基于机器学习的卵巢肿瘤预测与分析研究

《基于机器学习的卵巢肿瘤预测与分析研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号；ＴＰ３１１．５单位代码：１０１８３研究生学号：２０１３５４４０８９密级：公开戀古林大学硕古学位论文专业学位（）基于机器学习的卵巢肿癖预测与分析研究ＯｖａｒｉａｎＴｕｍｏｒＦｏｒｅｃａｓｔａｎｄＡｎａｌｓｉｓＲｅｓｅａｒｃｈＢａｓｅｄｙｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ作者姓名：鄭杨类别：工程硕±领域（方向）：软件工程指导教师：胡亮教授培养单位：软件学院２０化年５月未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，巧不得对本论文的全部或部分

2、内容进行任何形式的复制、改编等有碍作者、修改、发行、出租著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕±学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进斤研究王作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研巧做出重要贡献＾的个人和集体＾，巧己在文中＾＾明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名／：晏冰Ｉ？Ｐ日期：年ｒ月如日基于机器学习的卵巢肿瘤预测与分析研究Ov

3、arianTumorForecastandAnalysisResearchBasedonMachineLearning作者姓名：邬杨专业名称：软件工程指导教师：胡亮教授学位类别：工程硕士答辩日期：2016年5月28日摘要摘要基于机器学习的卵巢肿瘤预测与分析研究21世纪以来随着信息科技的飞速发展，计算机在社会发展中发挥着越来越重要的作用。随着医院信息化的发展（医院信息系统和电子病历的应用）、数据储存技术的发展，医院数据库积累了大规模的数据。然而，目前大多数医院对于数据的处理还仅仅停留在“增、删、改、查”的低端数据处理操作，缺乏数据集成和分析的技术，更加无法利用已经获取的

4、数据进行辅助医学决策和自动获取知识。另一方面，面对大量的数据，传统的数据分析和处理方法已经无法获得数据之间的隐藏信息和内在关联，现在我们遇到的问题是，数据收集的手段得到飞速发展，数据存储的技术得到显著提高，但是如何利用这些来之不易的数据学以致用是我们现在主要面临的问题。本文在研究了数据挖掘的相关理论基础后，首先利用数据挖掘的相关理论基础对收集到的用于评价卵巢肿瘤的关键医学数据进行筛选和预处理。通过学习机器学习算法选取了机器学习中适合于医学数据挖掘的四种分类器：支持向量机，对于小的样本集、非线性样本集及需要进行高维降维的模式识别中有较好的效果，并且可以拓展到函数拟合等其

5、他问题中。朴素贝叶斯分类器，朴素贝叶斯模型有坚实的数学基础，分类效果稳定，并且所需要的样本空间很小，对有缺陷的数据集不敏感，算法简单。最近邻分类器，此方法对于类域的交叉或重叠较多的待分样本集来说，分类效果较好。随机森林算法对于很多种资料，可以产生高准确度的分类器，适合处理大量的输入变量，并且学习过程快。并且本文针对所采集数据设计了一个人工神经网络算法，由于其具有自学习能力、高速寻找最优解能力和联想存储功能，在构建数据分类算法方面，效果显著。本文分别用这五种算法进行分类预测分析，通过统计学理论知识对实验结果进行检验，并且将实验结果与国内外研究结果的准确性进行分析比较。从

6、机器学习的角度认识、理解实验结果，并且进行算法的整体性能评价，通过分析本文的实验结果，提取出有关于卵巢肿瘤临床医学数据的分类提取规则，实现针对卵巢癌早期预测的目的，以辅助临床诊断。做到早预测，早治疗，提高卵巢癌患者的生存率。关键词：机器学习，数据挖掘，卵巢肿瘤，人工神经网络，朴素贝叶斯IAbstractAbstractOvarianTumorForecastandAnalysisResearchBasedonMachineLearningSincethe21stcentury,withrapiddevelopmentofinformationtechnology,th

7、ecomputerplaysanincreasinglyimportantroleinourlife.Withremarkableadvancesofhospitalinformationization,applicationofelectronicmedicalrecordsanddatastoragetechnology,hospitaldatabasehasaccumulatedalargeamountofdata.Thesepreciousmedicaldataforpredictiontodisease,diagnosis,treatmen