乳腺癌具有較高的發(fā)病率和死亡率,嚴(yán)重威脅女性的身體健康。因其發(fā)病機(jī)理難以確定且病情隱匿,所以早期乳腺癌很難被發(fā)現(xiàn),不易引起患者的重視。大量乳腺癌患者由于錯(cuò)過最佳治療時(shí)機(jī)而導(dǎo)致病情加速惡化,甚至威脅生命。人工篩查腫瘤過程存在效率低以及主觀性強(qiáng)的缺點(diǎn),使得乳腺癌患者無法得到根治。近年來我國(guó)各個(gè)領(lǐng)域的數(shù)據(jù)量成指數(shù)規(guī)模擴(kuò)大,而與日俱增的醫(yī)療數(shù)據(jù)也給醫(yī)務(wù)工作人員帶來壓力和挑戰(zhàn)。醫(yī)療數(shù)據(jù)與一般數(shù)據(jù)相比有著異構(gòu)性、冗余性、隱私性等特點(diǎn)。醫(yī)務(wù)人員需要投入大量的人力物力才能從類別差異極大的數(shù)據(jù)中獲取有效信息進(jìn)而診斷疾病。由于傳統(tǒng)醫(yī)療診斷方法有一定的局限和不足,本文從分類監(jiān)督學(xué)習(xí)算法入手,挖掘乳腺癌患者的相關(guān)數(shù)據(jù)并利用模型進(jìn)行預(yù)測(cè)。本文的主要工作如下:（1）闡述了傳統(tǒng)的乳腺癌診斷治療方法,針對(duì)僅依靠臨床經(jīng)驗(yàn)和影像學(xué)診斷的缺陷,選擇開放的UCI數(shù)據(jù)庫作為數(shù)據(jù)來源,將決策樹算法應(yīng)用到乳腺癌臨床醫(yī)療預(yù)測(cè)中,利用患者乳房硬塊的細(xì)針抽吸數(shù)字影像數(shù)據(jù)進(jìn)行腫瘤良惡性的預(yù)測(cè)。結(jié)合因子分析法從較多屬性中選出影響較大的因子作為當(dāng)前節(jié)點(diǎn)的測(cè)試屬性,并自上而下遞歸建立模型,在此基礎(chǔ)上對(duì)決策樹進(jìn)行最佳深度的探索,構(gòu)建最佳決策樹模型... 

【文章來源】：海南大學(xué)海南省 211工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

數(shù)據(jù)挖掘的過程

海南大學(xué)碩士學(xué)位論文9（2）聚類分析將同構(gòu)性較高的數(shù)據(jù)區(qū)隔為不同的聚類，聚類間差異度越大越好，而聚類內(nèi)數(shù)據(jù)相似度則越高越好，聚類的本質(zhì)思想就是“物以類聚”[35]。在一大群的研究對(duì)象中一定會(huì)存在異質(zhì)化現(xiàn)象，這有可能是同質(zhì)化的群組所導(dǎo)致的結(jié)果，聚類就是要將不同的同質(zhì)化的差異找出來。（3）偏差檢測(cè)在數(shù)據(jù)庫中往往都有一些不合常理的數(shù)據(jù)，這些極端特例會(huì)影響模型的整體效果，檢測(cè)出偏差有利于改進(jìn)模型[36]。例如，在1萬例病例中，有5例屬于其他病癥引起的假陽性，偏差檢測(cè)可以發(fā)現(xiàn)這些異常與變化，提前采取措施，更好地指導(dǎo)人們的行為。（4）關(guān)聯(lián)規(guī)則分析關(guān)聯(lián)規(guī)則挖掘算法主要是用來發(fā)現(xiàn)數(shù)據(jù)中特征屬性間具有高度關(guān)聯(lián)性的一種模式，用規(guī)則來表示。它指的是變量與變量之間在取值上表現(xiàn)出某種規(guī)律性，即某個(gè)事件的發(fā)生可以觸發(fā)與之關(guān)聯(lián)的其他事件發(fā)生。數(shù)據(jù)挖掘主要是尋找最小支持度閾值的頻繁項(xiàng)和頻繁項(xiàng)中的高置信度。（5）時(shí)間序列以時(shí)間為度量衡進(jìn)行數(shù)據(jù)挖掘，將挖掘出的數(shù)據(jù)以圖形形式進(jìn)行展現(xiàn)，分析樣本隨時(shí)間變化的趨勢(shì)。時(shí)間序列分析多用來進(jìn)行預(yù)測(cè)，研究數(shù)據(jù)中因變量與自變量的關(guān)系，并對(duì)未來的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)[37]。2.2機(jī)器學(xué)習(xí)算法2.2.1機(jī)器學(xué)習(xí)的分類與應(yīng)用步驟機(jī)器學(xué)習(xí)理論的本質(zhì)就是讓計(jì)算機(jī)獲得自主學(xué)習(xí)和研究能力的算法。從海量的數(shù)據(jù)中通過一定的模型和規(guī)則自動(dòng)的分析出規(guī)律，并利用這些規(guī)律對(duì)未來的數(shù)據(jù)進(jìn)行預(yù)測(cè)[38]。人類在發(fā)展歷程中也總結(jié)出許多經(jīng)驗(yàn)，并對(duì)這些經(jīng)驗(yàn)進(jìn)行歸納獲得規(guī)律。機(jī)器學(xué)習(xí)中的訓(xùn)練與預(yù)測(cè)就是模擬人類歸納和推測(cè)的過程。學(xué)習(xí)過程如圖2所示：圖2機(jī)器學(xué)習(xí)與人類思考的對(duì)比Fig.2Machinelearningversushumanthinking

基于分類監(jiān)督學(xué)習(xí)算法的乳腺癌預(yù)測(cè)診斷研究10人工智能實(shí)現(xiàn)的重要途經(jīng)之一就是通過機(jī)器學(xué)習(xí)。在目前的實(shí)踐過程中，大部分人工智能問題都是由機(jī)器學(xué)習(xí)的方法實(shí)現(xiàn)的。通過設(shè)計(jì)好的程序和算法自動(dòng)進(jìn)行學(xué)習(xí)并對(duì)模型進(jìn)行改進(jìn)。機(jī)器學(xué)習(xí)已經(jīng)廣泛應(yīng)用于機(jī)器人、DNA序列檢測(cè)、搜索引擎、醫(yī)學(xué)診斷、金融等領(lǐng)域[39]，如圖3所示：圖3機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域Fig.3Machinelearningapplications機(jī)器學(xué)習(xí)包含四個(gè)方面：?jiǎn)栴}領(lǐng)域覆蓋更廣泛，能夠給出更加準(zhǔn)確精準(zhǔn)的解答，使知識(shí)的表達(dá)更加精煉，可讀性更好，以更小的代價(jià)獲得答案。機(jī)器學(xué)習(xí)算法與數(shù)據(jù)挖掘技術(shù)的任務(wù)類型基本相同，可歸納為以下幾點(diǎn)：（1）關(guān)聯(lián)（association）。本質(zhì)是在探索實(shí)體或?qū)傩灾g的關(guān)聯(lián)和潛在的規(guī)律。（2）偵察（detection）。偵察可以看作是異常檢測(cè)，在一組對(duì)象中篩選，標(biāo)記出非典型或是不正常的個(gè)體，并嘗試解釋這些異常。例如信用卡欺詐的檢測(cè)，通過檢測(cè)異常的購(gòu)物消費(fèi)鑒別，信用卡公司可以及時(shí)檢測(cè)并進(jìn)行凍結(jié)，保護(hù)客戶。（3）分類（classification）。在這類任務(wù)中，計(jì)算機(jī)程序需要為新輸入的數(shù)據(jù)指定類別，還有其他的分類問題例如不同類別的概率分布、對(duì)象識(shí)別和輸入缺失分類。（4）預(yù)測(cè)（prediction）。通過對(duì)已有數(shù)據(jù)的分析和篩選，去掉噪聲數(shù)據(jù)，確定影響最大的屬性，并對(duì)未來的數(shù)據(jù)進(jìn)行預(yù)測(cè)[40]。另外，機(jī)器學(xué)習(xí)還可以解決去噪、缺失值的填補(bǔ)、合成、轉(zhuǎn)錄、采樣和機(jī)器翻譯等任務(wù)。解決機(jī)器學(xué)習(xí)問題最困難的部分就是為當(dāng)前的任務(wù)選取合適的模型算法，不同的模型更適合于不同類型的數(shù)據(jù)和不同的問題，如圖4所示，為用戶解決不同問題提供了宏觀執(zhí)導(dǎo)和推薦。

【參考文獻(xiàn)】：
期刊論文
[1]基于大數(shù)據(jù)的精準(zhǔn)醫(yī)療服務(wù)體系研究[J]. 范美玉,陳敏.  中國(guó)醫(yī)院管理. 2016(01)
[2]超聲檢查和鉬靶X線攝片對(duì)乳腺疾病的診斷價(jià)值[J]. 谷云芝,左莉莉,王文娟,甄萍,孫霞,尹長(zhǎng)恒,宋德余,姜玉榮.  中國(guó)醫(yī)藥導(dǎo)報(bào). 2015(19)
[3]基于大數(shù)據(jù)技術(shù)的臨床數(shù)據(jù)中心與智能分析應(yīng)用平臺(tái)構(gòu)建[J]. 李維,陳祁,張晨,沈韜.  醫(yī)學(xué)信息學(xué)雜志. 2014(06)
[4]細(xì)針穿刺細(xì)胞學(xué)檢查對(duì)乳腺腫塊診斷價(jià)值的系統(tǒng)評(píng)價(jià)[J]. 于瀅華,鐘鑒宏.  中國(guó)癌癥防治雜志. 2013(03)
[5]大數(shù)據(jù)在醫(yī)療個(gè)性化服務(wù)中的應(yīng)用[J]. 許德泉,楊慧清.  中國(guó)衛(wèi)生信息管理雜志. 2013(04)
[6]基于云計(jì)算的醫(yī)療大數(shù)據(jù)挖掘平臺(tái)[J]. 高漢松,肖凌,許德瑋,桑梓勤.  醫(yī)學(xué)信息學(xué)雜志. 2013(05)
[7]人工智能輔助診療技術(shù)(手術(shù)機(jī)器人)臨床應(yīng)用調(diào)研報(bào)告[J]. 劉曉征,田曉曉.  中國(guó)醫(yī)學(xué)裝備. 2011(08)
[8]青年乳腺癌282例臨床分析[J]. 劉勝春,吳凱南.  重慶醫(yī)學(xué). 2005(12)
[9]數(shù)據(jù)挖掘任務(wù)之二:預(yù)測(cè)[J]. 張阿蘭,戴穩(wěn)勝,謝邦昌.  中國(guó)統(tǒng)計(jì). 2004(11)
[10]醫(yī)學(xué)數(shù)據(jù)挖掘的技術(shù)、方法及應(yīng)用[J]. 朱凌云,吳寶明.  生物醫(yī)學(xué)工程學(xué)雜志. 2003(03)



本文編號(hào)：3251968