基于数据挖掘的触诊成像乳腺癌智能诊断模型和方法

基于数据挖掘的触诊成像乳腺癌智能诊断模型和方法

张旭东, 孙圣力, 王洪超

北京大学软件与微电子学院，北京 100089

北京先通康桥医药科技有限公司，北京 101300

 

摘要：为了辅助医护人员利用触诊成像技术判定乳腺癌，提出了触诊成像乳腺癌智能诊断模型和方法。采用乳腺癌早期筛查及风险评估的临床数据，以触诊成像诊断结果为对比数据，通过决策树等机器学习算法以及投票法，对乳腺肿瘤的良恶性质进行判定。使用SMOTE算法对数据进行处理，建立了诊断模型和方法，自动完成对乳腺肿瘤性质的诊断。实验结果表明，乳腺癌正确筛查的准确性达到98%，提出的方法具有很好的应用价值。

关键词： 智能诊断 ; 临床数据 ; 机器学习 ; SMOTE算法

论文引用格式：

张旭东, 孙圣力, 王洪超. 基于数据挖掘的触诊成像乳腺癌智能诊断模型和方法. 大数据[J], 2019, 5(1): 68-76

ZHANG X D, SUN S L, WANG H C. Intelligent diagnosis model and method of palpation imaging breast cancer based on data mining. Big data research[J], 2019, 5(1): 68-76

1 引言

近年来，乳腺癌已成为威胁女性健康的恶性疾病，发病年龄集中于45~55岁，发病率则随着年龄的增长呈上升态势。提高广大妇女的乳腺健康意识，加强和规范乳腺癌筛查工作，以便早诊早治，对于降低乳腺癌死亡率至关重要。在乳腺癌筛查中应以较少的人力、物力取得较大的社会效益，即选择灵敏、经济的检测手段，制定最佳的筛查方案。

鉴于触诊成像在大规模人群筛查中体现出的快速高效的独特优势，本文结合机器学习相关技术，采用乳腺触诊诊断仪收集的临床数据，进行诊断模型训练，以乳腺癌临床病理诊断结果为判读标准，建立了一套基于触诊成像的乳腺癌智能诊断方法，以实现乳腺癌的智能化判定，进而提高大规模人群乳腺癌筛查的效率。

在医疗领域，大数据的取得及应用至关重要。大部分数据是通过文献、临床数据、结构化数据、非结构化数据及第三方数据库等渠道获取的。医疗数据存在以下特点和问题。首先，医疗数据具有显著的特殊性及复杂性，要在短时间内积累大量有价值的数据，难度和成本很高；其次，医疗数据往往面临不平衡数据集的问题，样本种类不平衡会导致整个数据集难以有效地运用，数据无法发挥其最大效能。因此，从不同渠道获取数据后，应进行数据清洗，确保数据质量，并在数据转换、重新建构后，将数据存入数据库以供使用。医疗智能诊断旨在帮助医疗机构或医生个人利用信息技术对医学数据进行收集、管理及分析。本文通过积累相关医学知识，利用数据清洗、数据增强等方式提升数据的价值，并运用相关机器学习算法进行乳腺癌预测，建立了一套触诊成像乳腺癌智能诊断方法。

2 乳腺癌智能诊断建模流程

笔者参与的乳腺触诊成像健康体检人群乳腺癌早期筛查研究项目积累了多家医院的临床数据。本文基于这些数据&