基于數據挖掘技術的放療數據分析與評估技術應用探析

陳凌宇，鄧金城，盧燕妮

(1.玉林市第一人民醫院腫瘤科，廣西玉林 537000；2.深影醫療科技（深圳）有限公司，廣東深圳 518109；3.廣西醫科大學附設玉林衛生學校學生工作部門，廣西玉林 537000)

0 引言

放療數據是惡性腫瘤治療過程中產生的相關數據，其產生的途徑主要分為3方面，一是由醫院信息管理系統、電子健康記錄以及個人健康記錄中產生；二是由放射治療計劃管理中產生；三是由醫學影像設備產生[1]。這些放射數據中包含患者所有的個人信息、診斷結果、治療記錄以及用藥和住院治療等多個方面的詳細信息[2]；這些信息結構復雜，類別較多，包含醫學影響、診斷記錄、病歷檔案等，整體可分為結構化信息、半結構化信息以及非結構化信息[3]，具有顯著的多源異構特性，因此在一定程度上呈現相互孤立、且分散程度較高等分布狀態。除此之外，放療數據存儲于不同的治療科室內，導致醫生在進行臨床應用時，無法全面掌握數據情況，到時數據的可利用程度較低[4]。近幾年惡性腫瘤的臨床治療病例顯著增加，各大醫院對于該類患者進行治療過程中，均需依據放療數據完成，因此，導致各大醫院對于放療數據的管理需求也逐漸增加，如何有效、全面、合理的實現放療數據的整合和管理[5]，對于患者情況的掌握以及其放療數據的分析具有重要意義。

數據挖掘技術屬于人工智能領域中的一項重要的大數據處理技術，該技術具有良好的大數據處理能力，可獲取海量數據中的隱藏信息。并且該技術具有不同類型數據的挖掘和處理能力[6]，能夠較好地完成具有多源異構特性的分析和處理；除此之外，其還能夠完成數據庫的挖掘。因此，本文針對放療數據的管理需求，提出基于數據挖掘的放療數據分析與評估技術，并對該技術的應用情況展開相關分析和測試。

1 基于數據挖掘技術的放療數據管理

1.1 放療數據挖掘模型原理

由于放療數據為多源異構數據，數據的類別較多、結構較為復雜，因此，本文為實現放療數據的全面、有效管理，主要依據基于數據挖掘模型進行放療數據的挖掘，該模型結構如圖1描述。

圖1 放療數據挖掘模型結構

數據挖掘模型在進行放療數據挖掘時，可以對各個部門中的患者檔案、電力病例以及相關治療記錄文檔和表格進行深度挖掘，并且對挖掘和抽取的放療數據進行加載和轉換處理后，實現放療數據的高效整合[7]，以此構建統一的元數據庫。以元數據庫為基礎，利用數據引擎獲取其中的放療數據和信息，并且通過可視化界面，將所需的放療數據呈現給用戶。通過該模型即可有效解決臨床中放療數據的分散現象，實現放療數據的整體化管理，提升放療數據的管理水平。

1.2 基于數據挖掘技術的放療數據挖掘

由圖1 可知，放療數據庫的構建是以元數據庫為基礎，因此，本文為保證放療數據庫構建后數據的調用能力以及數據完整性，文中采用MVC 框架作為放療數據的數據庫結構，該框架主要分為模型層、視圖層以及控制層，通過3層之間的相互支撐，完成數據庫基礎結構的構建。其中，模型層是數據庫框架的基礎，其主要作用是為數據庫構建提供相應功能支撐，保證放療數據業務處理流程滿足相關標準和規則；視圖層主要是用于實現數據庫的可視化和交互，使用戶能夠查看數據庫中的數據結果；控制層屬于數據庫框架中的中間層，主要用于另外兩層之間的數據傳送和操作的協調和控制。

采用數據挖掘技術進行放療數據挖掘時，以元數據庫為基礎，利用數據挖掘引擎獲取其中的放療數據，形成不同主題的放療數據集，實現放療數據庫構建。本文為保證放療數據的挖掘效果以及數據庫的質量，在進行放療數據挖掘和存儲過程中，主要采用聚類算法完成。

式中：me表示所有質心數量；αi表示質心，屬于同一個放療數據樣本，其計算公式為：

式中：X表示放療數據總樣本。

為避免挖掘的放療數據存在儲過程中發生畸變，文中引入畸變函數對挖掘的放療數據進行約束，其計算公式為：

式中：J(c,α)表示距離平方和，對應樣本點和其質心之間，保證其取值為最小結果，同時完成(c,α)的收斂，以此獲取放療數據局部最優結果。在此基礎上，依據概率強度和關聯重要程度，提升放療數據庫的應用效果，確保放療數據的存儲和管理效果。

1.3 數據挖掘結果評估

依據上述小節完成放療數據的挖掘后，為衡量挖掘結果對于臨床的應用效果，挖掘的放療數據是否為有價值數據，文中直接對數據挖掘結果進行評估。該評估主要從兩個方面進行，分別為用戶的主觀層面以及挖掘模型的客觀層面；前者主要通過3種標準進行衡量，分別為易于理解程度、數據有效程度、潛在價值情況；后者則通過主觀度量進行評估，該度量需具有放療數據特征給定能力，同時滿足已經定義的信息需求。

本文在進行挖掘模型客觀層面評估時，度量信息能夠通過3個層次的度量，進行數據挖掘模型的評估，分別為基本度量、派生度量以及指示器。挖掘模型的評估度量構造模型如圖2描述。

圖2 數據挖掘模型的評估度量結構

對數據挖掘模型在進行放療數據挖掘后，會獲取若干條模式，其中也會存在一定的無價值模式，因此，對挖掘模型的挖掘結果進行評估，是保證數據挖掘結果的有效手段；依據評估結果可去除沒有價值的模式，并且提升數據挖掘的效率。

2 應用結果分析

為分析數據挖掘技術在放療數據分析與評估上的應用效果，以某醫院的放療數據作為實例分析對象展開相關測試，測試主要包含兩個方向：一是放療數據庫構建效果，二是放療數據分析效果。

放療數據庫構建效果對于放療數據的應用效果存在直接影響，文中采用離散度常數作為衡量指標，用于分析數據庫中，同類放療數據的差異性，該指標的取值范圍在0～1 之間，越接近1 表示數據庫的構建效果越差。該指標的計算公式為：

式中：mean表示加權平均數；ij表示放療數據元素的一個項。

依據該公式獲取本文技術進行放療數據庫構建后，在不同的數據類別下，隨著數據量的逐漸增加，σ2的測試結果，如表1描述。

表1 離散度常數測試結果

由表1結果可知：在數字化結構數據、影像數據以及結構化數據三種數據類別下，隨著數據量的逐漸增加，采用本文技術進行數據挖掘后，構建數據庫，數據庫發的離散度常數σ2結果均在0.025 以下，表示同類放療數據之間的差異性較小，能夠有效完成放療數據挖掘，數據庫的構建效果較好。

為驗證本文技術應用后，對于放療數據的分析效果，隨機抽取一條數據庫中存儲的放療信息，并對該信息記性分析，獲取分析結果如圖3所示。

圖3 放療數據的分析效果

由圖3結果可知：本文技術應用后，能夠實現數據庫中放療數據的解析，并獲取解析結果，該結果中包含患者的CT 檢查數據以及部分的治療信息。因此，本文技術具有放療數據分析能力，能夠精準掌握數據庫中放療數據詳情。

3 結論

數據挖掘技術對于大數據的處理具有顯著優勢，放療數據包含多個類別的數據信息，對于數據的利用、患者情況分析等均具有一定影響。因此，為保障放療數據的二次利用，同時分析數據挖掘結果的可靠程度，本文探析數據挖掘技術在放療數據分析與評估上的應用情況。以數據挖掘模型為基礎，并依據該模型挖掘放療數據，構建數據庫，實現放療數據的統一封裝和管理，并且評估挖掘效果，確保放療數據的管理效果。