跳到主要內容

臺灣博碩士論文加值系統

(3.236.50.201) 您好!臺灣時間:2021/08/02 02:15
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:石建佳
研究生(外文):Chien-Chia Shih
論文名稱:應用資料探勘技術於試管嬰兒成功率之預測與輔助診斷
論文名稱(外文):Using Data Mining Technology for In Vitro Fertilization Success Rate of Prediction and Diagnosis
指導教授:顧瑞祥顧瑞祥引用關係
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:工業工程與管理研究所
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:86
中文關鍵詞:資料探勘試管嬰兒決策樹學習主成份分析基因演算法
外文關鍵詞:Data MiningIn Vitro Fertilizationdecision tree learningprincipal component analysisgenetic algorithm
相關次數:
  • 被引用被引用:2
  • 點閱點閱:556
  • 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:3
試管嬰兒(In Vitro Fertilization, IVF)治療是昂貴的,且對受療者的身心,都是一項考驗,IVF病人最常問的問題,就是「我成功的機率是多少?」。醫師通常根據病人的年齡、卵泡刺激素(follicle stimulating hormone)及不孕症的診斷,決定成功懷孕機率的大小,但有許多其他因素也會影響IVF的成功率,如卵子及精子的品質、殖入胚胎的數量及是否使用顯微注射技術(ICSI)等,這些複雜的因素使臨床醫師很難針對每一組IVF受療者擬定個別的治療決策,以達到最佳的成功率。本研究的目的在於應用資料探勘(Data Mining)技術於IVF資料庫之分析,構建出一個IVF結果的預測模式;同時找出預測IVF成功或失敗的規則,藉以探討影響IVF結果的因素之間的關係。為了達到較好的探勘結果,本研究使用三種混合(hybrid)資料探勘方法分析IVF資料庫:(1)結合複迴歸(multi-regression)與決策樹(Decision Tree)學習;(2)結合主成份分析(Principal Component Analysis)與決策樹學習;(3)結合基因演算法(Genetic Algorithm)與決策樹學習。比較四種模型後,GA結合DT之準確率為74.8%優於其它三種。由決策樹模型所得到的規則經與醫生確認後在臨床上是有診斷的有效性並與文獻吻合。希望藉由人工生殖技術的關係來幫助醫生與病人在溝通上、倫理上有共識,增進醫生與病患之間的和諧。本研究建構之模型對於醫生之臨床診斷將有實質之助益。
In vitro fertilization (IVF) treatment is expensive. Doctors are usually based on the patient age, follicle stimulating hormone (FSH) and infertility diagnosis, decision pregnancy rate. However, many more parameters are know to impact the IVF success rates. These complex factors cause clinician to be very difficult in view of each group of IVF to draw up curing the individual treatment decision-making. The purpose of this study is to apply data mining technology in IVF database analysis, build a forecast model of IVF results. In order to achieve the good exploration result, this study aims to use three kinds to mix (hybrid) in IVF database analysis:(1) multi-regression combine Decision Tree;(2) Principal Component Analysis combine Decision Tree;(3) Genetic Algorithm combine Decision Tree. Contrast with four models, the accuracy of genetic algorithm combine decision tree is 74.8% which is superior to the other three kinds. After confirmed by doctor, the rule from decision tree is equipped with clinical diagnostic variables and corresponds with literature. The hope helps doctor and the patient because of the assisted reproduction technology in the communication, ethics has the mutual recognition, promotes between doctor and patient harmony. The model constructed is beneficial to doctors’ clinical diagnosis.
中文摘要 --------------------------------------------- i
英文摘要 --------------------------------------------- ii
誌謝 --------------------------------------------- iii
表目錄 --------------------------------------------- iv
圖目錄 --------------------------------------------- vii
符號說明 --------------------------------------------- ix
第一章 緒論----------------------------------------- 1
1.1. 研究背景與動機------------------------------- 1
1.2. 研究目的------------------------------------- 3
1.3. 預期貢獻------------------------------------- 3
1.4. 論文架構------------------------------------- 4
第二章 文獻回顧------------------------------------- 6
2.1. 不孕症的定義及原因--------------------------- 6
2.1.1. 不孕症之定義--------------------------------- 6
2.1.2. 不孕症之原因及檢查--------------------------- 6
2.2. 試管嬰兒相關研究----------------------------- 13
2.3. 人工智慧技術於醫學相關應用------------------- 16
第三章 資料探勘技術--------------------------------- 20
3.1. 資料探勘的定義------------------------------- 20
3.2. 資料探勘的重要性及功能----------------------- 20
3.3. 資料探勘的步驟------------------------------- 21
3.4. 決策樹學習理論------------------------------- 22
3.5. 複迴歸分析----------------------------------- 24
3.6. 主成份分析----------------------------------- 26
3.7. 基因演算法----------------------------------- 29
第四章 研究方法------------------------------------- 31
4.1. 研究對象與樣本------------------------------- 31
4.2. 研究設計與流程------------------------------- 31
4.3. 資料屬性及前置處理--------------------------- 33
4.4. 模型建構------------------------------------- 38
4.4.1. 建構決策樹模型------------------------------- 38
4.4.2. 建構複迴歸分析結合決策樹--------------------- 40
4.4.3. 建構主成份分析結合決策樹--------------------- 43
4.4.4. 建構基因演算法結合決策樹--------------------- 47
4.5. 模型評估------------------------------------- 49
第五章 實驗與結果----------------------------------- 50
5.1. 資料探勘結果分析----------------------------- 50
5.1.1. 使用決策樹理論於IVF資料庫-------------------- 50
5.1.2. 使用複迴歸分析結合決策樹於IVF資料庫---------- 56
5.1.3. 使用主成份分析結合決策樹於IVF資料庫---------- 61
5.1.4. 使用基因演算法結合決策樹於IVF資料庫---------- 68
5.2. 混合模型變數之比較--------------------------- 77
5.3. 模型之比較----------------------------------- 78
第六章 結論與未來研究發展--------------------------- 80
6.1. 結論----------------------------------------- 80
6.2. 未來研究發展--------------------------------- 81
參考文獻 --------------------------------------------- 82
1.于鎮煥 (1996),「輔助生殖醫學科技」,行政院衛生署國民健康局人口與健康調查研究中心,7卷,134期。
2.王懷麟 (2004),人工生殖中之醫病關係初探,私立長庚大學醫務管理學研究所碩士論文。
3.江宏志 (2003),運用基因演算法建構疾病預測模型之研究-以尿路結石疾病預測為例,國立台灣大學商學研究所,博士論文。
4.李博智 (2002),資料探勘在慢性病預測模式之建構,私立元智大學資訊管理學系,碩士論文。
5.李文瑞 (2004),運用基因演算法建構疾病早期診斷模型之研究-以糖尿病前期之診斷為例,私立輔仁大學資訊管理學系,碩士論文。
6.李從業、張昇平、陳嘉琦 (1997),不孕夫婦的困擾程度、壓力感受及因應策略的比較,護理研究,5 (5),425–437。
7.李茂盛 (1997),「囊胚期胚胎植入術與植入前胚胎診斷」,行政院衛生署國民健康局人口與健康調查研究中心,8卷,154期。
8.江漢聲 (1997),「男性不孕治療的最新發展」,行政院衛生署國民健康局人口與健康調查研究中心,8卷,153期。
9.徐怡伶 (2000),接受生殖科技治療不孕夫妻情緒反應及因應行為與其相關因素之探討,中山醫學院醫學研究所,碩士論文。
10.張秀玉、郭碧照 (2000),初次與重覆接受試管嬰兒治療不孕夫婦之心理社會反應,護理研究,8 (3),190–201。
11.陳順宇 (2004),統計學(四版),華泰書局,台南。
12.陳順宇 (2002),迴歸分析(三版),華泰書局,台南。
13.陳順宇 (2002),實驗設計,華泰書局,台南。
14.陳啟元 (2003),資料探勘技術於健保資料之應用-以醫院門診服務點數預測為例,國立中正大學資訊管理研究所,碩士論文。
15.陳章友 (2000),類神經網路在醫學檢驗的應用-以肝病為例,國立交通大學工業工程與管理系,碩士論文。
16.陳清清 (1996),「不孕症育性接觸傳染疾病」,行政院衛生署國民健康局人口與健康調查研究中心,4卷,75期。
17.姚志成 (2005),運用資料探勘技術建構脂肪肝預測模式,私立中原大學資訊管理研究所,碩士論文。
18.黃上益 (2007),運用資料探勘技術於動脈粥狀硬化預測模式之研究,國立雲林科技大學工業工程與管理研究所,碩士論文。
19.蔡益堅 (1997),民國八十五年台灣地區婦女生育狀況調查,台灣省家庭計畫研究所。
20.蔡榮福 (1997),「不孕」,行政院衛生署國民健康局人口與健康調查研究中心,6卷,109期。
21.廖介銘 (2003),決策樹應用於糖尿病之探勘,私立華梵大學資訊管理系,碩士論文。
22.趙民德、謝邦昌 (2000),迴歸分析,曉園出版社。
23.趙民德、謝邦昌 (2000),多變量分析,曉園出版社。
24.謝邦昌 (2005) ,資料採礦與商業智慧―SQL Server 2005,鼎茂圖書出版社。
25.Bustillo, M., Stern, J.J., King, D., and Coulam, C.B., (1993). “Serum Progesterone and estradiol concentrations in the early diagnosis of ectopic pregnancy after in vitro fertilization-embryo transfer,” Fertility and Sterility, Vol. 59, pp.668-670.
26.Demyttenaere, K., Bonte, L., and Gheldof, M., (1998). “Coping style and depression level influence outcome of in vitro fertilization.” Fertility and Sterility , Vol. 69, pp.1026-1033.
27.Dursun, D.*, Glenn, W., and Kadam, A., (2004). “Predicting breast cancer survivability: a comparison of three data mining methods,” Artificial intelligence in Medicine 34, 113-127。
28.Fayyad, U.M., (1996). “Data Mining and Knowledge Discovery:Making Sense Out of Data” IEEE Expert, (11:10), pp.20-25
29.Hoover, L., Baker, A., Check, J.H., Lurie, D., and Oshaughnessy, A., (1995) “Evaluation of a new embryo grading system to predict pregnancy rates following in-vitro fertilization,” Gynecologic and Obstetric Investigation, Vol. 40, pp.151-157.
30.Hotelling, H., (1993). “Analysis of a complex of statistical variables into principal components”, J. Educ. Psycho l, pp.417-441.
31.Holland, J.H., (1975). “Adaptation in Natural and Artificial Systems”, The University of Michigan Press, Ann Arbor.
32.Hair, J.F., Aderson R.E., Tatham R.L., and Black, W.C., (1998). Multivariate Data Analysis(4 Ed.), New Jersey:Prentice Hall.
33.Jurisica, I., Mylopoulos, J., Glasgow, J., Shapiro H., and Casper, R.F., (1998). “Case-based reasoning in IVF: prediction and knowledge mining,” Artificial Intelligence in Medicine, Vol. 12, pp 1-24.
34.Johnson, D.R., (1998). Applied Multivariate models for Data Analysis. Duxbury Press.
35.Kunej, T., and Peterlin, B., (2000). “A data mining approach to the development of a diagnostic test for male infertility,” Studies in Health Technology and Informatics, Vol. 77, pp.779-783.
36.Kim, I.C., and Jung, Y.G., (2003). “Using Bayesian Networks to Analyze Medical Data,” Lecture Notes in Computer Science, Vol. 2734, pp.317-327.
37.Mikos, T.K., Pantazis, G.D. Goulis, N. Maglaveras, N.J. Bontis and Papadimas, J., (2005). “The use of Data Mining in the categorization of patients with Azpospermia,” Hormones, Vol. 4, pp 221-225.
38.Papageorgiou, E., Kotsioni, I., and Linos, A., (2005). “Data Mining: A New Technique In Medical Research,” Hormones, Vol. 4, pp 210-212.
39.Quinlan, J.R., (1996). “Improved Use of Continuous Attributes iv C 4.5. ”, Journal of Artificial Intelligence Approach, Vol. 4, pp. 77-90, 1996.
40.Quinlan, J.R., (1986). “Induction of Decision Trees,” Machine Learning 1, pp. 81-106.
41.Quinlan, J.R., (1993). “C4.5:Programs for Machine Learning.”, San Mateo, CA:Morgan Kaufmann.
42.Quinlan, J.R., (1990). “Learning Logical Definitions from Relation,” Machine Learning 5, pp.239-266.
43.Quinlan, J.R., (1995). 「MDL and Categorical Theories(continued).」 In Twelfth International Conference on Machine Learning, ed. A. Prieditis and S. J. Russell, 467-470. San Mateo, CA:Morgan Kaufmann.
44.Sebzalli, Y.M., and Wang, X.Z., (2001). “Knowledge discovery from process operational data using PCA and fuzzy clustering,” Engineering Applications of Artificial Intelligence, Vol. 14, pp.607-616.
45.Sun, W., Chen, J., and Li, J., (2007). “Decision tree and PCA-based fault diagnosis of rotating machinery,” Mechanical Systems And Signal Processing, Vol. 21, pp. 1300-1317.
46.Sung, H.H., and Sang, C.P., (1998). “Application of Data Mining Tools to Hotel Data Mart on the Internet for Database Marking,” Expert Systems with Application, (15), pp.1-31.
47.Sharma, S. (1996). Applied Multivariate Techniques, New York:Wiley.
48.Stamatis, P.E., Aphrodute, G.T., Dimitrios, I.T., Ioannis, D.Z., Athanasios, G.M., Stylianos, E.M., Themistoklis, N.P., and Theodore, D.M., (2002) “A mortality prediction model in diabetic ketoacidosis,” Clinical Endocrinology, 57, pp.595-601.
49.Young M.C.a,*, Seung H.H.a, Kyoung W.C.a, Dong H.L.b and Sun H.J.a, (2001). “Data mining approach to policy analysis in a health insurance domain,” International Journal of Medical Informatics 62, pp.103–111.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top