乳腺癌数据分析与计算建模

发布时间：2021-01-17 19:51

　　在女性癌症中,乳腺癌的发病率最高。早期诊断和治疗对于降低乳腺癌的发病率和死亡率非常重要。计算机辅助诊断系统可以有效提高乳腺癌的诊断准确性和诊断效率。但是,目前缺少对乳腺肿瘤不同检测特征之间的关系以及不同特征诊断价值的研究。此外,大部分机器学习算法需要人为设置参数,然而选择合适的参数是比较困难的。为了解决上述问题,本论文主要研究了如下问题:（1）利用贝叶斯网络定量分析乳腺癌超声检查与细针穿刺细胞学（FNAC）检查中不同特征的诊断价值,以及不同乳腺癌特征之间的关系。该研究结果表明:不同特征之间存在不同程度的影响;不同特征的诊断价值不同,在超声检查中,形态的诊断价值最高;在FNAC中裸核的诊断价值最高。（2）利用异常检测算法诊断乳腺癌,并研究基于水平集方法的异常检测技术,提出利用水平集方法诊断乳腺癌的方案。实验结果表明:K-means算法诊断超声检查的性能最好;K近邻算法诊断FNAC的性能最好。水平集方法描述数据的性能很好。（3）利用不同缺失数据处理方法处理两组乳腺癌数据中的缺失值。实验结果表明:当超声特征中存在缺失数据时,不同特征应该选择不同的方法处理;对于FNAC特征中的缺失数据,随机森... 

【文章来源】：福建师范大学福建省

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图２－１．两个相连节点之间的四种不同的影响关系??

个恶性肿瘤病例）。将ＦＮＡＣ数据随机分为包括３５５个样本的训练数据集（２３０个良??性肿瘤病例和１２５个恶性肿瘤病例）和包括３２８个样本的测试数据集（２１４个良性??肿瘤病例和１１４个恶性肿瘤病例）。利用十折交叉检验方法测试，得到如图２－２所示??的贝叶斯网络模型。在图２－２中，一个长方形表示一个变量（特征），在每个长方形??中包括变量的名称，每个变量的所有状态以及在训练数据集中，每个变量中不同状??态的比例，并用条形图表示出来。连接两个变量的有向线段表明两个变量之间存在??一定的关系，有向线段的宽度表示程度，线段越宽表明两者的关系越强。在图２－２??中，将“Ｄｉａｇｎｏｓｉｓ”节点设置为目标节点，其他节点均为非目标节点，根据图２－２??所示的节点之间的影响关系，该网络可以分析其他节点对“Ｄｉａｇｎｏｓｉｓ”的影响；同??时可以分析其他相连节的非目标节点之间的相互影响。??图２－２?（ａ）为基于超声检查数据的贝叶斯网络模型，该网络结构说明ＳＨ、ＲＩ、??ＣＡ和ＢＳ都对Ｄｉａｇｎｏｓｉｓ节点有影响；ＳＨ与ＲＩ、ＢＳ之间存在影响关系

福建师范大学软件工程硕士学位论文??图２－３?（ａ）和（ｂ）分别为乳腺肿瘤超声检查特征和ＦＮＡＣ检查特征对乳腺肿??瘤诊断的影响强度。例如在图２－３?（ａ）中可以看出，ＳＨ对乳腺肿瘤诊断的影响最??大，ＳＩ＝０．３２０１；其次依次为ＲＩ、ＣＡ和ＢＳ。这意味着在超声检查的四个特征中“ＳＨ”??的诊断价值最高。在图２－３?（ｂ）中可以看出，ＢＡＮＵ对诊断的影响强度为０．３７９，??是ＦＮＡＣ诊断中诊断价值最高的特征。图２－４对不同非目标特征之间相互依赖强度??进行定量分析。其中，我们用＊１?（＊代替特征的名称，例如ＳＨ１）表示产生影响者，??图中的横坐标表示被影响者。图２－４?（ａ）表示，ＳＨ对ＲＩ和ＢＳ的影响强度分别为??０．１４５２和０．１４６５?（菱形标记），ＲＩ对ＳＨ的影响强度为０．２２６９?（正方形标记），ＢＳ??对ＳＨ的影响强度为０．１４１５?（三角形标记），ＲＩ和ＢＳ之间影响强度比较大，分别为??０．４３９８和０．４２４６。在图２－４?（ｂ）中可以看出ＵＣＳＩ和ＵＣＳＨ之间的影响强度最大。??＂?參?參籲??ＯＪ?？?．?参擊??？?＃??０２￥?＾?？?０Ｊ?＊??％??ｇ?０．２?■?０

【参考文献】：
期刊论文
[1]基于R语言的缺失数据及删失数据处理[J]. 张灵婕,尤添革.  福建电脑. 2017(12)
[2]中国女性乳腺癌发病死亡和生存状况[J]. 陈万青,郑荣寿.  中国肿瘤临床. 2015(13)
[3]追踪研究中缺失数据处理方法及应用现状分析[J]. 叶素静,唐文清,张敏强,曹魏聪.  心理科学进展. 2014(12)



本文编号：2983492