肝病数据挖掘与专家系统的研究

摘要

随着数据库管理系统在各行各业的深入发展和应用，人们逐渐被大量数据包围，如何把数据挖掘理论应用到医学领域成为研究热点。通过对医学数据的分析，挖掘出隐含在其中的、重要的规则、信息或者知识，用于医生诊断、治疗疾病以及促进健康等方面的工作，具有非常重要的意义。
　　本文的研究工作如下:
　　(1)研究了医学数据挖掘的国内外现状，以及与本课题相关的分类、聚类分析等数据挖掘技术，并重点研究了决策树算法存在的问题。
　　(2)针对决策树算法在选取训练元组时，只获取到整个数据集的大体信息而遗漏一些有价值的模式，从而影响决策树准确率的问题，提出了基于聚类抽样的决策树改进算法(Improved Decision Tree Algorithm basedon Cluster Sampling，IDTACS)，通过结合聚类算法来对实例进行分组后，从各组随机抽样组合成训练集，保证所有分组都获得一定数量的事例，以最大限度地获取数据集的信息，从而提高决策树的准确率，并进行了实验分析。研究结果证明改进的决策树算法IDTACS在准确率方面得到较好的提高。
　　(3)详细描述了在收集基于电子病历的医院信息管理系统积累的慢性乙型病毒性肝炎病人的数据后，利用决策树改进算法IDTACS挖掘潜在的肝病指标与抗病毒治疗方面的关联规则的具体过程，并设计和初步实现了肝病专家原型系统。
　　本原型系统可以根据数据挖掘得到的规则，初步建立知识库，按照病人相关情况，辅助临床医生制定病人的治疗方案，用于指导肝病治疗、临床教学以及科研工作等。

目录

声明

摘要

第一章 概述

1．1 课题研究的背景

1．2 国内外研究现状

1．3 选题的研究目的与意义

1．4 研究内容

1．5 拟采取的研究方法

1．6 论文的框架

1．7 小结

第二章 数据挖掘相关理论

2．1 概述

2．2 决策树算法的研宄现状

2．2．1 决策树算法简介

2．2．2 常见的决策树算法

2．2．3 现有决策树改进算法

2．3 k-均值算法简介

2．4 医学数据挖掘概述

2．5 小结

第三章 基于聚类抽样的决策树改进算法

3．1 问题的提出

3．2 基于聚类抽样的决策树改进算法

3．2．1 IDTACS算法的组成

3．2．2 IDTACS算法的构造

3．3 实验评估

3．3．1 实验环境

3．3．2 实验对象分析

3．3．3 实验过程

3．3．4 实验结果

3．4 小结

第四章 肝病数据挖掘的实现

4．1 问题的提出

4．2 数据收集

4．3 数据预处理

4．4 决策树构建

4．5 规则提取

4．6 肝病专家原型系统的建立

4．7 小结

第五章 结论与展望

5．1 工作总结

5．2 进一步的工作

参考文献

致谢

攻读硕士学位期间发表的学术论文目录