融合知識的改進ANN癌癥診斷方法研究.pdf

1、隨著社會經(jīng)濟的發(fā)展，人們的生活節(jié)奏加快、壓力增大，再加上環(huán)境的污染和惡化等，導(dǎo)致各類疾病特別是癌癥的發(fā)病率和死亡率逐年上升。而癌癥一直以來都是醫(yī)學(xué)上難以攻克的惡疾，是生命健康和社會發(fā)展的巨大威脅。通過對癌癥的有效診斷，可以盡早進行治療，降低癌癥造成的死亡率。因此，研究利用臨床信息進行癌癥的診斷，提高癌癥診斷的準確率和效率是癌癥防控工作中的重要內(nèi)容。
　　針對癌癥診斷過程中的病理檢查給病人身體帶來嚴重負擔(dān)的現(xiàn)狀，以及現(xiàn)有基于數(shù)據(jù)挖掘

2、的癌癥診斷方法只關(guān)注診斷結(jié)果準確性或者只關(guān)注可解釋性的問題，而且現(xiàn)有關(guān)于癌癥診斷的研究多是離散重復(fù)的研究現(xiàn)狀，本文提出一種基于知識元的改進人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）癌癥診斷方法。本文研究通過特征選擇提取對診斷結(jié)果最具有解釋性的特征子集，以提高模型的可解釋性和準確度；通過采用進化計算的方式進行改進人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)重學(xué)習(xí)，從而構(gòu)建有效的能夠充分體現(xiàn)臨床信息與特定癌癥之間關(guān)聯(lián)的多目標神經(jīng)網(wǎng)

3、絡(luò)模型進行癌癥診斷，并通過多目標優(yōu)化方法對模型訓(xùn)練過程中的結(jié)構(gòu)和參數(shù)進行優(yōu)化，從而提供多個有效的診斷模型以滿足醫(yī)務(wù)工作者不同的決策偏好；本文針對獲得的可解釋模型，分析其網(wǎng)絡(luò)結(jié)構(gòu)和形成過程從中提取出易于理解的可解釋規(guī)則；并基于知識元理論將得到的癌癥診斷模型進行知識化表示和管理；最后，使用國家臨床醫(yī)學(xué)科學(xué)數(shù)據(jù)中心提供的前列腺癌檢查數(shù)據(jù)進行數(shù)值實驗，驗證本研究提出的方法的有效性和科學(xué)性。
　　結(jié)果表明，本文提出的基于知識元的改進ANN癌