肝细胞癌门静脉癌栓形成相关的血清蛋白质分子标记物研究

目的筛选肝细胞癌门静脉癌栓形成相关的血清蛋白质分子标记物并建立预测模型。方法收集135例肝细胞癌患者血清,95例(其中33例为肝细胞癌伴门静脉癌栓,62例为肝细胞癌不伴门静脉癌栓)为建模型组,40例(其中18例为肝细胞癌伴门静脉癌栓,22例为肝细胞癌不伴门静脉癌栓)为盲法验证组,采用弱阳离子交换蛋白质芯片(WCX2)为检测介质,经表面加强激光解吸电离飞行时间质谱(SELDITOFMS)测定得到蛋白质谱,通过BioMarkerWizardSoftware比较两组患者血清蛋白质谱,利用BiomarkerPatternsSoftware建立决策树模型并进行盲法验证。结果在m/z1100～30000范围内,检测出的100个蛋白峰中16个蛋白峰有显著差异(P<0.01),m/z为3478、1314、1744、1725、2022和3380的蛋白峰在肝细胞癌伴门静脉癌栓组中上调,而m/z为8901、9353、9415、8773、2766、2745、8697、7773、8569和1373的蛋白峰在肝细胞癌伴门静脉癌栓组中下调;选择m/z为3478、2022、8901、9415、8773、2766、和2745的7个蛋白峰建立的决策树模型其敏感性为75.8%(25/33),特异性为82.3%(51/62);盲法验证该模型准确率87.5%(35/40),灵敏性100%(18/18),特异性77.3%(17/22),阳性预测值78.3%(18/23),阴性预测值100%(17/17)。结论筛选出的16个蛋白分子标记物可能与肝细胞癌门静脉癌栓形成有关;决策树模型可能对预测肝细胞癌门静脉癌栓的发生有重要的临床意义。  

基于信息熵的决策树在慢性胃炎中医辨证中的应用

目的:探讨基于信息熵的决策树在慢性胃炎中医辨证分型中的应用.方法:采用bootstrap方法对406例样本进行扩增以满足数据挖掘对样本量的要求,采用基于信息熵的决策树C4.5算法建立中医辨证模型.结果:决策树C4.5算法筛选出对中医辨证分型有意义的26个因素并对其重要性进行排序;产生清楚易懂可用于分类的决策规则;建立辨证模型,模型分类符合率为:训练集83.60%,验证集80.67%,测试集81.25%;模型区分各类证型的灵敏度和特异度也较高.结论:决策树C4.5算法建立的模型效果较好,可应用于慢性胃炎中医证型的鉴别诊断.  

中药药性量化方法对补虚药功效归类预测的研究

目的对中药药性依其重要性进行更深层次的多值量化分析,将比定性的文字表述和简单的二值量化表示更有意义.方法以补虚药为研究对象,药性为基本特征,在对其进行二值量化和多值量化的基础上,采用应用人工神经网络和决策树等数据库知识发现技术,进行对补虚药功效归类判别结果的影响研究.结论结果表明药性的不同量化方法对补虚药的功效归类预测有一定影响,多值量化比二值量化具有更为理想的判别结果.  

数据挖掘技术在新安医学研究中的应用

探讨数据挖掘技术在新安医学研究中的应用,将文献研究与人工智能、机器学习相结合,应用关联规则、决策树方法、CBR技术等,对新安医家的临床经验进行分析,为继承和发扬新安医学提供新的思路和方法.  

决策树在乳腺癌高位淋巴结转移判别诊断中的应用

目的:探讨决策树(Decision tree)模型从乳腺癌病例信息中自动提取诊断规则,用于乳腺癌腋窝高位淋巴结判别分类诊断研究的计算机辅助诊断系统.方法:利用重庆医科大学1998～2002年普外科223例手术证实的乳腺癌患者11项指标,采用C5算法、CR算法、QUEST算法及(Chi-square automatic interaction detector,CHAID)箅法4种决策树算法,建立了乳腺癌腋窝高位淋巴结判别分类模型.结果:建立的CHAID判别分类模型的准确率为83.79%,CHAID模型所获知识的可靠程度以及对测试集合的准确率明显优于Logistic模型.结论:CHAID模型可从病例自动提取诊断规则,具有较广泛的实用价值,可应用于乳腺癌腋窝高位淋巴结判别分类的诊断.  

基于决策树分类技术的大肠早癌诊断系统研究

研究和开发一种基于数据挖掘技术的大肠早癌诊断系统.该系统首先对所采集的大量激光诱导自体荧光光谱进行处理,并建立相关数据库,然后采用决策树分类方法对样本进行训练和分类,最终进行正常组织和癌变组织的判断,并由系统输出诊断结果.结果表明该系统可有效地用于指导大肠癌症的早期诊断和治疗.  

决策树算法在药品GSP预警管理中的应用

使用决策树算法分析研究某公司的基本数据样本,挖掘隐藏在其中的对药品管理具有启示作用的重要信息,通过验证得出决策树模型总体预测正确率为86.6%,可以应用到GSP预警管理过程中进行辅助管理与决策.  

基于决策树方法的慢性乙型肝炎中医证候分类

目的：探索与慢性乙型肝炎典型证候相关的中医症状、体征及西医理化指标的组合。方法：以555例肝胆湿热证与肝郁脾虚证的慢性乙型肝炎患者的证候学调查信息和理化指标为研究对象，采用特征属性筛选与C5．0决策树算法等数据挖掘技术，构建慢性乙型肝炎肝胆湿热证与肝郁脾虚证的信息分类模型。结果：通过建立肝胆湿热证与肝郁脾虚证的信息分类模型，筛选出了与肝胆湿热和肝郁脾虚分类相关的7项重要属性及8条分类规则．并获得了96．94％的分类准确率。结论：与其他分类方法相比，基于C5．0决策树算法与特征属性筛选的慢性乙型肝炎中医证候分类方法较为理想，可行性较好。  

数据挖掘方法在中医证候学中的应用

[目的]探讨中医证候诊断的统计学分析方法。[方法]采用决策树、贝叶斯网络、神经网络、多元统计、聚类、关联规则等多种数据挖掘（data mining,DM）的统计方法,从众多的中医病症数据中,寻找规律性,提取出事先未知而潜在有用的信息,归纳中医证候的辨证分型。[结果]可作为实现中医证候规范化的一种工具。[结论]符合中医病症数据特点的统计方法,在证候研究中越来越受到重视;联合应用DM的数种方法进行中医证候的探索可起到事半功倍的效果。  

决策树技术在中医证候学中应用研究思路

近年来数据挖掘理论在中医研究中的应用愈加广泛。决策树作为数据挖掘方法之一,具有许多其它传统的统计学方法和机器学习方法无法比拟的优点,将其应用于中医证候学研究,不仅可以从临床诊断数据中辨析证候与症状间的复杂关系,总结归纳中医专家的辨证规律并模拟其诊断推理过程,还可能发现客观有用的新知识以总结专家经验和丰富中医理论,具有重要的使用价值和广阔的发展前景。