控制，可以選擇引入免疫機制。

按照上述方式，選擇基于遺傳算法的k-means算法，可以有效使k-means算法快速收斂，從而有效減少算法所應用的時間，并獲得最優解，為醫療大數據的數據挖掘奠定基礎。

2.3 應用實例

以基于遺傳算法的k-means算法改進在血液系統疾病費用統計分析為例。在醫院日常營業中，改進后的k-means算法可以根據患者的年齡、性別和患者等信息完成分組，且客觀的顯示血液疾病的分布情況，應用基于遺傳算法的k-means算法改進，可以獲取患者年齡和性別的基礎信息，還可以的對不同年齡和性別分組下的臨床生化指標特征進行解讀，從而相關統計人員能得到目標數據。

將基于遺傳算法改進的k-means算法應用到醫療費用數據的處理。主要是對數據進行分類，并得到初始聚類中心情況，再根據遺傳算法，完成對聚類中心的迭代和更改，并得到最終的聚類結果。通過聚類結果可以將不同類型的血液系統疾病的總例數和具體的治療費用進行展示，從而使得相關結算人員能夠獲得較為準確的費用信息。選擇基于遺傳算法的k-means算法，可以完成對醫療費用的預測，經過檢驗得知，具體預測準確性可以達到92.21%。

3 結束語

結合基于遺傳算法的k-means算法優化，實現對醫療大數據的數據挖掘技術的應用。在血液系統疾病費用的統計分析中，借助優化后的算法可以完成對不同血液疾病的病例數和治療費用等信息的獲取，以達到降低醫院治療成本的效果，再為提高醫療服務質量提供有效的數據信息，推動醫院醫療質量水平的提升。借助遺傳算法的數據挖掘技術在提高醫療數據挖掘效率的基礎上，更為直接的提高了數據挖掘的質量，為醫院決策提供數據信息，這是符合現代醫院大數據應用的需求。

參考文獻

[1]張寧，李祥，鹿珂珂.遺傳算法在數據挖掘技術中的應用研究[J].儀表技術，2015（12）.

[2]陳東莉.基于遺傳算法的數據挖掘技術在圖書館中的應用研究[J].計算機與現代化，2012（01）：37-39.

[3]吳斌.基于數據挖掘技術的醫療影像檢查量預測[D].杭州電子科技大學，2014：32-33.