融合案例推理与分类器的乳腺肿瘤辅助诊断

发布时间：2021-10-13 23:09

　　本研究采用朴素贝叶斯,K最近邻（K-NN）和基于案例推理（CBR）的方法构建了乳腺癌（BC）诊断模型,目的是通过提高准确率来优化CBR的检索过程。根据医疗专家的建议和帮助,我们选择了2014年至2016年莫桑比克马普托市中心医院（HCM）莫桑比克乳腺癌数据集的样本数据。在乳腺癌诊断数据库中选择了约1200名患者作为病例,从中产生了培训和测试集。因此,本文研究了一种将朴素贝叶斯（Na?ve Bayes）,CBR和KNN相结合的乳腺癌诊断智能模型。实施该模式的主要步骤包括:（1）采用朴素贝叶斯模型将集合分为两类（2）将K-NN算法应用于CBR中以检索大多数类似情况。在第一阶段,朴素贝叶斯被用来估计患者是否有恶性肿瘤或良性肿瘤,并与K-NN和J48决策树分类器进行比较,朴素贝叶斯表现出优异的表现,准确率为95%。在第二阶段我们测试了选定的k值,结果显示99%的准确度。实施K-NN后提出的诊断框架的检索结果显示,检索到的病例之间的相似性比率高,最小距离一直低至0.13。结果显示实施的模型能够整合朴素贝叶斯和CBR用于乳腺癌诊断。它可以为卫生从业人员提供乳腺癌诊断的支持系统,从而减少诊断不准确性... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
Acknowledgements
ABSTRACT
摘要
Chapter 1 Introduction
    1.1 Background
    1.2 Problem Statement
    1.3 Situation in Mozambique and China
    1.4 Research Structure
Chapter 2 Literature Review
    2.1 Breast Cancer Overview
    2.2 Case-Based Reasoning (CBR) in healthcare
        2.2.1 CBR in Breast Cancer
        2.2.2 Case retrieval methods in CBR
Chapter 3 Proposed Conceptual Design and Model Implementation
    3.1 Data Exploration
    3.2 Descriptive Model (Phase I)
        3.2.1 Na?ve Bayes
        3.2.2 J48 Decision trees Classifier
        3.2.3 K-NN Classifier
    3.3 K-NN based CBR Retrieval (Phase II)
        3.3.1 Nearest Neighbor Classifiers
        3.3.2 Indices/ Indexing
        3.3.3 Case retrieval
        3.3.4 Case Adoption
Chapter 4 Results and Discussion
    4.1 Data Preprocessing
        4.1.1 Dimensionality reduction / Feature subset selection
        4.1.2 Discretization and Binarization
        4.1.3 Variable transformation
        4.1.4 Feature Creation
    4.2 Phase I
        4.2.1 Evaluation
        4.2.2 Comparative Performance Analysis of the Classifiers
    4.3 Phase II
        4.3.1 Evaluation performance of K-NN
        4.3.2 CBR retrieval results
Chapter 5 Conclusion
    5.1 Overall Summary
    5.2 Limitations
    5.3 Future Research
References
List of Academic Activities and Achievements during the Degree


【参考文献】：
期刊论文
[1]案例推理的故障诊断技术研究综述[J]. 柳玉,贲可荣.  计算机科学与探索. 2011(10)
[2]CBR技术在Multi-Agent故障诊断中的应用[J]. 朱群雄,刘光.  计算机工程与应用. 2004(21)
[3]基于范例推理的结核病专家系统[J]. 张治洪,童溶,王仲元,王巍.  天津理工学院学报. 1997(03)



本文编号：3435581