本研究采用樸素貝葉斯,K最近鄰（K-NN）和基于案例推理（CBR）的方法構(gòu)建了乳腺癌（BC）診斷模型,目的是通過提高準確率來優(yōu)化CBR的檢索過程。根據(jù)醫(yī)療專家的建議和幫助,我們選擇了2014年至2016年莫桑比克馬普托市中心醫(yī)院（HCM）莫桑比克乳腺癌數(shù)據(jù)集的樣本數(shù)據(jù)。在乳腺癌診斷數(shù)據(jù)庫中選擇了約1200名患者作為病例,從中產(chǎn)生了培訓(xùn)和測試集。因此,本文研究了一種將樸素貝葉斯（Na?ve Bayes）,CBR和KNN相結(jié)合的乳腺癌診斷智能模型。實施該模式的主要步驟包括:（1）采用樸素貝葉斯模型將集合分為兩類（2）將K-NN算法應(yīng)用于CBR中以檢索大多數(shù)類似情況。在第一階段,樸素貝葉斯被用來估計患者是否有惡性腫瘤或良性腫瘤,并與K-NN和J48決策樹分類器進行比較,樸素貝葉斯表現(xiàn)出優(yōu)異的表現(xiàn),準確率為95%。在第二階段我們測試了選定的k值,結(jié)果顯示99%的準確度。實施K-NN后提出的診斷框架的檢索結(jié)果顯示,檢索到的病例之間的相似性比率高,最小距離一直低至0.13。結(jié)果顯示實施的模型能夠整合樸素貝葉斯和CBR用于乳腺癌診斷。它可以為衛(wèi)生從業(yè)人員提供乳腺癌診斷的支持系統(tǒng),從而減少診斷不準確性... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
Acknowledgements
ABSTRACT
摘要
Chapter 1 Introduction
    1.1 Background
    1.2 Problem Statement
    1.3 Situation in Mozambique and China
    1.4 Research Structure
Chapter 2 Literature Review
    2.1 Breast Cancer Overview
    2.2 Case-Based Reasoning (CBR) in healthcare
        2.2.1 CBR in Breast Cancer
        2.2.2 Case retrieval methods in CBR
Chapter 3 Proposed Conceptual Design and Model Implementation
    3.1 Data Exploration
    3.2 Descriptive Model (Phase I)
        3.2.1 Na?ve Bayes
        3.2.2 J48 Decision trees Classifier
        3.2.3 K-NN Classifier
    3.3 K-NN based CBR Retrieval (Phase II)
        3.3.1 Nearest Neighbor Classifiers
        3.3.2 Indices/ Indexing
        3.3.3 Case retrieval
        3.3.4 Case Adoption
Chapter 4 Results and Discussion
    4.1 Data Preprocessing
        4.1.1 Dimensionality reduction / Feature subset selection
        4.1.2 Discretization and Binarization
        4.1.3 Variable transformation
        4.1.4 Feature Creation
    4.2 Phase I
        4.2.1 Evaluation
        4.2.2 Comparative Performance Analysis of the Classifiers
    4.3 Phase II
        4.3.1 Evaluation performance of K-NN
        4.3.2 CBR retrieval results
Chapter 5 Conclusion
    5.1 Overall Summary
    5.2 Limitations
    5.3 Future Research
References
List of Academic Activities and Achievements during the Degree


【參考文獻】：
期刊論文
[1]案例推理的故障診斷技術(shù)研究綜述[J]. 柳玉,賁可榮.  計算機科學與探索. 2011(10)
[2]CBR技術(shù)在Multi-Agent故障診斷中的應(yīng)用[J]. 朱群雄,劉光.  計算機工程與應(yīng)用. 2004(21)
[3]基于范例推理的結(jié)核病專家系統(tǒng)[J]. 張治洪,童溶,王仲元,王巍.  天津理工學院學報. 1997(03)



本文編號：3435581