數(shù)據(jù)挖掘在計算機(jī)輔助診斷中的應(yīng)用研究.pdf

1、近年來，計算機(jī)輔助診斷(Computer Aided Diagnosis，CAD)逐漸成為醫(yī)學(xué)領(lǐng)域的研究熱點(diǎn)之一，很多計算機(jī)輔助診斷技術(shù)不斷出現(xiàn)并獲得快速發(fā)展，對于提高臨床醫(yī)生診斷的準(zhǔn)確率、減少漏診起到了積極的作用。數(shù)據(jù)挖掘技術(shù)的興起和發(fā)展為計算機(jī)輔助診斷的發(fā)展提供了更廣闊的空間。本文就基于數(shù)據(jù)挖掘的計算機(jī)輔助診斷在檢驗醫(yī)學(xué)中的應(yīng)用做了有益的嘗試和探索。
　　 計算機(jī)輔助診斷在醫(yī)學(xué)影像學(xué)方面的應(yīng)用已經(jīng)取得了重大進(jìn)展，但在檢驗醫(yī)學(xué)

2、方面的應(yīng)用研究還相對較少。本文詳述了基于決策樹和模糊聚類分析兩種數(shù)據(jù)挖掘技術(shù)的計算機(jī)輔助診斷在檢驗醫(yī)學(xué)中的應(yīng)用，并由此得出應(yīng)用的一般模式。
　　 血細(xì)胞計數(shù)實驗對于一些疾病具有臨床診斷意義，本文重點(diǎn)介紹了運(yùn)用決策樹技術(shù)量化基于細(xì)胞計數(shù)的貧血病的診斷規(guī)則，形成診斷模型，將該模型通過代碼實現(xiàn)，用于計算機(jī)輔助診斷，為貧血病的診斷提供有效的診斷提示。該實驗的數(shù)據(jù)來自于醫(yī)院的檢驗信息系統(tǒng)。
　　 為提高數(shù)據(jù)挖掘的效率，必須針對主題

3、對數(shù)據(jù)屬性進(jìn)行維規(guī)約，排除無關(guān)屬性，保留相關(guān)屬性。維規(guī)約采用貪心算法，逐步向前選擇有用屬性。在屬性的相關(guān)性分析中采用了熵增益技術(shù)，設(shè)定最小信息增益，引入新的屬性后計算熵增益值，和最小信息增益閾值比較，來決定屬性的有用性。
　　 決策樹挖掘是數(shù)據(jù)挖掘中的重要應(yīng)用之_。本文采用了經(jīng)典的ID3算法，在闡述了ID3算法及其改進(jìn)算法(C4.5算法)后，對基于細(xì)胞計數(shù)的貧血病的臨床診斷標(biāo)準(zhǔn)進(jìn)行維規(guī)約，并運(yùn)用ID3算法生成決策樹模型，進(jìn)而將該

4、模型用代碼實現(xiàn)，用于計算機(jī)的輔助診斷。
　　 胃病是威脅人類健康的高發(fā)病之一，以往對于胃病的診斷，更多的是依靠醫(yī)師的醫(yī)療知識和臨床經(jīng)驗。本文提出模糊聚類與逐步判別分析相結(jié)合的方法，用于胃病的計算機(jī)輔助診斷。
　　 本文首先介紹了模糊聚類及逐步判別分析的有關(guān)內(nèi)容，并以此建立醫(yī)學(xué)疾病輔助診斷模型。然后結(jié)合實例分析，對從醫(yī)院消化內(nèi)科收集到的156例胃病患者，構(gòu)造模糊相似矩陣，計算傳遞偏差并結(jié)合臨床經(jīng)驗選取恰當(dāng)?shù)摩恕Ｔ谀：垲惙?/p>

5、析的基礎(chǔ)上，選用貝葉斯意義下的逐步判別分析模型，將有顯著作用的因素保留在判別函數(shù)中，不顯著的去掉。依此對患者進(jìn)行預(yù)測診斷。在對所收集的100例原始病例所做的回代驗證中，診斷符合率達(dá)96.0％，在對另外的56例患者的預(yù)測診斷中，符合率也達(dá)到了91.1％，取得了良好的效果。該模型通過VB實現(xiàn)，整個診斷過程在計算機(jī)上進(jìn)行，實現(xiàn)了胃病的計算機(jī)輔助診斷。
　　 基于數(shù)據(jù)挖掘的計算機(jī)輔助診斷在檢驗醫(yī)學(xué)中的應(yīng)用還處于探索階段，本文也僅就數(shù)據(jù)挖