数据挖掘在原发性肝癌预后预测中的应用研究

《数据挖掘在原发性肝癌预后预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、上海交通大学硕士学位论文数据挖掘在原发性肝癌预后预测中的应用研究姓名：申羽申请学位级别：硕士专业：生物医学工程指导教师：庄天戈20040201数据挖掘在原发性肝癌预后预测中的应用研究　　摘　　要　　原发性肝癌是各种实体恶性肿瘤中进展较快的恶性肿瘤之一它属疑难杂症及危害疾病病人手术切除率较低并且术后５年生存率较低由于与此疾病相关的信息过于分散和不易全面获得医生患者都只能通过经验的积累来形成对疾病预后情况预测的定性判断和定量描述因此在疾病预后预测问题上长期存在定性判断简单粗略准确率较差的问题并且到目前为止无论国内还是国外都尚未检索到运用数据挖掘技术

2、进行原发性肝癌预后预测的相关研究本课题则是在这一领域所进行的初步探索它旨在研究一种应用于临床的原发性肝癌预后预测的数据挖掘算法以期计算机辅助预测原发性肝癌手术后病人的生存期选择最佳治疗方案以提高生存质量显然这是一个富有挑战性并具有重大社会意义的课题　本文的工作有以下几个方面一从第二军医大学东方肝胆外科医院采集原发性肝癌病例３４４个经过与医生的不断交流以及文献资料的查阅对原发性肝癌这一疾病有了足够的认识并且在医生的指导下对取得的数据进行了机械筛选和处理得到可以使用的１９２个病例每个包含了４１个属性二根据课题的特点在数据挖掘技术中选择了三种

3、有实现可能的算法进行研究与讨论其中总结了近年来的研究热点－－－神经网络集成算法的原理和应用并对其的本课题应用可能性作了讨论归纳了决策树算法的原理和发展且将其应用到实际的数据研究中建树得到原发性肝癌预后的分类决策树分析了其不合理性粗略介绍了贝叶斯网络最终使用朴素贝叶斯算法作为课题的落脚点并且针对本课题的实际情况提出了对缺损值位置的同概率分布假设以及基于分类相关性的属性筛选算法三采用朴素贝叶斯算法对实际取得的临床病例进行研究辅助预测这一疾病的预后情况根据数据属性与预测目标的相关程度大小筛选属性剔除弱相关属性并以同概率分布假设对数据样本中的缺损数据

4、进行预处理实验结果从３９个病理属性中筛选得到１２个对原发性肝癌预后预测有效的属性提高了分类准确率四对这一课题作了展望希望未来能在采集尽可能多的病例的基础上对原发性肝癌预后预测施用更多的数据挖掘技术　本课题的创新在于提出了对缺损值位置的同概率分布假设以及基于分类相关性的属性筛选算法并将贝叶斯算法应用到实际的原发性肝癌预后预测诊断中研究结果证明数据挖掘技术在医学领域有着广泛的应用前景　　关键字数据挖掘，贝叶斯算法，原发性肝癌预后，属性筛选缺损值处理　ＴＨＥ　　ＡＰＰＬＩＣＡＴＩＯＮ　　ＯＦ　ＤＡＴＡ　ＭＩＮＩＮＧ　　ＩＮ　ＰＲＯＧＮＯＳＴＩ

5、Ｃ　ＰＲＥＤＩＣＴＩＯＮ　ＯＦ　ＰＲＩＭＡＲＹ　ＬＩＶＥＲ　ＣＡＮＣＥＲ　ＡＢＳＴＲＡＣＴ　　Ｐｒｉｍａｒｙ　ｌｉｖｅｒ　ｃａｎｃｅｒ　ｉｓ　ｏｎｅ　ｏｆ　ｍａｌｉｇｎａｎｃｙ　ｄｉｓｅａｓｅｓ　ｗｉｔｈ　ｖｅｒｙ　ｐｏｏｒ　ｃｕｒａｂｉｌｉｔｙ　．Ｉｔ　ｅｎｄａｎｇｅｒｓ　ｔｈｅ　ｈｅａｌｔｈ　ｏｆ　ｐａｔｉｅｎｔｓ　ｂａｄｌｙ．　Ｈｏｗｅｖｅｒ　，ｔｈｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｌｅｖａｎｔ　ｔｏ　ｔｈｉｓ　ｄｉｓｅａｓｅ　ｉｓ　ｔｏｏ　ｄｉｓｐｅｒｓｉｖｅ　ｔｏ　ｃｏｌｌｅｃｔ　，ｓｏ　ｉｔ　ｉｓ　ｄｉｆｆｉｃｕｌｔ　ｆｏｒ　ｄｏｃｔ

6、ｏｒｓ　ｔｏ　ｇｅｔ　ｇｅｎｅｒａｌ　ｒｕｌｅｓ　ｆｒｏｍ　ｍａｓｓｉｖｅ　ｄａｔａ　ａｎｄ　　ｕｓｕａｌｌｙ　ｄｏｃｔｏｒｓ　ｏｎｌｙ　ｍａｋｅ　ｓｏｍｅ　ｑｕａｌｉｔａｔｉｖｅ　ｅｓｔｉｍａｔｉｏｎ　ａｎｄ　ｑｕａｎｔｉｔａｔｉｖｅ　ｄｅｓｃｒｉｐｔｉｏｎ　ｆｒｏｍ　ｔｈｅｉｒ　ｅｘｐｅｒｉｅｎｃｅｓ　．　Ｗｅ　ａｒｅ　ｎｏｔ　ｓａｔｉｓｆｉｅｄ　ｗｉｔｈ　ｐｒｅｓｅｎｔ　ｓｔａｔｕｓ　ｏｆ　ｐｒｉｍａｒｙ　ｌｉｖｅｒ　ｃａｎｃｅｒｓ　ｐｒｏｇｎｏｓｉｓ　．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ　，　Ｄａｔａ　ｍｉｎｉｎｇ　ｐｒｉｖｉｄｅｓ　ｕ

7、ｓ　ｓｏｍｅ　ｍｅａｎｓ　ｔｏ　ｓｏｌｖｅ　ｔｈｉｓ　ｐｒｏｂｌｅｍ　，ａｌｓｏ　ｗｅ　ｃａｎ　ｎｏｔ　ｆｉｎｄ　　ｒｅｌｅｖａｎｔ　ｒｅｓｅａｒｃｈ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ　ａｐｐｌｉｅｄ　ｉｎ　ｐｒｏｇｎｏｓｉｓ　ｏｆ　ｐｒｉｍａｒｙ　ｌｉｖｅｒ　ｃａｎｃｅｒ　ａｔ　ｈｏｍｅ　ａｎｄ　ａｂｒｏａｄ　ｗｉｄｅｌｙ．　　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　，ｗｅ　ａｐｐｌｉｅｄ　ｄａｔａ　ｍｉｎｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ　ｔｏ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｐｒｏｇｎｏｓｉｓ　ｏｆ　ｐｒｉｍａｒｙ　ｌｉｖｅｒ　ｃａｎｃｅｒ

8、　ａｎｄ　ｔｏ　ｆｉｎｄ　ａｎ　ｉｄｅａｌ　ｃｏｍｐｕｔｅｒ　ａｉｄｅｄ　ｍｅｔｈｏｄ　ｔｏ　ｐｒｅｄｉｃｔ　ｔｈｅ　ｓｕｒｖｉｖａｌ－ｐｅｒｉｏｄ