大肠早癌辅助诊断数据挖掘方法研究

《大肠早癌辅助诊断数据挖掘方法研究》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、中南大学博士学位论文大肠早癌辅助诊断数据挖掘方法研究姓名：廖志芳申请学位级别：博士专业：控制科学与工程指导教师：樊晓平20081001博+学位论文摘要要进行数据转换。针对算法中的参数，即初始聚类数目和中心点的选取进行了优化分析，其中初始聚类数目利用遗传算法进行优化，获得初始聚类数目的取值空间；同时对中心点的选取进行了优化说明，同时对算法性能进行了分析。以形成的聚类数据集为基础，利用均值方差法和荧光强度比值判别法进行数据特征的提取，得到正常组织和癌症组织的分类特征，为分类判别提供依据。针对医疗诊断数据中实时性要求，通过分析所采用的分类算法性能，发现该分类算法存在着大量重复计算，因此算

2、法复杂度和算法的空间复杂度比较高。为解决这一问题，本文提出了基于检索树结构的处理方法，通过构建检索树，将多数重复计算节点构建在检索树的高层，无重复节点建立在检索树的下层，以此来降低算法的重复计算，有效地降低了算法复杂度以及空间复杂度，以满足诊断实时性要求。针对医疗诊断数据中的不平衡性，在分析了非平衡数据分布特征以及当前的非平衡数据处理方法后，利用样本处理技术，本文提出了全局密度非平衡数据分类，∥．密度非平衡数据分类方法以及边界样本局部密度的非平衡数据分类方法，全局密度非平衡数据分类方法以各自类别的样本为基础进行综合平均，这种方法有利于稀疏数据的分类而降低密集数据分类有效性；∥．密度

3、非平衡数据分类方法通过代价敏感方法，分析样本分类正确性代价，得到合适的∥值进行样本数据的选取，以提高非平衡数据分类有效性；边界样本局部密度的非平衡数据分类方法着重分析处于非平衡数据集中的边界样本数据，通过多种方法进行边界数据的分类，同时对算法中的相关参数进行分析。这三种算法都是通过样本数据选择，提高少数类样本数据量以减少数据非平衡性。论文最后总结了全文的创新点，提出了今后将继续进行的研究方向。预测关键词：医疗数据分析，数据挖掘，特征提取，聚类分析，分类n博十学位论文ABSTRACTABSTRACTWiththedevelopmentofBioinfcIrmaticsandBiome

4、dicalEngineering，alotofmedicalinformationincludingmedicalimagineresource，physiologicalguideline，bioinformationandsomepatients’stufffileavailableinmanyhospitalsandresearchgroups．Weneedtoanalyzetheinformationassomeusefulinformationisconcealedbythegeneralprocessingmethodswhichsometimescanbetheaid

5、eddiagnosisrules．Dataminingtechnologyisimprovedquicklyinbiomedicalareas．Itcanbeusedtoprocessocean—storehistorymedicaldatathatresultssomeusefuldiagnosisrulesderivesfromthepatients’informationincludingage，gender，habitsandexamineresults，SOtherulesareinpopularitemswithnoinferenceandlarge-scaledata

6、processing．ThisdissertationpresentstheresearchissuestOprocessAuto—FluorescenceSpectrogramforColorectalCarcinomabydataminingtechniqueswiththestepsofpreprocessing，formingthetrainingsamples，buildingtheclassificationmodel．SomeAuto—FluorescenceSpectrogramforColorectalCarcinomaAidedDiagnosisMethodsw

7、illbebuiltwiththeresearchresults，andtrytoprovidethewaystothedoctorsforthediagnosis．．Thisdissertationfirstanalysesthetheory，characteristicsofAuto—FluorescenceSpectrogramforColorectalCarcinoma，andpresentsthemodulesinAuto·FluorescenceSpect