论文总字数：19791字

摘 要

计算机辅助医疗诊断，能够大量的减少医生的工作时间，提高医生的诊断效率，减小工作压力，此外，还能为医生做出正确的诊断提供有效参考，降低医生的误诊率。因此，计算机辅助医疗诊断逐渐成为了医学领域具有重要意义的研究课题。

随着医院信息管理系统的广泛使用，医院产生并积累了大量的数据，这些数据中蕴含了大量有用的信息，但是这些数据没有被有效利用。医疗诊断具有代价敏感的特性，然而传统的粗糙集在进行属性约简的时候只保证正域或者非负域不变，而忽略了代价这一特征，相比之下，决策粗糙集（DTRS）能够与代价敏感相关技术结合起来，形成代价敏感决策粗糙集，这表明决策粗糙集适合解决代价敏感特征分类问题。

本课题采用了一种风险最小化的决策粗糙集方法从医疗数据中自动获取有效的诊断信息。通过研究学习代价敏感决策粗糙集的相关理论,得到了决策粗糙集属性约简的新定义，在新定义中，决策原则是最小化决策成本。决策成本是决策理论粗糙集模型中的一个重要概念：决策的目的是使成本最小。在实验中，首先，对医疗数据集进行属性约简，以决策代价最小作为属性约简的目标，利用删除属性的搜索策略去寻找约简。

将该约简方法应用到医疗诊断系统中去，最后的实验结果表明，和决策粗糙集正域约简相比，该最小代价属性约简能找到属性较少、代价更小的结果，医生可以基于此约简结果计算样本等价类的条件概率，进而对医疗样本进行分类处理。

关键词：计算机辅助诊断 决策粗糙集 代价敏感 属性约简

Computer Aided Medical Diagnosis System Based on Rough Set

Abstract

Computer-aided medical diagnosis can greatly reduce doctors' working hours, improve doctors' diagnostic efficiency and reduce work pressure. In addition, it can also provide effective reference for doctors to make correct diagnosis and reduce the misdiagnosis rate of doctors.

With the extensive use of hospital information management system, hospitals have generated and accumulated a large number of data, which contains a lot of useful information, but these data are not used effectively. Medical diagnosis with price sensitive properties, however, the traditional rough set attribute reduction of time only guarantee is domain or nonnegative domain is changeless, and ignores the cost of this feature, by contrast, rough set decision-making (DTRS) can be related to the price sensitive technology, form the price sensitive decision rough set, this shows that the rough set is suitable for solve the problem of price sensitive feature classification decision.

In this paper, a decision rough set method of risk minimization is adopted to automatically obtain effective diagnostic information from medical data. The target of attribute reduction is the minimum decision cost, and the search strategy of deleting attributes is used to find the reduction.

The reduction method is applied to medical diagnosis system, and finally the experimental results show that rough set positive region reduction and decision, compared to the smallest attribute reduction to find properties, less costs smaller as a result, doctors can be based on the reduction results calculate the conditional probability sample equivalence class, then classify medical sample processing.

KeyWords: Computer aided medical diagnosis;Decision Theoretic Rough Sets; Cost-sensitive; Attribute reduction

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1研究背景与意义 1

1.2 计算机辅助诊断的国内外研究现状 1

1.3粗糙集与决策粗糙集的研究现状 3

1.3.1 粗糙集的研究现状 3

1.3.2决策粗糙集国内外研究现状 4

1.4本课题的主要工作和章节安排 5

1.4.1 本文的研究内容 5

1.4.2 章节安排 5

第二章 相关理论知识 7

2.1经典粗糙集模型 7

2.2 决策粗糙集模型 8

2.3 属性约简理论 11

2.3.1 11

2.3.2 决策粗糙集正域约简 11

第三章 基于代价敏感决策粗糙集的计算机辅助医疗诊断 13

3.1代价敏感 13

3.1.1代价敏感学习 13

3.1.2代价敏感决策粗糙集的上、下近似 13

3.2代价敏感属性约简 13

3.3 约简算法总体流程 15

3.4 仿真实验及结果分析 16

3.4.1 实验数据集 16

3.4.2数据预处理 17

3.4.3 等价类的划分与条件概率的计算 18

3.4.4 判断所属区域 19

3.4.5决策成本函数 19

3.4.6诊断分类 20

3.4.7实验结果 21

3.4.7 约简结果分析 23

第四章 总结与展望 25

4.1 总结 25

4.2 展望 25

参考文献 27

第一章 绪论

1.1研究背景与意义

众所周知，医疗诊断的过程非常复杂，单纯依靠医生的判断则需要医生有大量的实践经验，而这个要求显然是不太现实的^[1]。在一些偏远地区，医疗资源缺乏，医生的诊断经验也不足，这个时候再单纯的依靠医生的诊断，不仅仅加重了医生的工作负担，同时更严重的是会导致诊断结果有很大的偏差，不仅如此，还有可能会出现误诊的情况。而在当代社会，随着时间的推移和疾病种类的增加，各大医院已经存积了越来越多的医疗诊断的数据^[2]，那么将这些数据进行处理并将其开发利用在医疗诊断系统中，已经成为目前医疗事业发展的一个重要的方向。

当然，这些存积的数据并不是全都有用，有时候，过多的医疗数据就会出现不完备的、冗余的数据。这些数据当然需要进行剔除，此时如果依靠经验来判断数据信息是否多余当然是不现实的。因此，计算机的数据处理技术就体现了它的价值。利用好计算机的数据处理和数据分析的能力，能够达到辅助医生进行诊断的效果。计算机辅助诊断^[3]，将前人医生的诊断信息提取出来，提供给其他医生作为参考，这不仅能够降低专家医生们的负担，还能够提高诊断的效率，同时减少甚至避免误诊断的发生。

1.2 计算机辅助诊断的国内外研究现状

计算机辅助诊断 ^[10]，该医疗诊断技术已经成为了医学领域重要的一部分^[11]。早在二十世纪五十年代末, 美国著名医学专家Ledley首次提出了一种应用在医学领域的数学模型, 该数学模型将贝叶斯定理和布尔代数相结合, 不仅如此，还将该模型应用在肺癌的诊断当中，最终证明该模型能够成功的进行肺癌的诊断。

请支付后下载全文，论文总字数：19791字