应用数据挖掘技术从大脑胶质瘤病例中获取诊断知识

被引：18

作者：

叶晨洲

杨杰

耿道颖

机构：

[1] 上海交通大学图像处理及模式识别研究所

[2] 复旦大学附属华山医院上海

[3] 上海

来源：

生物医学工程学杂志 | 2002年 / 03期

关键词：

多层感知器网络; 决策树; 规则提取; 大脑胶质瘤;

D O I：

暂无

中图分类号：

R311 [医用数学];

学科分类号：

1001 ;

摘要：

采用数据挖掘技术中 3种主要算法 :多层感知器网络、决策树以及规则提取从大脑胶质瘤病例中获取胶质瘤恶性程度的术前诊断知识。对于测试样本 ,它们的平均准确率都超过了 80 % ,达到了医生的一般要求。如果准确率是诊断中首要考虑的因素 ,那么隐层节点数较小且直接利用数值属性的多层感知器网络具有最好的性能。如果要对获取的诊断知识进行人工整理 ,那么规则提取是最好的知识获取算法

引用

页码：426 / 430

页数：5

共 4 条

[1] 大脑胶质瘤病的MRI诊断 [J].

杨本强 ;

吴振华 ;

周丽娟 ;

刘文源 ;

綦向 .

中国临床医学影像杂志, 2000, (04) :229-231

[2] 大脑胶质瘤病的MRI诊断 [J].

杨本强 ;

吴振华 ;

周丽娟 ;

刘文源 ;

綦向 .

中国临床医学影像杂志, 2000, (04) :229-231

[3]

Algebraic formulation of machine learning methods based on rough sets, matroid theory, and combinatorial geometry, rough sets and data mining. Shusaku T,Hiroshi T. . 1997

[4]

Prediction of posterior fossa tumor type in children by means of magnetic resonance image properties, spectroscopy, and neural networks. Arle JE,Morriss C,Wang ZJ,et al. Journal of Neurosurgery . 1997

← 1 →