基于粗糙集的決策樹在醫療診斷中的應用

黃錦靜，陳 岱，李夢天

(中國礦業大學 計算機科學與計算學院，江蘇 徐州 221116)

基于粗糙集的決策樹在醫療診斷中的應用

黃錦靜，陳 岱，李夢天

(中國礦業大學 計算機科學與計算學院，江蘇 徐州 221116)

網上醫療診斷越來越受歡迎，電子病例的數據也越來越多。如何從眾多的醫療數據中降低醫療數據的冗余度，快速提取有用的醫療價值，提高醫療診斷的速度和精度，成了一個大家研究的熱點問題。針對這一系列問題，研究了醫療系統關于肺癌診斷的一些數據，建立了基于屬性依賴改進的可分辨矩陣屬性約簡的C4.5算法，并用隨機森林進行算法改進。屬性約簡算法降低了醫療數據的冗余度，決策樹算法提取了肺癌診斷的一些規則，隨機森林提高了醫療診斷的準確性。文中對肺癌診斷場景進行了仿真實驗與應用，并將單純的C4.5算法，屬性約簡與單棵C4.5決策樹，屬性約簡和C4.5決策樹隨機森林進行性能比較。實驗結果表明，該方法加快了計算速度，提高了醫療診斷的精度。

粗糙集；屬性約簡；可分辨矩陣；C4.5算法；決策樹

1 概 述

隨著計算機行業的快速發展，醫院也開始走向電子化時代，網上掛號、網上診斷、電子病例等，積累了海量的醫療數據。如何利用這些數據挖掘出醫療價值，即基于醫療的數據挖掘，成為一個非常熱門的研究領域。醫療數據的挖掘在醫療領域應用的主要內容包括醫療圖像數據挖掘、醫療管理檢索系統和電子病例的分析等。例如，在醫療圖像方面，文獻[1]提出了一種基于成像的神經退行性疾病的分類方法，以提取突出的腦模式。……