计算机辅助医学诊断系统数据挖掘和知识发现研究.pdf

中文摘要 计算机辅助医学诊断系统的数据挖掘和知识发现研究 摘要 一 - } 【随着科学技术的迅猛发展，尤其是计算机和通信技术的发展和广泛应用，我们己进入 导致信息爆炸，产生数据丰富与知识贫乏的矛盾，知识的自动获取已经成为制约智能诊断 系统发展的“瓶颈”。因此各种知识发现系统的研究和应用成为目前一个重要的研究领域。 目前，随着医院使用计算机进行信息化(如使用PACS系统等)，其各种医学信息数据 库不断地建立。由于医学技术本身具有很强的实验性、实践性和统计性等特点，使数据挖 掘和知识发现技术在医学诊断领域的应用具有重要的实用价值和广阔的发展前景J本论文 对数据挖掘和知识发现技术在计算机辅助医学诊断系统中的应用和发展现状作了综合研究 。 说明了让箕扭毡助途断系统中使用数据挖掘和知识发现技术的重要意义和其发展必然性， 给出了研究开发此类系统的一般规律及其特殊性。还指出了今后的研究发展方向和一些需 要解决的问题。 (计算机辅助诊断系统中数据挖掘和知识发现的主要任务是对特定的医学数据库中的数 据进行分类和预测，得到帮助医生客观而有敬地诊断疾病的若干医学诊断规则，本文在概 括说明各种主要数据分类方法(包括决策树归纳、贝叶斯分类及贝叶斯分类、遗传算法等) 的基础上．较为详细地论述了利用神经网络发现分类规则的数据挖掘方法的原理、技术和 应用。 佣神经网络进行知识获得即规则提取，由壬其计算简单、归纳能力强、分类精度高和 ． 则提取方法进行研究，在研究了其基础算法一有遗忘的结构学习算法(SLF)的基础上， ’ 对其算法进行改进。(发现布尔函数过程的实验结果表明算法速度得到了明显的提高。又将 逐步正则化的规则提取方法应用于蘑菇数据库对蘑菇进行分类，实验结果表明逐步正则化 的规则提取方法在发现的分类规则可理解性和精确度方面与其它算法相比具有明显的优越 性少r ， 本文进一步将逐步正则化的规则提取方法应用于医学数据库一乳腺癌数据库。／使用此 方法从乳腺癌数据库提取出诊断病例为良性或恶性的诊断规则。实验结果同样表明，其所 提取得的诊断规则的可理解性和精确度优于其它的方法。 因此，J本文的研究结果表明了基于神经网络的数据挖掘和知识茂现是一个很有发展前 途的研究方向。C随着人工智能技术、神经网络技术(尤其是模糊神经网络技术)和神经网 络规则提取技术韵更深入研究和发展应用，神经网络的数据挖掘和知识发现技术必将成为 · 计算机辅助医学诊断系统中的重要技术。．卜了一 关键词：医学数据库，数据挖掘，知识发现，神经网络，分类规则，规则提取 英文摘要 。———————————————————--———————————————————-—————————-—————————-—————————’————————’_—一 THE RESEARCHOFD』U1A MININGAND DISCOVERYIN COMPUTER AlDEDMEDlCAL SYSTEM