數(shù)據(jù)挖掘在原發(fā)性肝癌預(yù)后預(yù)測(cè)中的應(yīng)用研究.pdf

1、本文的工作有以下幾個(gè)方面：（一）從第二軍醫(yī)大學(xué)東方肝膽外科醫(yī)院采集原發(fā)性肝癌病例344個(gè)，對(duì)取得的數(shù)據(jù)進(jìn)行了機(jī)械篩選和處理，得到可以使用的192個(gè)病例，每個(gè)包含了41個(gè)屬性；（二）根據(jù)課題的特點(diǎn)在數(shù)據(jù)挖掘技術(shù)中選擇了三種有實(shí)現(xiàn)可能的算法進(jìn)行研究與討論，其中總結(jié)了近年來(lái)的研究熱點(diǎn)---神經(jīng)網(wǎng)絡(luò)集成算法的原理和應(yīng)用，并對(duì)其的本課題應(yīng)用可能性作了討論；歸納了決策樹(shù)算法的原理和發(fā)展，且將其應(yīng)用到實(shí)際的數(shù)據(jù)研究中，建樹(shù)得到原發(fā)性肝癌預(yù)后的分類決策

2、樹(shù)，分析了其不合理性；粗略介紹了貝葉斯網(wǎng)絡(luò)；最終使用樸素貝葉斯算法作為課題的落腳點(diǎn)，并且針對(duì)本課題的實(shí)際情況，提出了對(duì)缺損值位置的同概率分布假設(shè)以及基于分類相關(guān)性的屬性篩選算法；（三）采用樸素貝葉斯算法對(duì)實(shí)際取得的臨床病例進(jìn)行研究，輔助預(yù)測(cè)這一疾病的預(yù)后情況，根據(jù)數(shù)據(jù)屬性與預(yù)測(cè)目標(biāo)的相關(guān)程度大小篩選屬性，剔除弱相關(guān)屬性；并以同概率分布假設(shè)對(duì)數(shù)據(jù)樣本中的缺損數(shù)據(jù)進(jìn)行預(yù)處理，實(shí)驗(yàn)結(jié)果從39個(gè)病理屬性中篩選得到12個(gè)對(duì)原發(fā)性肝癌預(yù)后預(yù)測(cè)有效的