Resumen

La cantidad de datos de textos médicos está aumentando de forma espectacular. Los datos de texto médico registran los avances de la medicina e implican una gran cantidad de conocimientos médicos. Como lenguaje natural, se caracterizan por una semántica semiestructurada, de alta dimensión y gran volumen de datos, y no pueden participar en operaciones aritméticas. Por lo tanto, cómo extraer conocimiento o información útil del total de datos disponibles es una tarea muy importante. Utilizando diversas técnicas de minería de datos se puede extraer conocimiento o información valiosa de los datos. En el presente estudio, revisamos diferentes enfoques para aplicarlos a la minería de datos de textos médicos. Se analizaron las ventajas y deficiencias de cada técnica en comparación con los diferentes procesos de datos de texto médico. También exploramos las aplicaciones de los algoritmos para proporcionar información a los usuarios y permitirles utilizar los recursos para los retos específicos de los datos de texto médico. Además, se analizaron los principales retos de la minería de datos de textos médicos. Las conclusiones de este artículo son útiles para ayudar a los investigadores a elegir técnicas razonables para la minería de datos de texto médico y para presentarles los principales retos de la minería de datos de texto médico.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:datos de textos médicos, minería de datos de textos médicos, principales retos, semántica de grandes volúmenes de datos, datos de textos médicos, datos totales disponibles, información, operaciones aritméticas, estudio actual, minería de datos
• Keywords:medical text data, medical text data mining, main challenges, high data volume semantics, Medical text data, total available data, information, arithmetic operations, current study, data mining