该论文基于德国 Aachen Uniklinik 医院的重症监护室的实际病例，通过过程挖掘技术开发了一种规范模型来代表 COVID-19 患者的临床治疗指南，并分析了来自医院信息系统的行为记录与该指南的一致性，该方法可以揭示出医疗过程中的主要偏差，为医生提供改进过程和确保服务质量和患者满意度的有用指示，并公开了该模型的 BPMN 文件。

Sep, 2022

通过对稀疏心衰患者数据集进行处理挖掘和决策挖掘，本研究探讨了在医疗保健领域处理不同类型数据的各种挑战，并分析了患者心衰数据中与多个研究问题相关的信息增益和决策结果。

Mar, 2024

本研究旨在开发处理特殊事件数据的过程挖掘技术，特别是不确定性事件数据，通过回顾现有文献，定义未来展望，为该研究课题奠定基础。

Apr, 2022

为了更好的达到过程模型的符合度和简化度之间的平衡，本文提出一种半自动化的过程挖掘方法，包括模型简化方法和引入 meta-state 概念来减少模型复杂度，并以三个医疗领域的数据集为案例来说明该技术方案的应用和提供更好实践。

Jun, 2022

本文分析和研究了使用最新技术（如大数据、人工智能、机器学习和深度学习）改善医疗保健的不同方法，提出了基于收集、预处理和聚类医疗数据的一般方法，以在可观的时间范围内预测最常见的病理。

Apr, 2023

这篇文章介绍了一个包含 50 个真实商业流程的综合数据集，该数据集对于包括任务挖掘和流程自动化在内的各种应用具有重要潜力，是研究人员和从业者的宝贵资源。

Aug, 2023

本研究提出了一种基于拓扑属性的流程来帮助医生分析 COVID-19 临床记录，可以提取有意义的路径。该流程包括三个步骤：1）预处理临床记录以提取重要概念，2）构建患者的特征空间以表征提取的概念，最后，3）利用拓扑特性提取可用知识并可视化结果。实验结果证明，该流程能够提取有意义的路径。

Jan, 2021

本文提出了一种基于神经网络的方法，通过将用户交互数据聚合为单独的用户会话来解决没有案例标识符的点击数据的分析障碍，并在移动共享公司的用户交互事件的上下文中展示事件 - 案例相关性的案例和用户研究。通过与流程专家的访谈，本文进一步验证了流程挖掘分析对结果良好形成的事件日志的影响。

Apr, 2022

本文探讨了在将机器学习模型整合进过程挖掘管道中所需考虑的问题，特别是数据分布的非参数性以及并发限制，提出了正确地将机器学习与过程挖掘相结合的方法学基础及在这一方向上的研究思路。

Jun, 2023

该研究使用关联规则挖掘算法基于 Apriori 算法分析 COVID-19 患者的数据，发现最常见的症状为呼吸暂停（72%），咳嗽（64%），发热（59%），虚弱（18%），肌肉疼痛（14.5%）和喉咙痛（12%）。该方法为临床医生提供宝贵的见解，有助于有效管理和治疗该疾病。

Aug, 2023