论文部分内容阅读
随着计算机技术的进步,以及数字化成像设备的应用,数据库已经广泛地使用在医学领域中。现在医学数据库中储存着大量有用的医学信息,若是能够将储存在数据库中的医学知识挖掘出来作为教学或是辅助新医师的诊断支持系统,则可让病人获得更好的医疗质量。本研究的目的在于分析应用于医学领域的数据挖掘算法的特点,并对各种算法进行分析、评估与比较,针对不同的医学数据库提出最适宜的机器学习算法。
论文中采用的算法分别有判定树、贝叶斯网络及BP神经网络,对X-ray肺部肿瘤检测结果资料的医学数据库,通过算法学习与测试运算,以算法的分析能力、诊断结果的解释能力为标准,评估各种算法在医学数据库知识挖掘的可行性。
为比较各种机器学习算法的特点,以X-ray肺部肿瘤检测数据作为训练样本,应用判定树、贝叶斯网络与反向传播神经网络等算法挖掘隐含在X-ray肺部肿瘤检测数据中的知识,得出各自决策规则。实验表明三种算法诊断正确率分别为66.25%、62.50%与57.50%;在敏感度方面贝叶斯网络是三种算法中表现最好的,高达97.50%。总体而言在X-ray肺部肿瘤检测中贝叶斯网络所获得的效果最好。未来可提高收集的资料量,进一步改善系统所获得的结果,使系统更具临床意义,并且达到辅助医生诊断的目标。