數據挖掘在計算機輔助診斷中的應用研究.pdf

1、近年來，計算機輔助診斷(Computer Aided Diagnosis，CAD)逐漸成為醫(yī)學領域的研究熱點之一，很多計算機輔助診斷技術不斷出現并獲得快速發(fā)展，對于提高臨床醫(yī)生診斷的準確率、減少漏診起到了積極的作用。數據挖掘技術的興起和發(fā)展為計算機輔助診斷的發(fā)展提供了更廣闊的空間。本文就基于數據挖掘的計算機輔助診斷在檢驗醫(yī)學中的應用做了有益的嘗試和探索。
　　 計算機輔助診斷在醫(yī)學影像學方面的應用已經取得了重大進展，但在檢驗醫(yī)學

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

3、對數據屬性進行維規(guī)約，排除無關屬性，保留相關屬性。維規(guī)約采用貪心算法，逐步向前選擇有用屬性。在屬性的相關性分析中采用了熵增益技術，設定最小信息增益，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。
　　 決策樹挖掘是數據挖掘中的重要應用之_。本文采用了經典的ID3算法，在闡述了ID3算法及其改進算法(C4.5算法)后，對基于細胞計數的貧血病的臨床診斷標準進行維規(guī)約，并運用ID3算法生成決策樹模型，進而將該

4、模型用代碼實現，用于計算機的輔助診斷。
　　 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)療知識和臨床經驗。本文提出模糊聚類與逐步判別分析相結合的方法，用于胃病的計算機輔助診斷。
　　 本文首先介紹了模糊聚類及逐步判別分析的有關內容，并以此建立醫(yī)學疾病輔助診斷模型。然后結合實例分析，對從醫(yī)院消化內科收集到的156例胃病患者，構造模糊相似矩陣，計算傳遞偏差并結合臨床經驗選取恰當的λ。在模糊聚類分

5、析的基礎上，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中，不顯著的去掉。依此對患者進行預測診斷。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96.0％，在對另外的56例患者的預測診斷中，符合率也達到了91.1％，取得了良好的效果。該模型通過VB實現，整個診斷過程在計算機上進行，實現了胃病的計算機輔助診斷。
　　 基于數據挖掘的計算機輔助診斷在檢驗醫(yī)學中的應用還處于探索階段，本文也僅就數據挖