基于Apriori算法的數據挖掘在移動醫療終端系統中的研究

王雪+石元博+黃越洋

摘要：本文建立了移動醫療終端系統模型，設計并實現了系統的數據采集和處理的功能，給出系統的整體功能結構，并將Apriori算法應用于系統的數據關聯中，給出算法的實現步驟。為移動醫療的大數據應用打下良好的技術基礎。

關鍵詞：移動醫療終端；數據采集；Apriori算法

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1007-9416（2017）09-0060-02

近年來，由于“互聯網+”概念的提出，以及大數據、云計算等技術的逐漸成熟，智能終端的普及，醫療信息化已向移動應用端開始發展。因此，如何解決移動應用端對醫療信息大數據的挖掘是一個非常重要的研究課題[1-2]。在移動醫療終端的數據挖掘應用中，患者醫療信息的關聯規則挖掘能夠為患者病情的監控在內的多方面情況提供良好的參考依據，因此，本文提出一種基于改進的Apriori算法的移動終端應用來解決患者的病情監控問題。

1 移動醫療終端系統模型

本系統采用四層體系結構，系統拓撲結構如圖1所示。系統整體分為四層：患者數據采集層、醫院大數據云服務器層、移動醫療服務層和移動醫療客戶應用端。

如圖1所示，系統中患者數據采集層為醫療數據的采集，由醫護人員通過各種醫療設備對患者的健康情況、病情和病歷信息等進行采集并上傳大數據云服務器。數據云服務器層采用大數據云服務器，用來存儲海量醫療數據信息，為保證數據的信息的全面性，服務器采用分布式服務器設計模式。移動醫療服務層采用高性能服務器，主要對數據進行處理。移動醫療服務層通過響應客戶端的應用的請求后首先建立初始數據挖掘規則，再向大數據云服務器層服務器發出訪問請求。數據通過初步挖掘規則建立起滿足格式的數據映射。隨后患者可以利用移動醫療客戶應用端通過Internet網絡與服務器進行數據的交互操作。

2 移動醫療終端數據采集及處理

2.1 基于Hibernate的數據采集技術

本文在服務器端采用Java的Hibernate框架，Hibernate是一個代碼開源的關系映射框架。框架可以將Struts2和Spring進行整合。在系統的服務器上，系統將數據采集網絡采集來的數據進行數據格式的處理，數據網絡采集的數據格式不規范，將數據統一轉換成關系型數據結構存在數據庫中。系統體系結構分為三層，分別是數據訪問層、業務邏輯層和表示層。其中數據訪問層與數據庫進行交互，采用Hibernate所提供的數據映射訪問工具來實現；業務邏輯層主要處理數據的校驗和數據的傳遞工作，采用Spring容器管理機制來實現；表示層主要處理與用戶的交互，在服務器端主要體現在Web查詢等交互上，采用Struts2框架來實現。

2.2 服務器數據挖掘技術

在系統的服務層，系統對數據進行預處理工作，由于在移動終端上處理數據的能力有限，因此，為保證待挖掘數據的正確性和有效性需要對數據行預處理工作。預處理工作主要包括對數據的集成、數據的清洗、數據的變換和數據的簡化。將預處理后的數據存放在關系型數據庫中。

3 移動醫療終端數據挖掘的實現

3.1 系統整體功能的實現

通過對系統需求的調研與分析，移動醫療終端系統功能模塊如圖2所示。

其主要功能包括就醫模塊、醫囑模塊和醫療保健模塊。就醫模塊主要實現對患者就醫的各項功能，包括掛號模塊、病例模塊和醫療模塊；醫囑模塊主要實現患者對醫囑的 查詢和醫生對患者執行醫囑的跟蹤功能，包括查詢模塊、修改模塊和跟蹤模塊；保健模塊主要實現患者的身體狀況查詢和監測功能，包括醫療知識查詢模塊、體檢模塊和監測模塊。

3.2 Apriori算法在系統中應用

Apriori算法是一種挖掘關聯規則的頻繁項集算法，其核心思想是通過候選集生成和情節的向下封閉檢測兩個階段來挖掘頻繁項集[3]。系統采用Apriori算法主要實現對患者的臨床采集數據進行數據挖掘并進行關聯分析。算法實現步驟：（1）數據集劃分。首先利用數據分類器將數據按照屬性劃分為不同的數據集。（2）定義最小支持度和最小置信度。根據數據屬性特征來定義系統的最小支持度和最小置信度的值。（3）產生頻繁項集。遍歷數據集對每個項進行計數，將計數結果產生一個頻繁項集。（4）數據項連接。將數據集和頻繁項集進行數據項連接。（5）產生強關聯規則。由連接結果產生強關聯規則，強關聯規則滿足于最小支持度和最小置信度的范圍。

4 結語

本文針對患者對自身病情監控困難的問題，提出了建一個移動醫療終端系統，并設計和實現了系統的功能。在系統的規則關聯中采用Apriori算法來實現。系統為移動醫療的實現打下了基礎。

參考文獻

[1]賈克斌，李含婧，袁野.基于Apriori算法的數據挖掘在移動醫療系統中的應用[J].北京工業大學學報，2017，（3）：394-401.

[2]孟濬，朱天宇.一種基于智能手機的新移動醫療系統模式[J].計算機應用研究，2013，（7）：2055-2060.

[3]郭玉婷，劉豫，張麗麗，等.基于Apriori算法的慢性阻塞性肺疾病超限住院費用關聯規則數據挖掘[J].中國慢性病預防與控制，2017，（4）：245-248.endprint