一、医疗数据可视化平台的设计与实现
摘 要：随着医疗信息化、互联网和信息科技的发展，医疗数据的类型和规模正以前所未有的速度快速增长，医疗数据可视化也被广泛试点应用于智慧医疗等领域。近几年，全球各地纷纷提出“大健康”、医疗大数据等概念，将人类的健康置于战略性的地位，也促进了医疗数据可视化领域的飞速发展。重要的见解往往隐藏在数据之中，数据可视化技术以更直观的方式表现数据以其结构关系，清晰有效的传达与沟通信息，从而实现对复杂数据集的深入洞察，提高数据的使用效率。医疗数据可视化平台旨在利用数据分析和开发工具发现数据中的隐藏信息与内在规律，并将研究结果采用图表形式进行展示，便于更加直观的展示医疗数据。
（一）引言
当今社会正处于一个信息爆炸的时代，随着医疗信息化的高速发展，医院内产生了大量的医疗数据。然而，由于医疗数据不仅类型繁多、关系复杂，且呈爆炸式增长，一般的数据可视化方法难以对其进行有效的展示，并进行深入的洞察。[1]数据可视化也获得了快速的发展，并且与医疗领域的结合点非常多，能够更好的解决医疗数据难题。
医疗数据是指医生对患者诊疗和治疗过程中产生的数据，包括患者的基本数据、电子病历、诊疗数据、医学影像数据、医学管理、经济数据、医疗设备和仪器数据等。以患者为中心，成为医疗数据的主要来源。[1]
数据可视化（data visualization）是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。[2]数据可视化是可视化技术在非空间数据领域的应用，它改变了传统通过关系数据表来观察和分析数据信息的方式，使人们能够以更直观的方式看到数据及其结构关系，发现数据中隐含的信息。[3]
异常值（outlier）异常值是指样本中的个别值，其数值明显偏离它（或他们）所属样本的其余观测值。与平均值的偏差超过三倍标准差的测定值，称为高度异常的异常值。在处理数据时，应剔除高度异常的异常值。异常值是否剔除，视具体情况而定。在统计检验时，指定为检出异常值的显著性水平alpha;=0.05，称为检出水平；指定为检出高度异常的异常值的显著性水平alpha;=0.01，称为舍弃水平，又称剔除水平(reject level)。
重要的见解往往隐藏在数据之中，它们有助于推动业务发展。但问题在于，只是凭借原始数据，无法总是洞悉真相[4]。当看到数据以可视化形式呈现时，格局、关联和其他会心时刻便浮现出来，而单纯查看数据往往无法获知[5]。数据可视化不仅利用数据挖掘技术从数据中挖掘有用的信息，而且还能够把数据挖掘技术得到的信息向用户直观地展示。
（二）医疗数据可视化和异常值检测常用方法的分析研究
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
