數(shù)據(jù)挖掘技術在白血病分型診斷中的應用.pdf

1、摘要：白血病是血液系統(tǒng)惡性腫瘤，嚴重危害人類的健康。近年來，隨著工業(yè)化進程的不斷發(fā)展，發(fā)病率呈現(xiàn)上升趨勢。白血病的分型診斷在治療中起著至關重要的作用。臨床上采用的急性白血病FAB分類方法是基于形態(tài)與細胞學檢查基礎，然而這種方法對于來源于同一系列的急性白血病間的鑒別不甚理想，甚至有時對于不同系列的白血病鑒別也較困難。自從Foon與Tod提出白血病免疫分型以來，流式細胞術(Flow Cytometry，F(xiàn)CM)已成為診斷血液系統(tǒng)惡性腫瘤不可

2、缺少的重要工具，廣泛應用于白血病的臨床檢測。精確的流式細胞儀技術免疫分型通過分析白血病細胞群中特異抗原(CD)的表達特點對白血病進行診斷分型。但是現(xiàn)在用于白血病免疫分型診斷的免疫標記數(shù)以百計，很少有一種疾病具有特異的指標。也就是說，某一種指標很難確診某種類型的白血病。一方面，一種類型的白血病具有多種指標的組合(其中一部分為陽性，另一部分為陰性)；另一方面，一種指標又可以同時出現(xiàn)在多種不同類型的白血病中。這給臨床醫(yī)生對白血病的分型診斷帶來

3、了很大的困難。主要表面在不能全面的對種類繁多的指標進行全面的認識；另外錯綜復雜的指標組合也是診斷困難的原因之一。
　　 數(shù)據(jù)挖掘是從數(shù)據(jù)庫或數(shù)據(jù)倉庫中發(fā)現(xiàn)隱藏的、預先未知的、有趣信息的過程，是近年來隨著人工智能和數(shù)據(jù)庫技術的交叉融合而興起的邊緣科，它致力于發(fā)現(xiàn)隱含在數(shù)據(jù)中的關于事物本質和事物發(fā)展趨勢的知識或律，并為專家的決策提供支持。
　　 本文首先研究了Apriori算法在具體的免疫分型方法上的應用，給出了詳細的實驗步

4、驟和實驗結果。實驗結果揭示了免疫分型中各項檢驗結果與相關的白血病分型之間的置信度關系，對醫(yī)生的臨床診斷起到輔助的作用。
　　 其次在基于決策樹及其剪枝方法的分類規(guī)則分析方面，通過對決策樹ID3算法及其相關改進算法的研究，以相關數(shù)據(jù)作為樣本，構建了決策樹。然后分別運用訓練樣本和測試樣本對生成的決策樹進行測試。針對ID3算法表現(xiàn)出來的不足之處，引入剪枝算法。在全面比較了幾種常用的后剪枝算法的利弊后，結合目前的樣本數(shù)據(jù)的實際情況，采用

5、PEP后剪枝算法對生成的決策樹進行剪枝，最后將ID3算法應用到白血病分型診斷中，構建了白血病分型診斷結果作為分類預測目標屬性的決策樹，隨后同樣采用PEP后剪枝算法，對生成的決策樹進行剪枝，使剪枝后的樹形結構更加簡潔。
　　 最后本文描述了MICM診斷比對系統(tǒng)設計與實現(xiàn)，結合數(shù)據(jù)挖掘技術中的關聯(lián)技術和分類技術，提出切實可行的軟件模型，對論文中所做的研究工作進行了實際的應用，通過VB和小型DBMS(Access)進行配合，最終加以實