中国出生缺陷数据挖掘系统HealthyBaby
计算机研究与发展
ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔ
ＩＳＳＮ
１０００—１２３９／ＣＮ１１—１７７７／ＴＰ
４７（Ｓｕｐｐｌ．）：５２０—５２３，２０１０
中国出生缺陷数据挖掘系统ＨｅａｌｔｈｙＢａｂｙ
段
磊１
左
劫１
李
川１
陈
瑜１
唐常杰１
朱
军２
代
礼２
牟
昕１
１（四川大学计算机学院成都６１００６５）２（中国出生缺陷监测中心成都６１００４１）（ｃｊｔａｎｇ＠ＳＣＵ．ｅｄｕ．ｃｎ）
ＨｅａｌｔｈｙＢａｂｙ：Ａ
ＭｉｎｉｎｇＳｙｓｔｅｍ
ｏｖｅｒ
ＢｉｒｔｈＤｅｆｅｃｔｓＤａｔａｏｆＣｈｉｎａ
ＤｕａｎＬｅｉｌ，ＺｕｏＪｉｅｌ，ＬｉＣｈｕａｎｌ，ＣｈｅｎＹｕｌ，ＴａｎｇＣｈａｎｇｊｉｅｌ，ＺｈｕＪｕｎ２，ＤａｉＬｉ２，ａｎｄＭｏｕＸｉｎｌ
１（Ｓｃｈｏｏｌ
ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５）
ｆｏｒＢｉｒｔｈＤｅｆｅｃｔｓＭｏｎｉｔｏｒｉｎｇ，Ｃｈｅｎｇｄｕ６１００４１）
ｍｉｎｉｎｇｓｙｓｔｅｍｔｈａｔｗｏｒｋｓ
ｔｈｅｄａｔａ
ｒｅｃｅｎｔ
２（ＮａｔｉｏｎａｌＣｅｎｔｅｒ
Ａｂｓｔｒａｃｔ
ＨｅａｌｔｈｙＢａｂｙｉｓ
ａ
ｄａｔａ
ｏｖｅｒ
ｗａｒｅｈｏｕｓｅｏｆｔｈｅｂｉｒｔｈ３０ｙｅａｒｓ．Ｉｔｉｓｓｕｐｐｏｒｔｅｄ
ｄｅｆｅｃｔｓｏｆＣｈｉｎａ，ｗｈｉｃｈｃｏｎｔａｉｎｓｈｕｇｅｎｕｍｂｅｒｏｆｂｉｒｔｈｄｅｆｅｃｔｓｄａｔａｆｏｒ
ｂｙｔｈｅ１１一ｔｈＦｉｖｅＹｅａｒｓＫｅｙＰｒｏｇｒａｍｓｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｉｑｕｅａｎｄｔｈｅＮＦＳＣｐｒｏｇｒａｍ．ＴｈｅＢｅｔａｖｅｒｓｉｏｎｏｆ
ＨｅａｈｈｙＢａｂｙｎＯＷｗｏｒｋｓ
ａ
ｗｅｌｌ．Ｔｈｉｓｐａｐｅｒ
ｉｎｔｒｏｄｕｃｅｓａｎｄｄｅｍｏｎｓｔｒａｔｅｓｔｈｅ
ｓｐｅｃｉａｌ
ｔｅｃｈｎｉｑｕｅｓｉｎＨｅａｌｔｈｙｂａｂｙ，ｉｎｃｌｕｄｉｎｇ
ｃｏｌｕｍｎ—ｓｔｏｒｅｄｄａｔａｗａｒｅｈｏｕｓｅ，ｖｉｓｕａｌｉｚｅｄＯＬＡＰｑｕｅｒｙ，ｔｈｅ
ＢＤ－ＧＩＡ，ｉ．ｅ．ｔｈｅｂｉｒｔｈ—ｄｅｆｅｃｔｓｂａｓｅｄｇｅｏｇｒａｐｈｉｃｉｎｆｏｒｍａｔｉｏｎａｎａｌｙｓｉｓ，ｔｈｅｂｉｒｔｈｄｅｆｅｃｔｓｄａｔａｂａｓｅｄａｓｓｏｃｉａｔｉｏｎ，ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｃｌｕｓｔｅｒｉｎｇ，ｉｎｔｅｒｖｅｎｔｉｏｎｒｕｌｅｓｍｉｎｉｎｇ，ａｎｄｓｕｂ—ｃｏｍｐｌｅｘｓｙｓｔｅｍ．Ｋｅｙｗｏｒｄｓ
ｂｉｒｔｈｄｅｆｅｃｔｉｎｔｅｒｖｅｎｔｉｏｎ；ｓｕｂ－ｃｏｍｐｌｅｘｓｙｓｔｅｍ；ｄａｔａｍｉｎｉｎｇ；ｃｏｌｕｍｎ－ｓｔｏｒｅ
摘要在国家“十一五”科技支撑计划“出生缺陷干预效果评价系统”和国家自然科学基金“亚复杂系统中干预规则挖掘”支持下，中国出生缺陷数据挖掘系统ＨｅａｌｔｈｙＢａｂｙ的测试版本已经在具有３０年数据的全国出生缺陷数据仓库运行．介绍并演示ＨｅａｌｔｈｙＢａｂｙ特色技术，包括中国出生缺陷数据仓库的列存储方式，可视化的ＯＬＡＰ查询，出生缺陷地理信息分析ＢＤ－ＧＩＳ技术，面向出生缺陷数据的关联、分类、聚类知识发现，干预规则挖掘，亚复杂系统等．
关键词
出生缺陷干预；亚复杂系统；数据挖掘；列存储
中图法分类号ＴＰ３１１
出生缺陷是关系可持续发展的重大公共卫生和社会问题．建立全国出生缺陷监测数据仓库，深度挖掘出生缺陷规律，预防和控制出生缺陷是提高人口素质、建设和谐社会的重要组成部分．出生缺陷数据的特殊性和干预规则挖掘的特殊需求向传统数据挖掘技术提出了挑战．
在国家“十一五”科技支撑计划“出生缺陷干预效果评价系统”和国家自然科学基金“亚复杂系统总
干预规则挖掘关键技术”项目支持下，四川大学计算机学院数据库与知识工程研究所与中国出生缺陷监测中心联合攻关，开发了中国出生缺陷数据挖掘系统——ＨｅａｌｔｈｙＢａｂｙ，测试版本已经开始试运行．
１
ＨｅａｌｔｈｙＢａｂｙ系统概述
ＨｅａｌｔｈｙＢａｂｙ系统的开发主要涉及如下工作：
收稿日期：２０１０—０６—２５
基金项目：国家自然科学基金项目（６０７７３１６９）；国家“十一五”科技支撵计划基金项目（２００６ＢＡｌ０５Ａ０１）；四川大学青年教师科研启动基金项
目（２００９ＳＣＵｌｌ０３０，ＪＳ２００９１０１４５０７０２２）
通信作者：唐常杰（ｃｊｔａｎｇ＠ｓｃｕ．ｅｄｕ．ｃｎ）
万方数据
段磊等：中国出生缺陷数据挖掘系统ＨｅａｈｈｙＢａｂｙ
１．数据预处理．利用近３０年来全国医院出生缺陷监测数据、各省级监测数据、干预现状调查数据进行多源数据的融合和预处理工作．包括数据清理、数据融合和集成、数据转换等．
２．提供基于３０年出生缺陷监测数据的在线分析处理功能．建立出生缺陷数据仓库，将不同类型、不同来源的国家级、省级的多个监测数据集成至其中．并在此基础上进行在线分析处理（ｏＬＡＰ）和在线分析挖掘（ＯＬＡＭ）操作．
３。知识发现算法设计．利用已有出生缺陷数据资源，设计、开发高效算法，从大规模数据库中提取知识，挖掘规律，进行决策支持．
４．数据挖掘新理论、新算法研究．
ＨｅａｌｔｈｙＢａｂｙ系统开发平台为：ＪＺＥＥ＋Ｊａｖａ，稳
定、开发效率和可移植性高、易部署于多种应用服务器上．ＨｅａｌｔｈｙＢａｂｙ系统结构为基于Ｂ／Ｓ模式．客户端无需安装软件．用户界面了采用ＡＪＡＸ技术，在不增加任何额外安装前提下，为用户提供了更加友好的用户体验．ＨｅａｌｔｈｙＢａｂｙ采用基于角色访问控制（ＲＢＡＣ）的权限管理机制．用户登录后拥有与其
权限对应的界面布局和功能．图１描述了用户访问ＨｅａｌｔｈｙＢａｂｙ系统的应用逻辑图．
图１
ＨｅａｌｔｈｙＢａｂｙ应用逻辑图目前，ＨｅａｌｔｈｙＢａｂｙ测试版本已通过国家“十一五”项目课题组中期进展交流会议验收，中国出生缺陷监测中心已开始对ＨｅａｌｔｈｙＢａｂｙ进行试运行．
２
ＨｅａｌｔｈｙＢａｂｙ特色技术
２．１
中国出生缺陷数据仓库
中国出生缺陷数据涵盖逾１００项出生缺陷，３００
多张表，３００多个属性，初始事实表（ｆａｃｔｔａｂｌｅ）包含６０×１０６条记录．预处理后，事实表记录包括３７×１０６条记录．测试表明，传统的索引技术难以获得满意的查询效率．为此，设计了新的ＯＬＡＰ数据存储模式
ＭｅｔａＧａｌａｘｙ．运行表明：ＭｅｔａＧａｌａｘｙ能有效减少
存储空间，提高查询效率，伸缩性好．关于Ｍｅｔａ
万方数据
５２１
Ｇａｌａｘｙ的实现细节请见文献［－１３．
２．２
ｏＬＡＰ查询及结果可视化
对于系统用户，ＨｅａｌｔｈｙＢａｂｙ中ＯＬＡＰ查询有
下列特色：１）输入清晰，提供了简洁灵活的查询条件输入窗口；２）查询效率高，通常在毫秒级时间完成；３）查询结果可视化，ＨｅａｌｔｈｙＢａｂｙ支持柱状图、饼图等方式显示０ＬＡＰ查询结果．
图２、图３分别示例了ＨｅａｌｔｈｙＢａｂｙ柱状图和饼图显示０ＬＡＰ查询结果的截图．
图２
ＨｅａｌｔｈｙＢａｂｙ系统ＯＬＡＰ查询及柱状图显示
图３ＨｅａｈｈｙＢａｂｙ系统ＯＬＡＰ查询及饼图显示
２．３出生缺陷地理信息分析
出生缺陷地理信息分析可视为含“Ｗｈｅｒｅ地理维度特定值”约束集合的特殊ＯＬＡＰ分析．
图４
ＨｅａｈｈｙＢａｂｙ系统出生缺陷地理信息显示
ＨｅａｈｈｙＢａｂｙ出生缺陷地理信息分析功能模块称为ＢＤ－ＧＩＳ（ｂｉｒｔｈｄｅｆｅｃｔｓ—ＧＩＳ），要点包括：１）界面布局直观，出生缺陷地理信息分析界面为３窗口，右侧大窗是出生缺陷各监测点分布信息．左侧上下窗分别是当地高发出生缺陷分布信息和当地检测点的详细信息．如图４所示．２）适应我国出生缺陷监测三级体制，可任意查看各级监测点的信息．３）在正常网速的情况下，出生缺陷地理分析运行流畅、平稳．
２．４知识发现
ＨｅａｈｈｙＢａｂｙ提供了出生缺陷数据的多种挖掘算法．目前版本含关联规则、分类、聚类等典型算法和若干特色算法．图５为ＨｅａｌｔｈｙＢａｂｙ系统建立出生缺陷分类决策树的结果．特色算法包括朴素干预规则挖掘、基于数据流的未知干预发现、基于并行事件序列的干预规则挖掘等．这些算法的设计思想及实现细节，请详见文献［２—５］．
图５
ＨｅａｈｈｙＢａｂｙ系统建立出生缺陷分类决策树
３基于ＨｅａｌｔｈｙＢａｂｙ的数据挖掘新研究
３．１干预规则挖掘
数据处理有４个哲学层次，即搜集、存储、挖掘和干预．搜集存储是手脑的延伸，挖掘是认识自然，干预是在尊重自然的前提下改造自然，是数据处理活动的最高境界．典型干预如局部气候干预、金融调控、糖尿病干预、出生缺陷干预，等等．
干预不是藐视自然，而是“循律促变”；发现并遵
循事物发展的动力学规律，施加干预，使被干预对象向人们期望的方向发展．通常含３个要点：１）挖掘数据干预动力学规律，即干预规则；２）挖掘对象对干预
的响应规律，发现有效干预措施和力度；３）见微知
著，从对象微变发现和预测外界干预因素．分析结果广泛应用于工程、科研和社会调控、政策评价等领
域，为决策提供有力的依据．
万方数据
计算机研究与发展２０１０，４７（增刊）
为简洁解释干预规则挖掘，给出了必要的符号和术语，限于篇幅，主要通过例子来说明思路．
被干预对象记为ｏ，其状态记为Ｓ。，干预手段Ｆ，预期干预效果为Ｓ。（干预实施后０的预期状态），实际干预效果为Ｓｉ（干预实施后Ｏ的实际状态）．干预行为表达为
／ｎｖ（０，Ｆ）：Ｓ。一Ｓ。．
Ｆ
干预规则挖掘分为３类【６］，下面举例说明．第１类干预规则．已知当前状态Ｓ。，干预措施Ｆ，预测干预Ｆ实施后，干预效果Ｓ卜
例１．已知某地婴儿神经管缺陷的发病率，预测对产妇补充叶酸（降低婴儿神经管缺陷的一种措施）后，该地区出生婴儿患神经管缺陷的发病率．
第２类干预规则．已知当前状态Ｓ。，干预措施Ｆ，设￡描述干预措施的实施参数（如：强度、频率等）．求达到预期干预效果Ｓ。，ｅ的取值．
例２．已知产妇补充叶酸能降低婴儿神经管缺陷发病率，为使得某地出生婴儿该缺陷发病率降低声（预期干预效果），应该补充多大剂量的叶酸？
该类任务的另一种形式是求取要达到最佳干预效果，干预措施的实施参数．
第３类干预规则．已知当前状态Ｓ。，预期干预
效果Ｓ。，挖掘能达到干预目的的干预措施Ｆ．
例３．已知某地区某类出生缺陷发病率为ｐ．通
过对比其他地域同类缺陷发病情况，利用数据挖掘方法挖掘能使该缺陷发病率降低ｐ７的潜在规则．
上述３类任务中，挖掘能到达预期干预效果的
干预规则难度最大．通常还需要结合领域知识．
将干预规则挖掘任务分为：１．静态数据的干预规则挖掘；２．流数据对象的干预规则挖掘；３．不确定数据的干预规则挖掘．
根据分类基数，可将干预规则挖掘任务分为：１．单个体干预规则挖掘．例如：对某一特定产妇
进行出生婴儿缺陷干预．
２．类个体干预规则挖掘．例如：对某一地区产妇
进行出生婴儿缺陷干预．
干预规则挖掘可广泛地应用于其他领域中．
３．２亚复杂系统
为简化研究对象、降低研究难度，作者提出了“亚复杂系统”模型【７。．它是在对复杂系统进行特征提取、抽取主要因素、降低数据维度等操作后，得到
的目前有可能做出工程性解决方案的系统．具有下
段磊等：中国出生缺陷数据挖掘系统ＨｅａｈｈｙＢａｂｙ列优点：１）屏蔽了复杂系统中次要或噪声因素；２）便
于“分而治之”，亚复杂系统概念和相关方法深化和
指导了ＨｅａｌｔｈｙＢａｂｙ系统的建设及应用．
４
ＨｅａｌｔｈｙＢａｂｙ演示要点
限于篇幅，我们这里没有将ＨｅａｈｈｙＢａｂｙ的特
色设计和实现技术详细列出．ＨｅａｈｈｙＢａｂｙ的特色设计包括：
１．界面设计．ＨｅａｈｈｙＢａｂｙ界面布局简洁，操作容易，应用Ａｊａｘ技术提高用户使用体验．
２．机构管理．采用灵活的机构树管理系统用户
所在的各级机构．各级机构按层次管理．系统管理员
可以添加、修改机构．机构管理结合基于角色访问控制提高了系统使用的安全性．
３．０ＬＡＰ查询．采用针对设计的ＭｅｔａＧａｌａｘｙ
数据存储模式，支持增加新的缺陷监测项，查询简
便、高效．查询一般在毫秒级完成．
４．出生缺陷地理信息分析．根据现行出生缺陷监测的三级体系．ＨｅａｌｔｈｙＢａｂｙ提供出生缺陷地理信息分析．授权用户可直观地查看其授权区域的出
生缺陷地理信息分析．
５．数据挖掘．ＨｅａｈｈｙＢａｂｙ提供了面向出生缺
陷数据的关联规则、分类、聚类等数据挖掘算法．为开展适用于出生缺陷数据的数据挖掘算法研究提供
了技术平台．
６．干预规则挖掘．针对出生缺陷干预需求，ＨｅａｌｔｈｙＢａｂｙ提供了若干干预规则挖掘算法．干预规则挖掘是数据挖掘研究的一个新领域．
参
考
文
献
Ｉｔ］ＺｕｏＪｉｅ，ＴａｎｇＣｈａｎｇｊｉｅ，Ｄｕａｎ
Ｌｅｉ，ｅｔａ１．Ｍｅｔａｇａｌａｘｙ：Ａ
ｆｌｅｘｉｂｌｅ
ａｎｄ
ｅｆｆｉｃｉｅｎｔｃｕｂｅｍｏｄｅｌ
ｆｏｒｄａｔａ
ｒｅｔｒｉｅｖａｌ
ｉｎ
ＯＬＡＰ／／
ＬＮＣＳ５７３１：Ｐｒｏｃ
ｏｆｔｈｅ
Ｉｎｔ
Ｗｏｒｋｓｈｏｐ
ｏｎ
Ｄａｔａｂａｓｅ
ａｎｄ
ＩｎｆｏｒｍａｔｉｏｎＲｅｔｒｉｅｖａｌ＆Ａｓｐｅｃｔｓｉｎ
ＥｖａｌｕａｔｉｎｇＨｏｌｉｓｔｉｃ
ＱｕａｌｉｔｙｏｆＯｎｔｏｌｏｇｙ－ｂａｓｅｄＩｎｆｏｒｍａｔｉｏｎ
Ｒｅｔｒｉｅｖａｌ（ＡＰＷｅｂ＿
ＷＡｌＭ
Ｗｏｒｋｓｈｏｐ）．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２００９；２３４—２４４
万方数据
５２３
［２］ＤｏｎｇＧｕｏｚｈｕ，Ｄｕａｎ
Ｌｅｉ，ＴａｎｇＣｈａｎｇｊｉｅ．Ｍｉｎｉｎｇ
ｄｉｓｅａｓｅ
ｓｔａｔｅｃｏｎｖｅｒｔｅｒｓ
ｆｏｒｍｅｄｉｃａｌｉｎｔｅｒｖｅｎｔｉｏｎｏｆｄｉｓｅａｓｅｓ．Ｊｏｕｒｎａｌ
ｏｆＢｉｏｉｎｆｏｒｍａｔｉｅｓａｎｄＣｏｍｐｕｔａｔｉｏｎａｌＢｉｏｌｏｇｙ，２０１０，８（１）：
７７－９７
［３］张悦。唐常杰，李川，等．出生缺陷监测数据中的朴素干预
规则挖掘．计算机科学与探索，２００９，１（２）：１８８－１９７［４］Ｗａｎｇ
Ｙｕｅ，ＴａｎｇＣｈａｎｇｊｉｅ，ＹａｎｇＮｉｎｇ，ｅｔ
ａ１．Ｉｎｔｅｒｖｅｎｔｉｏｎ
ｅｖｅｎｔｓ
ｄｅｔｅｃｔｉｏｎａｎｄｐｒｅｄｉｃｔｉｏｎｉｎ
ｄａｔａ
ｓｔｒｅａｍｓ／／ＬＮＣＳ
５４４６：
ＰｒｏｃｏｆＡＰＷｅｂ—ＷＡＩＭ
２００９．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２００９：５１９—
５２５
［５］Ｙａｎｇ
Ｎｉｎｇ，Ｔａｎｇ
Ｃｈａｎｇｊｉｅ，Ｗａｎｇ
Ｙｕｅ，ｅｔ
ａ１．Ｍｉｎｉｎｇ
ｉｎｔｅｒｖｅｎｔｉｏｎｓｆｒｏｍ
ｐａｒａｌｌｅｌ
ｅｖｅｎｔ
ｓｅｑｕｅｎｃｅｓ／／ＬＮＣＳ
５４４６：
ＰｒｏｃｏｆＡＰＷｅｂ－ＷＡＩＭ２００９．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２００９：２９７—
３０７
［６］唐常杰，段磊．王悦。等．干预规则挖掘的任务分类和３项
技术进展．计算机应用，２０１０，３０（１）：１０—１４
［７］唐常杰，张悦。唐良，等．亚复杂系统中动力学干预规则挖
掘技术研究进展．计算机应用，２００８，２８（１１）：２７３２—２７３６・
２７４８
段磊男，１９８１年生，博士，讲师，主要研究方向为数据库技术、数据挖掘．
左劫男，１９７７年生，博士，讲师，主要研究方向为数据库技术、数据挖掘．
李川男，１９７７年生，博士，副教授，主要研究方向为
数据库技术、数据挖掘．
豫瑜男，１９７４年生，博士，讲师，主要研究方向为数
据库技术、数据挖掘．
唐常杰男，１９４６年生，教授，博士生导师，主要研究方向为数据库技术、数据挖掘．
朱军女，１９６４年生，教授，主要研究方向为出生缺陷干预．
代礼男，１９７４年生，博士，副教授，主要研究方向为
出生缺陷干预．
牟昕男，１９８６年生，硕士，主要研究方向为数据库
技术、数据挖掘．