Data and text mining techniques on real medical data

Abstract

Klinik veritabanları hastalar ve hastaların sağlık durumlarıyla ilgili olarak çok büyük miktarlarda veri içermektedir. Bu veriler içerisindeki ilişkiler ve benzerlikler yeni ve bilinmeyen medikal bilgi sağlayabilmektedir. Ancak, böylesi gizli bilginin keşfini sağlamak için ne yazık ki henüz çok az yöntem geliştirilmiş ve uygulanmıştır. Bu tez çalışmasında, klinik veritabanlarındaki veri ilişkilerinin araştırılması amacıyla veri madenciliği teknikleri ( diğer bir deyişle veritabanlarındaki bilgi keşfi) kullanılmıştır. Bu çalışmada klinik veritabanlarındaki veri madenciliği yanında veri ambarları, veri sorguları, temizleme ve veri analizi süreçleri uygulamaları da gösterilmiştir. Tezde metin madenciliği konusuna da kısaca giriş yapılmıştır.

Clinical databases have been accumulating large quantities of data about patients and their medical conditions. Relationships and patterns within that data could provide new medical information and knowledge. Yet, unfortunately, few methodologies have already been developed and applied to discover this hidden knowledge. In this study, the techniques of data mining (also known as Knowledge Discovery in Databases) were used to search for relationships in a clinical database. The study describes the processes involved in mining a clinical database; it also includes the processes of data warehousing, data query and cleaning, and data analysis. The study is extended to demonstrate text mining too.