結合多元適應性雲型迴歸與類神經網路於乳部腫瘤分類模式之建構

• 作 者: 陳雪芳;
• 机 构: 輔仁大學商學研究所博士班
• 出 处: 2007年第二届辅仁大学、中国人民大学联合研讨会暨经营成长、金融改革与创新学术研讨会
• 发表日期: 2007年期

　　资料采勘(data mining)所要处理的问题，是在庞大的资料库中寻找出有价值的隐藏事件，并且加以分析，进而从资料库中获取有意义的资讯以及对资料归纳出有结构的模式，作为企业在进行决策时之参考依据。而随着资料探勘技术的渐受重视，其所应用的范围也越来越广泛，其中亦包含了需被大量保存及追踪之医学资料。医疗业可以利用资料探勘之技术于预测手术、用药、诊断或是流程控制的效率，达到提升医疗服务品质之目的。乳癌在近年来为排名第四位的癌症，对台湾地区的妇女生命已造成相当大的威胁，而乳部肿瘤诊断是早期侦测乳癌最有效的方法之一。本研究旨在提出一整合多元适应性云形回归与类神经网路之两阶段乳部肿瘤诊断模式，即将多元适应性云形回归所筛选出的重要变数作为类神经网路的输入变数。期望能提供类神经网路一个良好的起始原点，再透过类神经网路的学习、辨识能力，来发展一个更为快速、精确的诊断模式。为验证所提方法之有效性，本研究将以美国威斯康辛大学提供的乳部肿瘤细针穿刺细胞检查资料进行实证研究，并基於建构模式稳健性的考量，对於模式验证采用5折交叉验证证(5—foldcross-validation)，以彻底检验分类模式之监别能力。实证结果显示，本研究所提之整合模式其整体正确监别率最高，误置成本最低，而为最佳诊断模式，得可供後续研究与实务界参考。