脓毒症患者预后的分类决策树分析

应用机器学习的分类决策树方法对脓毒症患者的预后进行分析,建立评估脓毒症预后的简易模型。收集并分析急诊科收治的167名脓毒症患者的临床资料,根据入院30天的生存状态将患者分为生存组和死亡组。结果显示,心率和收缩压两个自变量组成的精简模型能够对72.5%的病例正确分类,心率大于118次/分是脓毒症30天死亡重要的分类指标。本研究说明,心率和收缩压结合分类决策树方法可以对脓毒症患者的预后进行高效的分类。     

多标签决策树分类在数字医学图像分类中的应用

数字医学图像的分类是数字医学图像挖掘的一个重要内容。传统的医学图像分类一般将图片内容明确归入某一类中,而由于医学图像本身的复杂性,这样分类显然不能满足实际需要。多标签数据的普遍存在性和重要性近些年来逐渐得到关注。它承认真实世界对象的多义性,允许样本同时属于多个类别。对多标签决策树分类算法在医学图像分类中的应用进行了设计,并进行了实验验证。     

用于TCAM的元组快速包分类

通过引入元组概念组织分类器，对TCAM上路由查寻算法CAO—OPT进行改进，实现了多维数据包的快速分类和更新。     

基于决策树方法的糖尿病并发症分类研究

目的：优选辅助诊断糖尿病并发症方法.方法：分别采用决策树方法C5.1、CART、QUEST、CHAID,对糖尿病并发症临床数据进行分类研究.结果：经3 969例确诊病例验证,4种方法都能得到诊断规则和决策树,C5.1分类精确性为：85.714％,CART、QUEST、CHAID分类精确性为：66.667％.结论：4种方法分类结果符合专家诊断思维,C5.1效果最好.     

决策树数据挖掘算法在学生评价分析中的应用

高校学生成绩管理系统存储了大量的学生成绩信息,有效地对这些数据进行分析对学校教学管理具有重要意义。该文选择数据挖掘技术构建针对学生成绩的决策树分析模型。使用Microsoft商务智能平台搭建分析数据的维度结构,设置决策树算法参数,构建决策树分析模型,实现学生成绩的自动挖掘分析。     

基于决策树分类方式对北京地区2019-2021年871例乳腺癌患者住院费用研究

目的 利用决策树分类方式分析北京地区3年内871例乳腺癌患者的住院费用,为管理部门决策奠定理论基础。方法 收集2019年1月1日-2021年12月31日北京地区871例乳腺癌住院患者的病案首页,分析不同年份其住院费用构成情况,并通过决策树分类模型将所有患者进行疾病诊断相关分类(DRGs),采用绝对值及相对权重法测算所有乳腺癌患者的住院费用标准。结果 乳腺癌患者2019-2021年住院总费用从高至低分别为2020年3 523 965.98元<2019年3 763 289.85元<2021年3 924 283.54元;各个年份均为药品费用所占的构成比最大,护理康复费呈逐年上升趋势;多重线性回归分析显示治疗方式、医疗付款方式及转归情况对住院费用影响最大,P<0.05;经交叉验证方法对验证所构建出的决策树从而得到12个DRGs组合,具有较高的组内同质性;各分组费用超标例数均在10%～12%左右,且DRGs中9组的病种权重最高(1.92),DRGs中6组的病种权重最低(0.42)。结论 药品费用是目前乳腺癌患者住院期间的最大经济负担,同时不同的治疗方式、医疗付款方式及转归情况是...     

一个快速的多维数据包分类算法

通过引入位图映射以及元组空间的概念,提出了一个数据包分类算法,该算法可以满足高性能网络对骨干路由器的要求,能够以线速完成对输入数据包的分类处理。算法在时间及空间复杂度上性能较好,并具有很好的扩展性。     

基于ID3算法100例中医胃炎实验数据分类挖掘研究

ID3算法是解决数据挖掘分类问题的一个非常重要的方法。本项实验对经过预处理后的100例慢性胃炎的中医辨证数据病例采用ID3算法进行分类,建立中医慢性胃炎辨证分类决策树,并提取决策树中蕴含的知识规则。挖掘出的分类规则基本符合中医胃炎的辨证规律以及名老中医诊治胃炎的诊疗经验。     

基于决策树分类C4.5算法对乳腺肿块计算机辅助诊断的应用研究

本文尝试运用数据挖掘中的决策树分析技术,对BI-RADS乳腺肿块病例进行推理,得到相对应的诊断结论.为提高乳腺疾病计算机辅助诊断和临床诊治水平,提供一个参考的方法.     

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。     

Glaucoma Classification Model Based on GDx VCC Measured Parameters by Decision Tree

This study is to propose and evaluate the diagnostic accuracy of decision tree classifiers using the full set of standard GDx VCC measurements for classifying glaucoma in a Taiwan Chinese population. The classifiers were trained and tested using standard GDx VCC parameters from examinations of 74 subjects with glaucoma and 72 normal subjects. Six promising decision rules were generated from decision tree methods and the overall accuracy from tenfold cross validation was 0.801. Classification tree based on GDx VCC data promises to be a diagnostic tool in glaucoma disease. However, its exact clinical application in glaucoma practice should be retested. Further longitudinal study should address this issue.     

位并行数据包分类算法研究

主要介绍了位并行包分类算法及两种改进算法，并对这几种算法进行了详细分析、对比，最后指出位并行算法需要进一步解决的问题，提出了这些问题的解决方案。     

基于BP神经网络与决策树的大肠癌虚实证型分类对比

采用二进制编码对症状数据进行量化,将专家归纳的8个证型分为虚实两证并赋值量化,建立基于BP神经网络与决策树的大肠癌虚实证型分类模型,结果显示BP神经网络分类模型较决策树分类模型更适合于非线性映射关系的处理。     

决策树算法在医院数据挖掘中的应用探索

介绍决策树的基本原理,对决策树算法在医院信息系统中的应用进行研究,以肝癌为例对医院临床数据进行挖掘,经过数据预处理,应用ID3算法建立完整的决策树.用测试数据测试,该决策树具有很高的准确率,指出决策树算法在医院信息系统中具有广泛的应用前景.     

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.     

基于帕累托定律的医患沟通决策树模型研究

为提高医疗质量,减少医疗纠纷,在以病人为中心的基础上,提出用帕累托定律构建医患沟通决策树模型的研究角度,利用决策树对不同特性的病人进行分类,找到不同特性病人最重要的20%的需求,从而满足大部分病人(80%)的需求或者使病人有很大程度上(80%)的满足感。在分析医患沟通存在问题的基础上,对用帕累托定律构建医患沟通决策树模型进行理论分析,旨在提高病人满意度,优化沟通模式,建立和谐医患关系。