1. 医学数据挖掘案例与实践
还算是靠谱的， 索思（苏州）医疗科技有限公司致力于穿戴式医用设备的研制，以及基于医疗大数据的深入挖掘。通过研究生物医学传感器技术、无线传输技术、人工智能算法以及云监测技术，研制出穿戴式动态心电记录仪，目前已取得二类医疗器械注册证。为目前国内率先获得医疗器械认证的可穿戴设备。
2. 医学数据挖掘案例与实践百度云
数据挖掘随着计算机技术得到了广泛应用，从而提高了数据利用效率，拓展了知识发现的广度与深度。数据挖掘已有较多成熟方法，并在医学大数据挖掘中取得了一定成果。数据挖掘是指从数据库中，提取隐含在其中的人们事先未知、潜在的有用的信息和知识的过程。目前，医院已积累了大量医疗相关数据。
数据挖掘在医学大数据研究中已取得了较多成果，通过文献检索，总结了三方面的应用现状。
疾病早期预警医疗领域往往需要更精确的实时预警工具，而基于数据挖掘的疾病早期预警模型的建立，有助于提高疾病的早期诊断、预警和监护，同时，也有利于医疗机构采取预防和控制措施，减少疾病恶化及并发症的发生。
疾病早期预警，首先要收集与疾病相关的指标数据或危险因素，然后建立模型，从而发现隐含在数据之中的发病机制和病情之间的联系。Forkan等采集日常监测的心率、舒张压、收缩压、平均血压、呼吸率、血氧饱和度等生命体征数据，以J48决策树、随机森林树及序列最小优化算法等建立疾病预警模型，用于远程家庭监测，识别未曾诊断过的疾病发生，并将监测结果发送到医疗急救机构，实现生命体征大数据、病人及医疗机构的完整衔接，以降低突发疾病及死亡的发生率。
Easton等利用贝叶斯分类算法建立了中风后遗症死亡预测模型，认为中风后遗症死亡概率与中风发生后的时间长短成函数关系，有助于中风后遗症患者的后续监护。Tayefi等基于决策树算法建立了冠心病预测模型，该模型发现hs-CRP作为新的冠心病预测标志物，比传统的标志物（如FBG、LDL）更具特异性。
慢性病研究糖尿病、高血压、心血管疾病等慢性病正在影响着人们的健康，识别慢性病危险因素并建立预警模型有助于降低慢性疾病并发症的发生。Alagugowr等建立的心脏病预警系统，从心脏病大数据库中提取特征指标，通过K-means聚类算法识别出心脏病危险因素，又以Apriori算法挖掘高频危险因素与心脏病危险等级之间的关联规则。Ilayaraja等则以高频项集寻找心脏病危险因素并识别病人风险程度，该方法能够回避无意义项集的产生，从而解决了以往研究中项集数量多、所需存储空间大等问题。
CH Jen等对慢性疾病并发症风险识别的研究分三个步骤，首先，选择健康人群体检数据和慢性病患者相关疾病数据，以带有序列前项选择的线性判别分析来寻找相关疾病的特征变量;然后，以K-NN对特征变量进行分类处理;最后，将K-NN算法的分类结果应用于慢性疾病预警模型的建立。Aljumah等先后以回归分析和SVM用于预测和判断糖尿病不同治疗方式与不同年龄组之间的最佳匹配，为患者选择最佳治疗方式提供依据。
Perveen等对糖尿病的预测研究，采用患者人口学数据和临床指标数据，并分别用Adaboost集成算法、Bagging算法及决策树三种算法来建立预测模型，认为Adaboost集成算法的精确性更高。
辅助医学诊断医学数据不仅体量大，而且错综复杂、相互关联。对大量医学数据的分析，挖掘出有价值的诊断规则，将对疾病诊断提供参考。Yang等基于决策树算法和Apriori算法，对肺癌病理报告与临床信息之间的关联性进行了研究，为肺癌病理分期诊断提供依据，从而可回避诊断中需要手术方法获取病理组织。
Becerra-Garcia等应用SVM、K-NN和CART三种算法对眼球电图进行信号预处理、脉冲检测和脉冲分类，为研究临床眼球电图检查中非自发扫视眼球运动的识别提供依据。彭玉兰等对某医院5年的乳腺超声数据进行了关联规则挖掘，建立乳腺病理诊断与超声诊断之间的关联规则，并开发了乳腺超声数据库数据检索系统，便于医生快速获得超声诊断和病理诊断的各种诊断信息和病例信息。
医学大数据挖掘已呈现广阔的发展前景和巨大的应用价值，将为疾病研究、临床及管理决策、医疗服务个性化及图像识别等众多领域带来更多支持。麦肯锡在其报告中指出，大数据分析可以帮助美国医疗服务业一年创造3000亿美元的附加价值，而美国医疗协会也称，改善医疗卫生事业的关键在于大数据。
目前，医院大数据中心、区域性卫生信息平台、国家医疗大数据中心的建立以及卫生信息互联互通标准和共享规范的制定，为数据存储和共享、推动医学大数据的应用提供了更多支撑。未来，医学大数据挖掘将不断更新，探索新的研究领域，推动研究成果转化。
3. 医学数据挖掘论文
论文选题是撰写发表论文最初的步骤，想要撰写出好的论文，想要论文发表更加的容易，那么一个好的选题绝对能够给您提供最好的帮助。而在医学论文中选题更是尤为的重要，如何才能选择一个更好的论题呢?常见的医学论文选题有三个大方向：文献、临床、创新。
一、从文献中选题
不管是撰写论文，还是确定选题，我们需要的都是广泛的阅读，才能激发好的思路。但这里存在这样一个问题，如何才能从你看的大量的文献中获取最好的选题呢?
从文献中来选题，也有不同的类型，大致可以分为完全照搬型、借鉴型和乾坤大挪移型。
1、完全照搬型：看见别人写了一篇“新生儿颅内出血50例临床分析”，就想：喔，这题目可以写，我们科也有很多颅内出血病例。然后就总结病例，这种属于典型的完全照搬型，没有任何新意。
2、借鉴型，通过借鉴别人的研究论题来撰写自己的论题。例如：别人写了“影响新生儿坏死性小肠结肠炎预后的危险因素分析”，你可以借鉴来写一篇：“影响新生儿颅内出血预后的危险因素分析”方法与别人一样，但研究的对象不同。
3、乾坤大挪移型：这一级需要很深的造诣，基础理论功底要深厚，同时也要有一定悟性才可以。举例说明：某人看见science上发表了一篇文章，讲“马儿为什么跑的快(2004年)?原来是调控其大腿神经肌肉联接处CA通道基因可在短时间内突然大量开放”，这时候如果你去想“如何让马跑的更快就没有太大创新了”，相反，某人就采用“全坤大挪移”的方法，借鉴该思维，去研究“重症肌无力”时该基因的表达变化。这就完全是创新，一个新的临床课题就产生了，相信这样的文章，发SCI应该很有冲击力。
二、从临床中选题
作为一个医学科研工作者，最常见的工作内容便是临床工作，而这也恰恰是最适合我们论文选题的内容。可是我们应该如何从临床中选题呢?
1、从临床中的特殊表现、体征来选题。
我们写文章，分析病例，最终都是要靠病例资料的，这就要求我们抓住临床中的特殊现象，从临床中发掘题目。举例说明：某人(内科医生)在临床工作中诊断出1例先天性食道闭锁，这并没有什么了不起，但该新生儿再进行了手术后就难以撤离呼吸机(食道闭锁新生儿手术后都必须要上呼吸机)，心脏听诊也没有杂音，由于患儿心功能不好，紧急心脏彩超检查发现原来存在：单心房。
由此，他想到：食道闭锁新生儿存在先天性心脏病，但又没有杂音的几率如何。然后就去总结病例，并进行前瞻性研究(只要有食道闭锁，就必须做心脏彩超)，结果发现：食道闭锁新生儿容易合并先天行心脏病，且相当部分都听不到杂音，结果文章就发了CSCD核心杂志。
2、充分利用从各自科室的临床标本，从标本中选题。
一谈到标本，你是否就条件反射的想到抽血化验，如果仅仅是这样，那就还要大幅度提高水平。实际上，临床标本多的不得了，就看你如何充分利用，找到新的切入点。选好切入点，常见疾病的常见标本一样可以做出新花样，写出好文章，发高级别的杂志。
4. 医学数据挖掘案例与实践论文
医学检验技术(华为鲲鹏智能医学订单班) 本科
就业方向：智能医学数据清洗工程师、智能医学检验技术工程师、智能医学数据可视化工程师、智能医学数据分析工程师等。
医学检验技术(华为鲲鹏智能医学订单班) 专科
就业方向：智能医学数据挖掘技术员、智能医学深度学习技术员、智能医学数据分析技术员、智能医学检验技术员等。
在校内建设“华为云学院鲲鹏中心”校内基地，并引入华为和中软国际的教学平台及教学资源用于辅助教学，协助学校一起强化学科竞赛，指导学生参加各类大赛。本科生采取“2.5+0.5+1”和专科生采取“2+0.5+0.5”的创新教学模式，校企实现“三双培养”（双师资、双课堂、双基地）与“人才就业服务生态链”相结合的人才培养模式，采取基础与实践并重，重技能提升的特色5R课程体系。
5. 数据挖掘在智慧医疗领域应用实例
国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见指出：“鼓励各类医疗卫生机构推进健康医疗大数据采集、存储，加强应用支撑和运维技术保障，打通数据资源共享通道。探索推进可穿戴设备、智能健康电子产品、健康医疗移动应用等产生的数据资源规范接入人口健康信息平台。
建立全国健康医疗数据资源目录体系，制定分类、分级、分域健康医疗大数据开放应用政策规范，稳步推动健康医疗大数据开放。”
6. 医学数据挖掘案例与实践心得
医学信息学方向 该专业方向培养在医院信息化、医疗仪器智能化、区域卫生信息系统与网络工程、医药电子商务等相关领域从事研究与开发、教学及管理的高素质专门人才。
要求掌握生物医学、电子技术、计算机技术和信息技术的基本理论、基本知识和技能，了解生命科学与医学的相关理论和知识，在医院信息系统、社区医疗服务网络、生物信息处理等方面具有一定的创新性研究、设计和开发能力。
掌握一门外语，能熟练阅读专业外文书刊。 主要课程：高级程序设计、数字电路与逻辑设计、人体结构学、医学生理学、离散数学、微机原理与应用、计算机接口技术、概率论与数理统计、数据结构与算法、数据库系统原理与技术、计算机网络与应用、操作系统、临床医学概论、医院信息系统、软件工程与项目管理、生物信号处理、生物医学知识的整合与数据挖掘、医学图像处理、生物医学工程概论、生物医学数学模型与计算机仿真、自动控制原理、人工智能与专家系统等。