0 绪论 1
0.1 医学信息技术概述 1
0.1.1 信息与信息技术 1
0.1.2 医学信息与医学知识 2
0.1.3 医学信息技术 2
0.2 数据库技术的演化 3
0.3 决策支持系统的发展 4
0.3.1 决策支持系统 4
0.3.2 DSS与数据仓库及数据挖掘 4
0.3.3 医学决策支持系统 5
第1篇 数据仓库 7
1 数据仓库概述 7
1.1 数据库的基本概念 7
1.1.1 数据、数据库与数据库系统 7
1.1.2 数据库系统的基本特点 8
1.2 从传统数据库到数据仓库 9
1.2.1 蜘蛛网问题 9
1.2.2 事务处理向分析决策的转变 10
1.3 数据仓库的基本特征 11
1.3.1 面向主题 11
1.3.2 集成性 12
1.3.3 稳定性 13
1.3.4 随时间不断变化 13
1.4 数据仓库中的数据组织 14
1.4.1 数据组织基本特征 14
1.4.2 粒度与分区 14
1.4.3 数据组织方式 15
2 数据仓库基本结构 18
2.1 数据仓库的体系结构 18
2.1.1 数据仓库结构 18
2.1.2 数据集市 19
2.1.3 数据仓库系统的逻辑层次 20
2.1.4 数据仓库运行结构 22
2.2 数据仓库的模型 22
2.3 数据抽取、转换和装载 25
2.3.1 ETL概述 25
2.3.2 数据抽取 26
2.3.3 数据转换 26
2.3.4 数据装载 28
2.3.5 ETL工具 28
2.4 数据仓库的元数据 29
2.4.1 数据字典与元数据 29
2.4.2 元数据的作用 30
2.4.3 元数据的分类 30
2.4.4 元数据的管理与维护 30
3 数据仓库设计 32
3.1 体系结构化的准则 32
3.2 数据仓库的模型选取 32
3.3 数据仓库的开发模式 34
3.4 数据仓库工程 35
4 OLAP技术 37
4.1 概述 37
4.1.1 OLAP的基本涵义、特性 37
4.1.2 OLAP的分类 37
4.2 OLAP与OLTP 40
4.2.1 OLAP系统组成 40
4.2.2 OLAP与OLTP的联系与区别 40
4.3 OLAP与多维分析 41
4.3.1 维度简介 41
4.3.2 多维数据集 41
4.3.3 维度模型 42
4.3.4 父子维度 44
4.3.5 虚拟维度 44
4.4 OLAP的技术实现 45
4.4.1 OLAP技术的准则 45
4.4.2 OLAP前端展示 46
4.4.3 OLAP的基本操作 47
4.4.4 MDX语言 49
4.5 OLAP的发展 54
5 医学数据仓库 56
5.1 医学信息与数据 56
5.2 医学数据仓库的关键问题 57
5.2.1 医学数据的组织 58
5.2.2 医学数据仓库的设计 60
5.2.3 医学数据仓库的管理 61
5.3 医学数据仓库的现状与未来 62
第2篇 数据挖掘 67
6 数据挖掘概述 67
6.1 数据挖掘的起源 67
6.1.1 数据挖掘的产生背景 67
6.1.2 数据挖掘的定义 69
6.1.3 数据挖掘与数据仓库 69
6.1.4 数据挖掘与OLAP 69
6.2 数据挖掘的任务 70
6.3 医学与数据挖掘 70
6.3.1 数据挖掘在生物医学工程中的应用 71
6.3.2 数据挖掘在中医药领域中的应用 71
7 数据挖掘的步骤 74
7.1 数据挖掘的过程 74
7.1.1 确定目标 74
7.1.2 数据准备 74
7.1.3 数据挖掘 78
7.1.4 结果分析 80
7.2 数据挖掘的系统结构 81
7.3 数据质量与数据预处理 82
7.3.1 数据质量分析 82
7.3.2 数据预处理 83
7.3.3 数据归约 88
8 数据挖掘算法 90
8.1 关联规则 90
8.1.1 关联规则的经典案例——“购物篮分析” 90
8.1.2 关联规则的基本概念 91
8.1.3 关联规则的基本原理 92
8.1.4 关联规则的经典算法——Apriori算法 93
8.1.5 关联规则的医学应用实例 101
8.2 分类与预测 104
8.2.1 分类与预测的基本概念 104
8.2.2 决策树 106
8.2.3 贝叶斯分类 112
8.2.4 神经网络 116
8.2.5 其他分类方法 119
8.2.6 分类与预测的医学应用实例 126
8.3 聚类分析 130
8.3.1 聚类分析的基本概念 130
8.3.2 聚类分析的算法 136
8.3.3 聚类分析的医学应用实例 143
9 医学数据挖掘 147
9.1 医学结构化数据挖掘 147
9.1.1 医学结构化数据挖掘概述 147
9.1.2 医学结构化数据挖掘的应用研究 149
9.2 医学文本数据挖掘 153
9.2.1 文本数据挖掘概述 153
9.2.2 文本数据挖掘的关键技术 156
9.2.3 医学文本数据挖掘的应用研究 161
第3篇 数据仓库与数据挖掘应用 161
10 SQL Server 2000的数据仓库与数据挖掘功能 165
10.1 SQL Server 2000的数据仓库工具介绍 165
10.1.1 数据转换服务 165
10.1.2 复制 165
10.1.3 Analysis Services 166
10.1.4 English Query 166
10.1.5 Meta Data Services 167
10.2 SQL Server 2000 Analysis Services功能介绍 167
10.2.1 Analysis Services的安装 167
10.2.2 Analysis Services的功能特点 167
10.2.3 Analysis Services的使用 169
11 数据仓库与数据挖掘在医学领域的应用案例 179
11.1 医院管理数据仓库和OLAP 179
11.1.1 案例背景 179
11.1.2 数据源 182
11.1.3 医院管理数据仓库的设计 184
11.1.4 医院管理OLAP设计 188
11.2 临床治疗方案挖掘 191
11.2.1 案例背景 191
11.2.2 数据预处理 192
11.2.3 挖掘结果 196
11.3 中药复方配伍规律挖掘 199
11.3.1 案例背景 199
11.3.2 数据预处理 202
11.3.3 挖掘结果 207
12 常用的数据挖掘工具 208
12.1 SAS Enterprise Miner 208
12.1.1 Enterprise Miner开发环境 208
12.1.2 Enterprise Miner的节点功能 210
12.1.3 Enterprise Miner的使用 213
12.2 SPSS Clementine 213
12.2.1 SPSS Clementine的开发环境 213
12.2.2 SPSS Clementine的基本功能 214
12.2.3 SPSS Clementine的使用 214
12.3 其他数据挖掘工具 218
12.3.1 MineSet 218
12.3.2 DBMiner 218
12.3.3 Intelligent Miner 218