數據挖掘在甲狀腺功能減退癥分類中的應用與研究.pdf

1、醫(yī)療信息化的發(fā)展，診斷數據量的激增，需要結合數據挖掘技術進行深入分析，提取有潛在意義的知識。當前基于甲狀腺功能減退癥(簡稱甲減)的分類挖掘研究較少，只是純粹地從醫(yī)療分析的角度，統(tǒng)計學原理的角度，單一數據挖掘模型的角度出發(fā)，未能將統(tǒng)計方法與數據挖掘技術有機結合，也未能將數據挖掘的多種模型進行綜合性地比較分析，以此決定甲減分類模型的優(yōu)劣。
　　 本文針對甲減分類在以上研究領域的不足，挖掘甲減的不同測量數據，從統(tǒng)計原理的方法和實際應用

2、兩方面對多種分類模型進行了較為深入的研究。從變量要求、數據魯棒性、時間運行、結果解釋、分類準確率和性能伸縮性等多因素，綜合研究了三類模型的性能優(yōu)劣，對臨床甲減分類診斷具有一定的參考作用和指導意義。本文所做的主要工作有：
　　 1)闡述了數據挖掘技術的相關概念和主要應用領域，較為深入地分析了數據挖掘過程CRISP-DM中的各個實施階段，及其產生的相應結果。結合研究與應用，對甲減分類進行較為透徹的業(yè)務理解。同時在數據理解過程中，進行

3、了甲減屬性的深入探索，使訓練集和測試集的選擇具備一般性。在數據準備方面，針對相關變量字段存在的缺失值，離群值，無用屬性或冗余屬性等情況，進行了較為全面的數據分析和數據預處理工作。
　　 2)基于數據模型的統(tǒng)計學原理，本文著重探討了統(tǒng)計方法與數據挖掘的異同之處和相互關系，主要研究了判別式分析算法，Logistic回歸算法和CHAID決策樹算法的數學原理及應用。通過建立相應的數據挖掘模型，得出了甲減分類的主要判別指標。以統(tǒng)計原理的方

4、法與多種數據挖掘模型相結合的方式，進行了較為全面的數據統(tǒng)計分析和挖掘算法研究，找到較優(yōu)的挖掘模型，并進一步將三種模型從不同測量因素上進行綜合分析與比較。
　　 3)在Clementine12.0開發(fā)環(huán)境下，采用了CRISP-DM數據挖掘標準過程進行系統(tǒng)性的甲減挖掘研究與開發(fā)，從總體上和細節(jié)上有機地把握挖掘實施過程的六個階段，以一種結構化的、體系化的、標準化的、可視化的流程進行數據挖掘工作。利用Script腳本語言開發(fā)數據挖掘的整