【摘要】：當(dāng)前,乳腺癌是世界上相對頻發(fā)的惡性腫瘤之一,它的發(fā)展極大的危害了廣大女同胞的生命以及健康。常見的乳腺癌檢測方法包括X放射、CT、熱成像、超聲顯像等方法,但上述方法不僅需要極高的檢查費用,而且也會給患者身體帶來較大的損害以及痛苦。假如能有一種成本較低、效率較高而且對患者傷害小的診斷方法應(yīng)用于早期診斷,便可以降低患者的痛苦以及減少其經(jīng)濟(jì)支出。所以,乳腺癌診斷模型的建立便具有很高的實用價值,通過使用已經(jīng)建立好的乳腺癌檢測模型對乳腺癌疑似患者進(jìn)行檢查,從而輔助醫(yī)生進(jìn)行臨床決策以及提升乳腺癌的早期確診率。本文基于實驗室乳腺癌的三重評估基礎(chǔ)上,提出使用機(jī)器學(xué)習(xí)的方法對乳腺癌進(jìn)行診斷。機(jī)器學(xué)習(xí)的數(shù)據(jù)集來源于UCI機(jī)器學(xué)習(xí)庫中的699組乳腺癌數(shù)據(jù),該數(shù)據(jù)集為University of Wisconsin醫(yī)學(xué)研究中心的相關(guān)人員提取的乳腺癌診斷指標(biāo),本文通過逐步回歸以及PCA主成份分析方法分析該數(shù)據(jù)集中與乳腺癌相關(guān)的10個屬性,從而得到與乳腺癌密切相關(guān)的特征屬性,并保留其作為BP神經(jīng)網(wǎng)絡(luò)、決策樹、集成學(xué)習(xí)等機(jī)器學(xué)習(xí)的輸入變量。早期的乳腺癌診斷方法不僅給患者帶來極大的痛苦,而且診斷費用較高。機(jī)器學(xué)習(xí)在處理比較復(fù)雜的問題時候卻具有較高的準(zhǔn)確率,并且對新樣本具有良好的預(yù)測效果,從而可使機(jī)器訓(xùn)練出來的模型輔助臨床醫(yī)生進(jìn)行診斷,同時提升乳腺癌的早期診斷率。本文將使用UCI數(shù)據(jù)集中的乳腺癌診斷數(shù)據(jù)作為本文的實驗數(shù)據(jù),其中將683組數(shù)據(jù)(16組為數(shù)據(jù)不全的,已去掉)按照實驗要求6:4的比例分為訓(xùn)練數(shù)據(jù)集、測試數(shù)據(jù)集。然后,分別使用機(jī)器學(xué)習(xí)中的C4.5決策樹、BP神經(jīng)網(wǎng)絡(luò)以及集成學(xué)習(xí)等學(xué)習(xí)模型分別建立相應(yīng)的疾病診斷模型進(jìn)行仿真模擬。最后使用測試數(shù)據(jù)對各個建立好的算法模型進(jìn)行測試,實驗表明各個模型的預(yù)測結(jié)果與原數(shù)據(jù)的關(guān)聯(lián)性較強,說明建立的模型預(yù)測效果較好。其中基于BayesNet、Logistic、DecisionTable等算法集成的模型不僅比其中任意一個基分類器效果好,而且比常用的BP神經(jīng)網(wǎng)絡(luò)、C4.5決策樹等算法具有更好的分類能力。所以最后分析比較得出本人提出的集成學(xué)習(xí)模型更加適用于乳腺癌診斷。
【學(xué)位授予單位】：湖北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;R737.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊云;董雪;齊勇;;BP算法與C4.5算法在乳腺癌診斷中的比較分析[J];陜西科技大學(xué)學(xué)報(自然科學(xué)版);2015年03期

2 魏浩;丁要軍;;一種基于屬性相關(guān)的C4.5決策樹改進(jìn)算法[J];中北大學(xué)學(xué)報(自然科學(xué)版);2014年04期

3 苗紅星;余建坤;;基于決策樹的ID3算法和C4.5算法的比較[J];現(xiàn)代計算機(jī)(專業(yè)版);2014年15期

4 王卓;;基于粗糙集和C4.5決策樹的臨床病例數(shù)據(jù)分類研究[J];軟件導(dǎo)刊;2014年05期

5 趙永暉;;數(shù)據(jù)挖掘算法ID3的改進(jìn)研究[J];電腦開發(fā)與應(yīng)用;2014年04期

6 劉飛;羅永龍;郭良敏;馬苑;;面向個性化云服務(wù)基于用戶類型和隱私保護(hù)的信任模型[J];計算機(jī)應(yīng)用;2014年04期

7 孫博;王建東;陳海燕;王寅同;;集成學(xué)習(xí)中的多樣性度量[J];控制與決策;2014年03期

8 趙軍;趙玉玲;段琪慶;;基于logistic回歸的區(qū)域房地產(chǎn)預(yù)警模型[J];中國人口.資源與環(huán)境;2013年S2期

9 莫淼;柳光宇;呂力瑯;徐望紅;;乳腺癌篩查研究進(jìn)展[J];腫瘤;2012年09期

10 金強;高普中;;人工神經(jīng)網(wǎng)絡(luò)在乳腺癌診斷中的應(yīng)用[J];計算機(jī)仿真;2011年06期

相關(guān)碩士學(xué)位論文 前10條

1 朱燦杰;基于集成學(xué)習(xí)與規(guī)則提取的多標(biāo)記學(xué)習(xí)方法在高血壓證素辯證中的研究[D];深圳大學(xué);2017年

2 邢盼盼;基于Bagging的兩階段特征選擇集成分類器研究[D];鄭州大學(xué);2017年

3 張謙;基于改進(jìn)Adaboost算法的視頻車輛輪廓檢測算法研究[D];中原工學(xué)院;2017年

4 張盼;基于混淆矩陣的分類器選擇集成方法研究[D];河南理工大學(xué);2016年

5 趙月南;基于貝葉斯網(wǎng)絡(luò)的電機(jī)故障診斷研究[D];浙江大學(xué);2016年

6 嚴(yán)真真;分布式臨床決策支持系統(tǒng)中多代理支撐框架的研究[D];湖北工業(yè)大學(xué);2015年

7 陳飛宇;基于集成學(xué)習(xí)算法的異常檢測研究[D];南京大學(xué);2015年

8 徐信;基于Adaboost人臉檢測算法的研究及實現(xiàn)[D];太原理工大學(xué);2015年

9 劉栩菘;基于多代理的臨床知識表達(dá)與解析的研究[D];湖北工業(yè)大學(xué);2014年

10 林士杰;ID3算法、樸素貝葉斯算法和BP神經(jīng)網(wǎng)絡(luò)算法的比較和分析研究[D];內(nèi)蒙古大學(xué);2013年

，

本文編號：2702594