随着信息化的发展,医疗领域的信息系统中累积了大量医疗数据。这些医疗数据中包含有价值的医疗信息,可以加以利用并辅助医疗的各个流程,因此挖掘这些数据中存在的价值具有重要意义。在诊疗中,医生需要根据病人的病情制定治疗方案,该过程主要依赖于自身经验以及医学知识,但是有时候存在信息不全面、决策不确定问题,如能借助关联挖掘合理利用已有的医疗数据,深入得到数据之间的关联关系、获取有效信息,进行相似案例推荐,能够给医生提供相似的诊疗方案帮助医生诊疗。因此,医院对于医疗领域的案例推荐系统具有较大需求。针对案例推荐的需求,本文提出了面向关联信息挖掘的实体案例推荐框架,利用医疗数据,面向数据进行关联挖掘,针对输入的案例信息进行案例匹配,找出相似的案例,给医生提供指导、建议作用,以了解该病情的治疗方案,帮助诊疗。本文主要的研究内容如下:1.提出了面向关联信息挖掘的实体案例推荐框架根据案例推荐的需求,提出了面向关联信息挖掘的实体案例推荐框架。该框架有五层结构,分别为应用层、数据处理层、关联挖掘层、源数据管理层、数据存储层,以及位于五层结构之上的访问接口。应用层提供案例输入、推荐输出;数据处理层负责对输入的数据进行关联转化;关联挖掘层负责对关联数据进行挖掘;源数据管理层负责管理源数据;数据存储层提供有用医疗数据存储。2.设计了关联数据转化模块对于数据支撑层,根据本文所用医疗数据特点,自定义转化规则,将数据库中的结构化数据转化为关联数据,以便根据关联数据结构关系进行匹配。同时设计了输入信息转化模块,将输入的非结构化案例信息转化为关联数据。3.提出了基于关联数据的案例匹配算法对于推荐流程,提出了对于两个本体案例进行匹配的算法,输入两个本体案例,输出相似度,根据相似度决定是否推荐案例。该案例匹配流程包括关联数据匹配算法以及时序匹配算法。关联数据匹配算法又包括节点匹配算法、开放数据源算法、结构匹配算法、基于剂量以及基于复合药物的匹配算法。进行初步匹配,得到诊疗、药方等医疗流程的节点初步相似度;接着基于医疗数据的时序性进行时序扩展,并且提出了时序匹配算法找出时序匹配对,接着根据绝对时间间隔再匹配算法,得到最终时序相似度。根据相似度阈值对案例进行推荐。4.对本文所提框架进行应用验证本文选取医院的胃癌、肠癌、胃炎、肠炎数据作为基础数据,通过数据分析、数据处理构造了有效信息的数据库。在医疗数据基础之上,构建案例推荐平台。通过对构建过程的详细描述,显示了框架的可行性以及可用性。