【摘要】 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。本文在阐述医学数据特点的基础上，初步探讨了医学数据挖掘的一般过程，并讨论了医学数据挖掘过程中的几项关键技术。最后，文章并介绍了几种数据挖掘的智能化方法及其在医学数据挖掘中的应用。

    【关键词】 医学数据挖掘 知识发现 粗糙集理论

     1 引言

    近年来，随着电子信息技术的迅速发展，医院信息系统(hospital information system，HIS)和数字医疗设备的广泛应用，医院数据库的信息容量不断膨胀。数据库技术的发展解决了海量数据的存储和数据检索的效率问题，但无法改变“数据爆炸但知识贫乏”的现象。如何充分利用这些宝贵的医学信息资源来为疾病的诊断和治疗提供科学的决策，促进医学研究，已成为人们关注的焦点。数据挖掘 [1] (Data Mining，DM)是一个近几年才发展起来的信息处理技术，它是从大量数据中提取出可信的、新颖的、有效的并最终能被人理解的模式的处理过程，涉及数据库、人工智能、统计学、模式识别、可视化技术、并行计算等众多领域知识。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，需要从事智能信息处理、计算机、应用数学的科研人员与医务工作者通力合作。将数据挖掘技术应用到医学信息数据库中，可以发现其中的医学诊断规则和模式，从而辅助医生进行疾病诊断。

     2 医学数据的特点

    挖掘医学数据库跟挖掘其它类型的数据库相比，具有其自身的独特性。医学数据首先是以治愈患者为目的而搜集的，其次才是用于医学研究的资源。医学数据具有如下特点 [2，3] 。

    2.1 医学数据的隐私性(Privacy) 医学数据不可避免地涉及到患者的一些隐私信息，当这些隐私信息使患者在日常生活中遭遇到不可预料的侵扰时，就产生了隐私性问题。隐私性不同于安全性(Security)和机密性(Confidentiality)，当未被授权的个人或机构设法取得这些隐私信息时，就产生了安全性问题;当拥有隐私信息的研究人员与未经授权的个人或机构共享这些患者信息时，就暴露出了机密性问题。医学数据挖掘者有义务和职责在保护患者隐私的基础上进行科学研究，并且确保这些医学数据的安全性和机密性。2.2 医学数据的多样性 由于医学数据是从医学影像、实验数据以及医生与病人的交流中获得的，所以原始的医学数据具有多种形式。医学数据包括影像(如SPECT)、信号(如ECG)、纯数据(如体征参数、化验结果)、文字(如病人的身份记录、症状描述、检测和诊断结果的文字表述)等 ......