应用论文：统计分析在超声诊断数字化管理系统中的应用

关于电子信息管理论文有关电子应用论文：统计分析在超声诊断数字化管理系统中的应用摘要:讨论如何采用计算机统计分析技术对系统已收集的大量病人病历、图像信息及其他医学参数进行自动化的医学数理统计,为医学专业人员的学术研究提供决策数据.关键词:超声诊断;统计分析;信息管理超声诊断(UltrasoundDiagnosis)是在现代电子学发展基础上,将雷达技术与超声原理相结合,广泛应用于临床医学的诊断方法.过去医院使用的超声设备多属于模拟设备,超声诊断的图像、视频信息以模拟信号形式存储,病历表、超声诊断报告采用低效的手工操作,此方式不符合医学图像存档和超声诊断信息的信息化需求[1]目前,国内医学和计算机领域解决办法主要有2种:一是采用全面数字化的B超设备,超声信号的发射、接收、处理及图像显示等全部是数字化信号;二是将原有的模拟B超设备通过高速图像采集卡与计算机结合,利用计算机完成病人信息登记、B超图像采集、图像处理、诊断报告编辑生成、打印等业务流程.上述2种方法实现了图像数据及超声诊断病历的数字化管理,但都未对收集的大量繁杂而分散的超声数据资源进行更深层次的分析和挖掘.本文主要研究采用计算机统计分析技术对系统已收集的大量病人病历、图像信息及其他医学参数进行自动化的医学数理统计,为临床医生和研究人员的学术研究提供决策数据.1超声诊断数字化管理系统超声诊断数字化管理系统是计算机技术与B型超声诊断仪技术的有机结合,实现图像数据及超声诊断病历的数字化管理.超声诊断数字化管理系统由超声诊断设备、专用的图像采集卡、计算机(客户端和服务器)、打印机、刻录机和网络设备等几部分组成.图像采集卡的输入端和超声仪的视频输出端相接,图像采集卡直接将超声仪输出的模拟信号转换为数字图像信号存入计算机内,经过图像处理、图像测量、编辑诊断报告等步骤,从打印机输出附有图片的超声诊断报告,同时利用数据库技术完成对超声资源的综合管理[2].2医学统计分析基本原理医学统计学[3]以统计描述、统计推断、关系分析以及统计设计等为主要内容,帮助人们对获得的数据进行分析.超声诊断数字化系统中已收集了大量诊断病人的病历、图像信息及其他医学参数,对数字化的医学信息进行自动化的医学统计,可对各类病历进行跟踪、分析、研究,并对典型病历进行预测和防护,为医学专业人员的学术研究提供依据.目前大多数的医学统计多采用专业化的SPSS软件,应用时需要把相关数据导入,而且SPSS虽然功能强大但很难掌握.而在实际B超诊断应用中,常用的医学统计方法并不是很多.B超诊断临床中常用的医学统计方法是假设检验和趋势预测.因此可用该算法实现常用数据的统计,以满足医务人员的实际工作需求.2.1T检验假设检验亦称显著性检验,是统计推断的2个重要内容之一.而T检验(t-test)是最常用的数值变量资料的假设检验方法,包括单样本T检验和配对设计资料的T检验[4].在B超医学科学研究和医疗实践中,常常遇到这种情况:检查出患有某种疾病的某类病人的某个部位测量的值与正常人是否存在差异;对同一批病人治疗前后的某些生理情况进行测量以观察疗效;对同一批检测对象用2种方法测定,比较2种方法的优劣等.对于这些需求,常用的统计分析方法是T检验.(1)T检验的基本概念.选取统计量,使其概率分布趋近于T分布的显著性检测,称为T检验(t_test).基本思想是:假设2个均数是来自同一总体,虽然存在抽样误差,但均数很少超出95%或98%的可信限范围,所以2个均数的差值是很小的,可认为原假设成立.反之,若差值越大,假设不成立.T检验是间接运用概率论上的“小概率事件实际上是不可能性”原理,拒绝那种在一次具体实践中竟然出现小概率的不合理的原假设,即概率小(不超过0.05的事件).因此t值与概率(P)之间的关系为:tt0.05(n′)P0.05两均数差异无显著意义t0.05(n′)≤t≤t0.01(n′)0.05≥P0.01两均数差异有显著意义t≥t0.01(n′)P≤0.01两均数差异有极显著意义(2)T检验的基本步骤:①建立无效假设(H0).假设2均数差别时由抽样误差引起,如果能H0成立,则t值很少有可能等于或超过t值表上所列的t0.05(n′)或t0.01(n′)的数值;②计算t值.计算t值有很多种方法,可根据不同的分析目的选择合适的计算方法;③确定概率(P)的值.在t值表(一种对应表)根据自由度查出的t0.05(n′)和t0.01(n′)的t值,与计算出的t值比较,求得P值;④判断结果.从P值的大小肯定或否定原无效的假设,从而得出2个均数差别有无显著意义的结论,结合专业知识,得出合乎实际的判断结果.(3)T检验的数学模型为:标准差计算公式:S=∑X2-(X)2nn-1标准误计算公式:S-X=Sn单样本T检验t值计算公式:t=|-x-u|S-x配对T检验t值计算方法:t=|-X-u|S-X=|-X-0|S-X=|-X|S-XS=d2-(∑d)2nn-1(d为差值平均值)2.2趋势预测(1)趋势预测.预测是根据事物过去发展变动的客观过程和某些规律性,参照当前己经出现和正在出现的各种可能性,应用现代管理的、数学的和统计的方法,对事物未来可能出现的趋势和可能到达的水平所作的一种科学推测[5].在医学领域,趋势预测有着重要的意义,比如疾病预测,在流行病学方面主要指对某疾病未来流行趋势、流行水平的质与量的估计等.预测理论和方法的门类繁多,目前主要有外推法、相关法、解析法、回归分析法、时间序列法、神经网络法、灰色理论预测法、卡尔漫滤波法、小波分析预测法、专家系统法、分析预测法等.在医学统计中所做的工作大多与时间有关(例如按月份排列的肺炎患者数量),期望根据历史时期某种疾病的发生情况预测出未来某个时期这种疾病的发生情况.时间序列预测方法有许多种具体方法,如移动平均法、指数平滑法、趋势外推法、季节指数预测法等.(2)时间序列预测方法.时间序列又称为动态数列,它是将某个变量的观测值按时间先后顺序排列所形成的数据.时间序列预测法[6-7]是根据某个疾病的时间序列,依据惯性原理,通过统计分析或建立数学模型进行趋势外推,以对未来可能值做出定量预测的方法.时间序列预测是研究预测对象与演变过程所经历的时间之间的关系.这种方法以预测目标Y为因变量,所经历的时间t为自变量,其数学模型为:Y=f(t),称为Y-t型.(3)指数平滑预测模型.指数平滑算法是在移动平均法的基础上发展起来的一种预测方法,是移动平均法的改进形式,它克服了移动平均法需要大量资料的缺点,而且计算简便[8].下面讨论一次及二次平滑算法的数据模型.一次指数平滑法的预测模型为:S(1)t=aYt+(1-a)S(1)t-1式中:S(1)t为t期的一次平滑法,作为t+l期的预测值;Yt为t期的实际值;S(1)t-1为t-1期的一次指数平滑值,即t的预期值;a为平滑系数,并且0≤a≤1.可见,它是利用本期的实际值和本期的预测值,通过二者的不同加权分配求得一个指数平滑值作为下一期的预测值.由预测公式可以看出,a的选择对预测结果的影响很大.二次指数滑算法是对一次指数平滑后的序列数据再做一次平滑.二次指数平滑法用于预测的线性方程为:Yt+T=at+btT式中:Yt+T为t+T期的预测值;t为一次指数和二次指数的平滑值的时间;T是由本期到预测期的时期数;at、bt为二次指数平滑系数.计算公式为:at=2S(1)T-S(2)tbt=a1-a[S(1)t-S(2)t]其中,a为加权因子,S(2)t=aS(1)t+(1-a)S(2)t.式中:S(1)t=ayt+(1-a)S(1)t-1为一次指数平滑值;S(2)t为二次指数平滑值;a为平滑系数,0a1.3医学统计分析的实现医学分析模块主要完成医学数据的数理统计,其实现采用Visualc++6.0编程.3.1T检验统计分析模块完成了医学统计中的T检验功能,包括单样本T检验和配对T检验.工作流程如下:(1)将检验数据显示在CGridCtrl控件中.检验数据的获得有2种方法:一是从超声诊断数字化系统的数据库中取得患者的相关数据;二是由医生自行输入数据;(2)确定检验方式,选择相应的T检验方法;(3)根据选择t检验的数据模型计算T值,然后进入自动查表过程,进一步推算出P值.医生可以依据P值,获得检验的结论.3种统计算法的函数原形为:voidttest::OnGetDataFromDataBase()//读取数据库数据voidttest::OnInputDataByYourself()//自行输入数据voidttest::OnOneSampleTTest()//单样本T检验voidttest::OnPeiduiTTest()//配对T检验3.2趋势预测模块趋势预测采用了时间序列预测方法,主要方法是移动平均法、指数平滑移动法和季节指数预测法.用户可以根据需求选择不同的预测算法对数据进行趋势预测.例如,某医院就医患者的数量有季节变动规律,就选取季节指数预测法,然后采用二次滑动平均预测法给出线性趋势.趋势预测模块主要功能有:(1)按日期统计病历表中的患者个数,使用季节指数算法对这些数据进行预测,可以此推断该医院B超就诊人数趋势,便于医院管理者作出决策.(2)统计某种疾病发病患者总数变化特征,并预测发病的趋势.在数值计算的基础上,绘制出趋势变化的二维曲线(3)可以有选择地计算某几个病症的发病趋势.用户可以根据自己的需求,点击下拉列表框,选择想要查看的某几种病症的趋势预测图,直观方便.工作流程如下:①选择要预测的数据源;②输入预测的时间序列;③选择预测模型;④根据选择的预测方式的数学模型,计算出一系列的预测值;⑤进行曲线拟合,绘制出趋势变化的二维曲线.3种统计算法的函数原形为:doubleMoveAgv(double*a,intn)doubleExpAgv(double*n,doublea)double*SersonExp(doublep[][4],doublea,doubleb)4结语随着医院内部现代化医疗仪器与装置的增加,远程会诊、医院信息管理(HISHospitalInformationSystem)和医学影像存档与通信系统(PACS,Pic-tureArchivingandCommunicationSystems)]等信息化的需要,数字化的医学数据量激增.但目前超声诊断管理系统中,多是完成B超信息的数字化,不涉及对医学数字信息的数理统计分析.借助计算机技术对数字化的医学数据进行统计描述、统计推断、关系分析,对病历进行跟踪、分析和研究,从而分析出有价值的结论用以指导临床医生和研究人员有关决策.这对于疾病的预防、控制、治疗及研究具有极为重要的意义.参考文献:[1]邢福工.医院信息系统的实施策略[J].医学信息学杂志,2009,30(8):17-20.[2]栾材富.超声影像网络管理系统的研究与应用[J].医疗设备信息,2007(3):30-32.[3]刘桂芬.医学统计学[M].北京:中国协和医科大学出版社,2007.[4]朱红雨,陆丽娜.医学检验计算机诊断专家系统的设计[J].医疗卫生装备,2006,27(12):67-69.[5]李姗姗,刘晴.统计学与数据挖掘的异同[J].统计与咨询,2009(3):62-63.[6]王行建.ARMA时间序列模型的研究与应用[J].自动化技术与应用,2008,27(8):65-67.[7]王正欧.时间序列数据挖掘中相似性和趋势预测的研究[D].天津:天津大学,2003.[8]吕林涛,李军怀,吕晖,等.时间序列模式及其预测模型算法应用[J].计算机工程,2004,30(17):50-52.