數(shù)據(jù)挖掘技術(shù)在白血病分型診斷中的應(yīng)用.pdf

1、摘要：白血病是血液系統(tǒng)惡性腫瘤，嚴(yán)重危害人類的健康。近年來(lái)，隨著工業(yè)化進(jìn)程的不斷發(fā)展，發(fā)病率呈現(xiàn)上升趨勢(shì)。白血病的分型診斷在治療中起著至關(guān)重要的作用。臨床上采用的急性白血病FAB分類方法是基于形態(tài)與細(xì)胞學(xué)檢查基礎(chǔ)，然而這種方法對(duì)于來(lái)源于同一系列的急性白血病間的鑒別不甚理想，甚至有時(shí)對(duì)于不同系列的白血病鑒別也較困難。自從Foon與Tod提出白血病免疫分型以來(lái)，流式細(xì)胞術(shù)(Flow Cytometry，F(xiàn)CM)已成為診斷血液系統(tǒng)惡性腫瘤不可

2、缺少的重要工具，廣泛應(yīng)用于白血病的臨床檢測(cè)。精確的流式細(xì)胞儀技術(shù)免疫分型通過(guò)分析白血病細(xì)胞群中特異抗原(CD)的表達(dá)特點(diǎn)對(duì)白血病進(jìn)行診斷分型。但是現(xiàn)在用于白血病免疫分型診斷的免疫標(biāo)記數(shù)以百計(jì)，很少有一種疾病具有特異的指標(biāo)。也就是說(shuō)，某一種指標(biāo)很難確診某種類型的白血病。一方面，一種類型的白血病具有多種指標(biāo)的組合(其中一部分為陽(yáng)性，另一部分為陰性)；另一方面，一種指標(biāo)又可以同時(shí)出現(xiàn)在多種不同類型的白血病中。這給臨床醫(yī)生對(duì)白血病的分型診斷帶來(lái)

3、了很大的困難。主要表面在不能全面的對(duì)種類繁多的指標(biāo)進(jìn)行全面的認(rèn)識(shí)；另外錯(cuò)綜復(fù)雜的指標(biāo)組合也是診斷困難的原因之一。
　　 數(shù)據(jù)挖掘是從數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中發(fā)現(xiàn)隱藏的、預(yù)先未知的、有趣信息的過(guò)程，是近年來(lái)隨著人工智能和數(shù)據(jù)庫(kù)技術(shù)的交叉融合而興起的邊緣科，它致力于發(fā)現(xiàn)隱含在數(shù)據(jù)中的關(guān)于事物本質(zhì)和事物發(fā)展趨勢(shì)的知識(shí)或律，并為專家的決策提供支持。
　　 本文首先研究了Apriori算法在具體的免疫分型方法上的應(yīng)用，給出了詳細(xì)的實(shí)驗(yàn)步

4、驟和實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果揭示了免疫分型中各項(xiàng)檢驗(yàn)結(jié)果與相關(guān)的白血病分型之間的置信度關(guān)系，對(duì)醫(yī)生的臨床診斷起到輔助的作用。
　　 其次在基于決策樹及其剪枝方法的分類規(guī)則分析方面，通過(guò)對(duì)決策樹ID3算法及其相關(guān)改進(jìn)算法的研究，以相關(guān)數(shù)據(jù)作為樣本，構(gòu)建了決策樹。然后分別運(yùn)用訓(xùn)練樣本和測(cè)試樣本對(duì)生成的決策樹進(jìn)行測(cè)試。針對(duì)ID3算法表現(xiàn)出來(lái)的不足之處，引入剪枝算法。在全面比較了幾種常用的后剪枝算法的利弊后，結(jié)合目前的樣本數(shù)據(jù)的實(shí)際情況，采用

5、PEP后剪枝算法對(duì)生成的決策樹進(jìn)行剪枝，最后將ID3算法應(yīng)用到白血病分型診斷中，構(gòu)建了白血病分型診斷結(jié)果作為分類預(yù)測(cè)目標(biāo)屬性的決策樹，隨后同樣采用PEP后剪枝算法，對(duì)生成的決策樹進(jìn)行剪枝，使剪枝后的樹形結(jié)構(gòu)更加簡(jiǎn)潔。
　　 最后本文描述了MICM診斷比對(duì)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，結(jié)合數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)技術(shù)和分類技術(shù)，提出切實(shí)可行的軟件模型，對(duì)論文中所做的研究工作進(jìn)行了實(shí)際的應(yīng)用，通過(guò)VB和小型DBMS(Access)進(jìn)行配合，最終加以實(shí)