決策樹分類技術(shù)在疾病輔助診斷系統(tǒng)中的研究與應(yīng)用.pdf

1、目前，醫(yī)生對疾病的診斷還處于傳統(tǒng)的經(jīng)驗(yàn)階段，診斷結(jié)果的正誤與醫(yī)生的水平密切相關(guān)，特別是對于那些難以診斷的復(fù)雜病例，人們往往求助于醫(yī)療專家。但是專家的數(shù)量畢竟是有限的，尤其是對一些中小型醫(yī)院來說，尚不具備在各個(gè)門診處設(shè)立專家的條件，致使疑難病癥的誤診率較高。因此利用先進(jìn)的計(jì)算機(jī)知識結(jié)合醫(yī)療信息數(shù)據(jù)庫，開發(fā)輔助診斷系統(tǒng)，已成為一個(gè)重要的發(fā)展方向。 本文在研究數(shù)據(jù)挖掘中的決策樹技術(shù)的基礎(chǔ)上，引入了Boosting集成和改進(jìn)主成分分析特

2、征選擇技術(shù)，充分考慮了診斷結(jié)果的可理解性，診斷模型的泛化能力、穩(wěn)定性和準(zhǔn)確度，提出了基于改進(jìn)PCR特征選擇和C4.5Boosting集成技術(shù)的AD-BC4.5-PCAFS輔助診斷算法。該方法主要分為三個(gè)階段：第一階段是采用PCAFS進(jìn)行特征選擇，從而簡化分類器的建立，降低冗余屬性對分類器的影響：第二階段是采用基于C4.5的Boosting集成技術(shù)建立多個(gè)分類模型；第三階段是根據(jù)所訓(xùn)練出的模型對新樣本的類別進(jìn)行加權(quán)投票表決。本文的實(shí)驗(yàn)是在