分類技術在醫(yī)學診斷中的應用研究.pdf

1、癌癥、糖尿病、SARS等重大突發(fā)疾病的早期發(fā)現(xiàn)和確診是疾病成功治療的關鍵。目前，對這些疾病的診斷主要依靠醫(yī)生的臨床經驗。本文利用數據挖掘的分類功能分析過往臨床數據，將醫(yī)生診斷經驗形式化、客觀化，以提高診斷的準確率。文章探討了醫(yī)學數據挖掘面臨的問題，闡述了國內外在應用數據挖掘技術進行醫(yī)學診斷方面的研究現(xiàn)狀和發(fā)展。針對醫(yī)學數據集維度較高、不利于直接處理的問題，研究了屬性子集選擇算法，選擇與診斷結果相關性較高的屬性子集降以低數據維度。在研究分

2、析多種適用于醫(yī)學診斷的分類方法的基礎上，提出了基于貝葉斯理論的復合分類方法（BCCM），采用條件概率計算的方法組合多個分類器的診斷結果以提高分類準確率。運用復合分類器的基本思想，對KNN分類算法進行改進，提出基于貝葉斯理論的模糊KNN分類方法（BFKCM），將每個最近鄰居看做簡單的分類器，采用基于貝葉斯理論的概率計算方法組合K 個最近鄰居的預測結果以提高分類準確率。在威斯康辛州乳腺癌數據集和比馬印第安人糖尿病數據集上進行的實驗表明，BC