《医药信息学》考点.docx

《医药信息学》是一门融合医学知识与信息技术的学科，其考试内容涵盖了多个方面的知识点。以下是对各个部分的详细解析： 1. **《医药信息基础》**：这部分主要考察对数据、信息、标准和标准化的理解，包括医学信息标准如ICD（国际疾病分类）和HL7（健康水平七）。理解数据是信息的基础，信息则是经过处理和组织的数据，而标准化则是为了确保信息的一致性和互操作性。ICD是全球通用的疾病和健康问题分类系统，而HL7则是一种医疗信息系统间交换数据的标准。 2. **《医药信息检索》**：这部分重点在于信息检索的基本概念，如信息检索的定义、分类以及计算机检索技术。了解文献的分类、特征信息和检索类型，掌握文献检索语言和检索方法是关键。例如，理解布尔逻辑在信息检索中的应用，以及如何使用特定的检索语法来精确查找所需的信息。 3. **《Matlab基本及时间序列分析》**：Matlab是强大的科学计算软件，这里涉及了向量操作、函数使用等多个方面。考生需要熟练掌握如“：”在生成向量时的作用，向量转置，linspace和logspace函数创建等差和等比数列，reshape函数重塑数组，find函数查找数组元素，diag函数处理对角元素，以及统计函数sum和mean的运用。此外，还包括bar、barh和pie函数创建图表，以及time序列分析中的趋势项计算，如滑动平均法、移动平均法和拟合函数法。polyfit函数用于多项式拟合，周期信号预测则涉及到图形生成。 4. **《多变量分析》**：这部分主要涉及多元统计分析，如多元线性回归、主成分分析、判别分析和聚类分析。考生需要理解基本的矩阵运算，并能运用MATLAB中的regress、princomp、classify、pdist、linkage、cluster等函数进行数据分析。 5. **《支持向量机算法》**：SVM（支持向量机）是机器学习中的重要分类算法。考生需要理解分类算法的基本概念，如训练、测试过程，以及训练数据和测试数据的区别。同时，需要熟悉SVM在MATLAB中的实现，能够理解和分析SVM的MATLAB代码。 考试题型包括选择题、填空题、简述题、程序分析与填空以及论述题，覆盖了理论知识和实践操作两个层面，旨在全面评估学生对医药信息学的理解和应用能力。复习时，考生应依据各专题老师的课件和资料，深入理解并练习相关知识点。