跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/07/28 23:23
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:洪昌億
研究生(外文):Chang-Yi Hung
論文名稱:決策樹應用在中西醫腦中風診斷之研究
論文名稱(外文):A Research on the Application of Decision Tree on Stroke Diagnoses in Traditional Chinese and Modern Medicine
指導教授:張禾坤張禾坤引用關係
指導教授(外文):Her-Kun Chang
學位類別:碩士
校院名稱:長庚大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2005
畢業學年度:93
語文別:中文
論文頁數:60
中文關鍵詞:腦中風中醫西醫資料探勘決策樹C4.5分類器
外文關鍵詞:strokeCVAtraditional Chinese medicinemodern medicinedata miningdecision treeC4.5classifier
相關次數:
  • 被引用被引用:9
  • 點閱點閱:257
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:5
根據我國衛生署民國94年6月公佈的統計資料,民國93年國人的主要死亡原因中,腦血管疾病(腦中風)高居第三位,死亡百分比為9.23%,也就是說約每十位死亡的民眾中,就有一位是中風所造成。在過去的二十年裏,除了民國88年及民國93年之外,中風一直都是第二高的死亡原因,它也是造成中老年人殘障的最主要原因。中風後大部分的患者常會遺留某些程度的神經障礙後遺症,對於個人、家庭、社會的影響相當鉅大。
目前中醫已有一套辨證診斷系統,使中醫腦中風的診斷有一個依循的標準,然而有關腦中風中醫證候與西醫診察指標的相關性研究報告卻不是很多。有鑒於此,本研究運用資料探勘的決策樹C4.5演算法,將西醫在腦中風診斷上較具科學化的診察指標,與中醫的診斷指標建立相關性的連結,從其中萃取出有意義的規則,找出的規則可作為中醫師在腦中風臨床診斷時的參考依據。
此外,我們也利用腦中風資料探討了訓練資料組類別分布不均勻跟分類錯誤成本在C4.5效能的影響。經過我們分析,當中風訓練資料組的火熱證跟沒有火熱證的比例相同時,C4.5分類器有最好的結果。而類別分布結合分類錯誤成本可以在不顯著降低分類器特效性的情況下,提昇靈敏性的表現。
According to the statistical data published by the Department of Health in June 2005, stroke (Cerebral Vascular Accident, CVA) ranked third among the main causes of death in Taiwan in 2004 with a mortality rate of 9.23%. In other words, one out of 10 deaths is caused by the stroke. In fact, over the past 20 years, except in 1999 and 2004, stroke has nearly been the second of the causes of death. It is also the main cause of disability among the elderly. More often than not, varying degrees of neural sequela remain even after patients have recovered from a stroke, and thus leaving an enormous effect on the individuals, their family and society at large.
Though the Traditional Chinese Medicine (TCM) has established a stroke diagnosis standard supported by the TCM dialectical system, very few studies established any existing relationship between TCM and modern medicine with regard to stroke diagnosis. In this research, we utilize the C4.5 decision tree classifier (algorithm) to provide a scientific examination index for stroke diagnoses under the western medicine and dialectical index of TCM, and to set up the link of dependence between the diagnostic indexes of Modern medicine and TCM. From this procedure, we extracted certain rules that can serve as a reference for TCM doctors' clinical diagnoses of stroke.
Furthermore, we probe into how the proportion of fire syndrome to non-fire syndrome in the training set and the misclassification cost can influence the performance of the classifier. Our analysis showed that when the number of fire syndrome is proportioned to the number of non-fire syndrome in the training set, the classifier has better results. And when we combine the class distribution and misclassification cost, the classifier gets better sensitivity and does not produce any apparent reduction in its specificity.
誌 謝 i
中文摘要 ii
英文摘要 iii
目錄 v
表目錄 viii
圖目錄 ix
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 3
1.3 研究目的 3
1.4 研究對象與範圍 4
1.5 研究流程與論文架構 4
第二章 相關理論與文獻探討 6
2.1 西醫對腦中風疾病的認識 6
2.1.1 簡介、定義 6
2.1.2 種類 6
2.1.3 病因 9
2.1.4 併發症 11
2.1.5 診斷與治療 12
2.2 中醫對腦中風的認識 13
2.2.1 立論基礎 13
2.2.2 病症名稱與定義 15
2.2.3種類 16
2.2.4病因 17
2.3資料探勘與醫學診斷之應用 19
2.3.1 決策樹演算法 20
2.3.2分類錯誤成本 25
2.3.3 類別分佈不均勻的問題 27
第三章 研究方法與過程 29
3.1 中醫腦中風辨證分型建構 29
3.2 研究架構 30
3.3 研究對象與資料收集 31
3.3.1 資料描述 32
3.4 研究限制 34
3.5 實驗設計 35
3.5.1 C4.5決策樹分類模式的建立 35
3.5.2訓練時期的類別分布 35
3.5.3分類錯誤成本 38
第四章 分析與研究結果 39
4.1決策樹建構與規則萃取 39
4.2 類別分佈在C4.5的影響 46
4.3 類別分布結合分類錯誤成本 53
4.4 C4.5與樸素貝氏分類演算法的效能比較 56
第五章 結論與建議 59
5.1 研究結論 59
5.2 建議與後續研究 60
參考文獻 61
1.腦中風線上完全手冊:http://health.healthonline.com.tw/column/book_1/.
2.行政院衛生署統計處網站:
http://www.doh.gov.tw/statistic/data/死因摘要/93年/表1.xls
3.磯村孝二,1999,腦中風預防與治療,第一版,輕舟出版社。
4.王永炎,1993,「中風病要覽」,第一版,志遠書局。
5.任占利,王順道,高穎,1994,「中風病辨證診斷標準(試行) 」,北京中醫藥大學學報,Vol. 17, No. 3,頁64-66。
6.任占利,范吉平,「《中風病證候診斷標準》的臨床驗證研究」,北京中醫藥大學學報,1994, 17(6)41-43。
7.王玉來,鄭慧,劉文娜,「中風急症證候分析」,中國中醫急症,1995,4(2):75-78。
8.王建華,王永炎,「出血性中風與缺血性中風急性期證候演變規律的研究」,中國中醫急症,2001,10(4):215-217
9.劉金文,王永炎,毛慧敏,「251例急性期中風病證候的病理學基礎分析」,北京中醫藥大學學報,1994,17(4):30
10.劉赫,王麟鵬,吉軍,「腦梗塞辨證分型與頭顱CT所示病灶間的相互關係」,中國中醫急症,1996,5(5):213
11.黃賢權,胡立敏,顧法隆,「中風病急性期主要臨床證型與CT對照的價值和意義」,上海中醫藥雜誌,1996(4):8
12.黃海青,朱敬榮,開國維,「114例出血性中風中醫證型及腦部CT的研究」,南京中醫藥大學學報,1996,12(3):15
13.王順道,任占利,杜夢華,解慶凡,賈滋欣,「中風病始發態證候與腦病理改變相關關係的研究」,中國中醫急症,1999,8(1):36-39
14.梁傳雄,溫澤淮,賴世隆,「中風病中醫證候特徵與腦病理改變的相關關係研究」,新中醫,1999,31(7):41-43
15.李俊霖,民92年6月,「中西醫腦中風醫療相關性探討」,碩士論文,私立長庚大學資訊管理研究所
16.黃森壕,民93年6月「腦中風中醫證型與西醫因子之關連性探勘研究」,碩士論文,私立長庚大學資訊管理研究所
17.林建雄,馮燁,高潁,劉祥仁,林信光,張寓智,馬成珉,張禾坤,李俊霖,『中風病急性期中醫火熱證候與西醫診察指標的相關性』,北京中醫藥大學學報,2004, 27(5)
18.衛生資料統計:http://www.doh.gov.tw/lane/statist/85/.
19.林口長庚醫院神經內科一科,臨床神經學,初版,合記圖書出版社,2002年。
20.張紅星,艾宙,1998,中風病的中醫治療與康復指南,第一版,中國中醫藥出版社。
21.A. Stasis, E. Loukis, S. Pavlopoulos, D. Koutsouris. Using decision tree algorithms as a basis for a heart sound diagnosis decision support system. Proc of the 4th Annual IEEE Conf on Information Technology Application in Biomedicine. UK, 2003, pp. 354–57.
22.H. J. Loether and D. G. McTavish. Descriptive and Inferential Statistics: An Introduction. Allyn and Bacon, 1993.
23.I. Kononenko (2001) Machine learning for medical diagnosis: history, state of the art and perspective. Artificial Intelligence in Medicine 23(1): 89-109
24.J.C. Prather, D.F, Lobach, L.K. Goodwin, J.W. Hales, M.L. Hage and W.E. Hammond, Medical data mining: knowledge discovery in a clinical data warehouse. Proceedings/AMIA Annual Fall Symposium, (1997) 101- 105.
25.J. Han and M. Kamber, (2000) Data Mining - Concepts and Techniques, Morgan Kaufmann Publishers, 2000.
26.Journal of Artificial Intelligence Research: http://www.jair.org/
27.Journal of Machine Learning Research: http://jmlr.csail.mit.edu/
28.J. R. Quinlan, C4.5: Programs for Machine Learning, Morgan Kaufmann, San Mateo, CA, USA (1993).
29.M. Kamber, L. Winstone, W. Gong, S. Cheng, and J. Han, “Generalisation and Decision Tree Induction: Efficient Classification in Data Mining”, In Proc. of 1997 Int’l Workshop on Research Issues on Data Engineering (RIDE’97), Birmingham, England, pp 111-120, April 1997.
30.M. Pazzani, C. Merz, P. Murphy, K. Ali, T. Hume, and C. Brunk, (1994).Reducing misclassification costs: Knowledge-intensive approaches to learning from noisy data. Proceedings of the Eleventh International Conference on Machine Learning, ML-94, pp. 217-225. New Brunswick, New Jersey.
31.P. Turney(2000) Types of cost in inductive concept learning. In Proceedings Workshop on Cost-Sensitive Learning at the Seventeenth International Conference on Machine Learning (WCSL at ICML-2000), pages pp. 15-21, Stanford University, California.
32.P. Turney(1995), Cost-sensitive classification: Empirical evaluation of a hybrid genetic decision tree induction algorithm, Journal of Artificial Intelligence Research, 2, March, 369-409.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊