融合知識的改進ANN癌癥診斷方法研究.pdf

1、隨著社會經濟的發(fā)展，人們的生活節(jié)奏加快、壓力增大，再加上環(huán)境的污染和惡化等，導致各類疾病特別是癌癥的發(fā)病率和死亡率逐年上升。而癌癥一直以來都是醫(yī)學上難以攻克的惡疾，是生命健康和社會發(fā)展的巨大威脅。通過對癌癥的有效診斷，可以盡早進行治療，降低癌癥造成的死亡率。因此，研究利用臨床信息進行癌癥的診斷，提高癌癥診斷的準確率和效率是癌癥防控工作中的重要內容。
　　針對癌癥診斷過程中的病理檢查給病人身體帶來嚴重負擔的現狀，以及現有基于數據挖掘

2、的癌癥診斷方法只關注診斷結果準確性或者只關注可解釋性的問題，而且現有關于癌癥診斷的研究多是離散重復的研究現狀，本文提出一種基于知識元的改進人工神經網絡（Artificial Neural Network，ANN）癌癥診斷方法。本文研究通過特征選擇提取對診斷結果最具有解釋性的特征子集，以提高模型的可解釋性和準確度；通過采用進化計算的方式進行改進人工神經網絡的結構和權重學習，從而構建有效的能夠充分體現臨床信息與特定癌癥之間關聯的多目標神經網

3、絡模型進行癌癥診斷，并通過多目標優(yōu)化方法對模型訓練過程中的結構和參數進行優(yōu)化，從而提供多個有效的診斷模型以滿足醫(yī)務工作者不同的決策偏好；本文針對獲得的可解釋模型，分析其網絡結構和形成過程從中提取出易于理解的可解釋規(guī)則；并基于知識元理論將得到的癌癥診斷模型進行知識化表示和管理；最后，使用國家臨床醫(yī)學科學數據中心提供的前列腺癌檢查數據進行數值實驗，驗證本研究提出的方法的有效性和科學性。
　　結果表明，本文提出的基于知識元的改進ANN癌