陳凌宇，鄧金城，盧燕妮

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

0 引言

放療數(shù)據(jù)是惡性腫瘤治療過程中產(chǎn)生的相關(guān)數(shù)據(jù)，其產(chǎn)生的途徑主要分為3方面，一是由醫(yī)院信息管理系統(tǒng)、電子健康記錄以及個人健康記錄中產(chǎn)生；二是由放射治療計劃管理中產(chǎn)生；三是由醫(yī)學影像設備產(chǎn)生[1]。這些放射數(shù)據(jù)中包含患者所有的個人信息、診斷結(jié)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(jié)構(gòu)復雜，類別較多，包含醫(yī)學影響、診斷記錄、病歷檔案等，整體可分為結(jié)構(gòu)化信息、半結(jié)構(gòu)化信息以及非結(jié)構(gòu)化信息[3]，具有顯著的多源異構(gòu)特性，因此在一定程度上呈現(xiàn)相互孤立、且分散程度較高等分布狀態(tài)。除此之外，放療數(shù)據(jù)存儲于不同的治療科室內(nèi)，導致醫(yī)生在進行臨床應用時，無法全面掌握數(shù)據(jù)情況，到時數(shù)據(jù)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(yī)院對于該類患者進行治療過程中，均需依據(jù)放療數(shù)據(jù)完成，因此，導致各大醫(yī)院對于放療數(shù)據(jù)的管理需求也逐漸增加，如何有效、全面、合理的實現(xiàn)放療數(shù)據(jù)的整合和管理[5]，對于患者情況的掌握以及其放療數(shù)據(jù)的分析具有重要意義。

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

1 基于數(shù)據(jù)挖掘技術(shù)的放療數(shù)據(jù)管理

1.1 放療數(shù)據(jù)挖掘模型原理

由于放療數(shù)據(jù)為多源異構(gòu)數(shù)據(jù)，數(shù)據(jù)的類別較多、結(jié)構(gòu)較為復雜，因此，本文為實現(xiàn)放療數(shù)據(jù)的全面、有效管理，主要依據(jù)基于數(shù)據(jù)挖掘模型進行放療數(shù)據(jù)的挖掘，該模型結(jié)構(gòu)如圖1描述。

圖1 放療數(shù)據(jù)挖掘模型結(jié)構(gòu)

數(shù)據(jù)挖掘模型在進行放療數(shù)據(jù)挖掘時，可以對各個部門中的患者檔案、電力病例以及相關(guān)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(shù)據(jù)進行加載和轉(zhuǎn)換處理后，實現(xiàn)放療數(shù)據(jù)的高效整合[7]，以此構(gòu)建統(tǒng)一的元數(shù)據(jù)庫。以元數(shù)據(jù)庫為基礎，利用數(shù)據(jù)引擎獲取其中的放療數(shù)據(jù)和信息，并且通過可視化界面，將所需的放療數(shù)據(jù)呈現(xiàn)給用戶。通過該模型即可有效解決臨床中放療數(shù)據(jù)的分散現(xiàn)象，實現(xiàn)放療數(shù)據(jù)的整體化管理，提升放療數(shù)據(jù)的管理水平。

1.2 基于數(shù)據(jù)挖掘技術(shù)的放療數(shù)據(jù)挖掘

由圖1 可知，放療數(shù)據(jù)庫的構(gòu)建是以元數(shù)據(jù)庫為基礎，因此，本文為保證放療數(shù)據(jù)庫構(gòu)建后數(shù)據(jù)的調(diào)用能力以及數(shù)據(jù)完整性，文中采用MVC 框架作為放療數(shù)據(jù)的數(shù)據(jù)庫結(jié)構(gòu)，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(shù)據(jù)庫基礎結(jié)構(gòu)的構(gòu)建。其中，模型層是數(shù)據(jù)庫框架的基礎，其主要作用是為數(shù)據(jù)庫構(gòu)建提供相應功能支撐，保證放療數(shù)據(jù)業(yè)務處理流程滿足相關(guān)標準和規(guī)則；視圖層主要是用于實現(xiàn)數(shù)據(jù)庫的可視化和交互，使用戶能夠查看數(shù)據(jù)庫中的數(shù)據(jù)結(jié)果；控制層屬于數(shù)據(jù)庫框架中的中間層，主要用于另外兩層之間的數(shù)據(jù)傳送和操作的協(xié)調(diào)和控制。

采用數(shù)據(jù)挖掘技術(shù)進行放療數(shù)據(jù)挖掘時，以元數(shù)據(jù)庫為基礎，利用數(shù)據(jù)挖掘引擎獲取其中的放療數(shù)據(jù)，形成不同主題的放療數(shù)據(jù)集，實現(xiàn)放療數(shù)據(jù)庫構(gòu)建。本文為保證放療數(shù)據(jù)的挖掘效果以及數(shù)據(jù)庫的質(zhì)量，在進行放療數(shù)據(jù)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(zhì)心數(shù)量；αi表示質(zhì)心，屬于同一個放療數(shù)據(jù)樣本，其計算公式為：

式中：X表示放療數(shù)據(jù)總樣本。

為避免挖掘的放療數(shù)據(jù)存在儲過程中發(fā)生畸變，文中引入畸變函數(shù)對挖掘的放療數(shù)據(jù)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(zhì)心之間，保證其取值為最小結(jié)果，同時完成(c,α)的收斂，以此獲取放療數(shù)據(jù)局部最優(yōu)結(jié)果。在此基礎上，依據(jù)概率強度和關(guān)聯(lián)重要程度，提升放療數(shù)據(jù)庫的應用效果，確保放療數(shù)據(jù)的存儲和管理效果。

1.3 數(shù)據(jù)挖掘結(jié)果評估

依據(jù)上述小節(jié)完成放療數(shù)據(jù)的挖掘后，為衡量挖掘結(jié)果對于臨床的應用效果，挖掘的放療數(shù)據(jù)是否為有價值數(shù)據(jù)，文中直接對數(shù)據(jù)挖掘結(jié)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(shù)據(jù)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(shù)據(jù)特征給定能力，同時滿足已經(jīng)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(shù)據(jù)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(gòu)造模型如圖2描述。

圖2 數(shù)據(jù)挖掘模型的評估度量結(jié)構(gòu)

對數(shù)據(jù)挖掘模型在進行放療數(shù)據(jù)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(jié)果進行評估，是保證數(shù)據(jù)挖掘結(jié)果的有效手段；依據(jù)評估結(jié)果可去除沒有價值的模式，并且提升數(shù)據(jù)挖掘的效率。

2 應用結(jié)果分析

為分析數(shù)據(jù)挖掘技術(shù)在放療數(shù)據(jù)分析與評估上的應用效果，以某醫(yī)院的放療數(shù)據(jù)作為實例分析對象展開相關(guān)測試，測試主要包含兩個方向：一是放療數(shù)據(jù)庫構(gòu)建效果，二是放療數(shù)據(jù)分析效果。

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

式中：mean表示加權(quán)平均數(shù)；ij表示放療數(shù)據(jù)元素的一個項。

依據(jù)該公式獲取本文技術(shù)進行放療數(shù)據(jù)庫構(gòu)建后，在不同的數(shù)據(jù)類別下，隨著數(shù)據(jù)量的逐漸增加，σ2的測試結(jié)果，如表1描述。

表1 離散度常數(shù)測試結(jié)果

由表1結(jié)果可知：在數(shù)字化結(jié)構(gòu)數(shù)據(jù)、影像數(shù)據(jù)以及結(jié)構(gòu)化數(shù)據(jù)三種數(shù)據(jù)類別下，隨著數(shù)據(jù)量的逐漸增加，采用本文技術(shù)進行數(shù)據(jù)挖掘后，構(gòu)建數(shù)據(jù)庫，數(shù)據(jù)庫發(fā)的離散度常數(shù)σ2結(jié)果均在0.025 以下，表示同類放療數(shù)據(jù)之間的差異性較小，能夠有效完成放療數(shù)據(jù)挖掘，數(shù)據(jù)庫的構(gòu)建效果較好。

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

圖3 放療數(shù)據(jù)的分析效果

由圖3結(jié)果可知：本文技術(shù)應用后，能夠?qū)崿F(xiàn)數(shù)據(jù)庫中放療數(shù)據(jù)的解析，并獲取解析結(jié)果，該結(jié)果中包含患者的CT 檢查數(shù)據(jù)以及部分的治療信息。因此，本文技術(shù)具有放療數(shù)據(jù)分析能力，能夠精準掌握數(shù)據(jù)庫中放療數(shù)據(jù)詳情。

3 結(jié)論

數(shù)據(jù)挖掘技術(shù)對于大數(shù)據(jù)的處理具有顯著優(yōu)勢，放療數(shù)據(jù)包含多個類別的數(shù)據(jù)信息，對于數(shù)據(jù)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(shù)據(jù)的二次利用，同時分析數(shù)據(jù)挖掘結(jié)果的可靠程度，本文探析數(shù)據(jù)挖掘技術(shù)在放療數(shù)據(jù)分析與評估上的應用情況。以數(shù)據(jù)挖掘模型為基礎，并依據(jù)該模型挖掘放療數(shù)據(jù)，構(gòu)建數(shù)據(jù)庫，實現(xiàn)放療數(shù)據(jù)的統(tǒng)一封裝和管理，并且評估挖掘效果，確保放療數(shù)據(jù)的管理效果。