• 藍色版面
  • 綠色版面
  • 橘色版面
  • 粉紅色版面
  • 棕色版面
帳號:guest(120.119.126.29)          離開系統
字體大小: 字級放大   字級縮小   預設字形  

詳目顯示

研究生: 駱獻仁
研究生(外文): Xian-Ren Luo
論文名稱: 資料挖掘技術應用於醫療檢驗之研究 以唐氏症之預測為例
論文名稱(外文): Divination of Down''s syndrome using Symbolic Regression
指導教授: 吳志宏
指導教授(外文): Chih-Hung Wu
學位類別: 碩士
校院名稱: 樹德科技大學
系所名稱: 資訊管理研究所
論文出版年: 2004
畢業學年度: 92
語文別: 中文
論文頁數: 84
中文關鍵詞: 唐氏症符號式迴歸基因演算法運算函數
外文關鍵詞: Dwon’s SyndromeSymbolic RegressionGentic Program
相關次數:
  • 被引用:0
  • 點閱:48
  • 評分:*****
  • 下載:0
  • 書目收藏:0
摘要
          唐氏症是一種先天性的遺傳疾病,也是優生保健相當重要的一環。唐氏症可以透過某些生化檢驗指標計算後,而得孕婦懷有唐氏症胎兒的風險機率。以往,類似此種問題大部分皆使用統計技術及比較其他檢驗結果,往往需要大量的成本及人力。本論文透過分析各檢測指標的關係,試圖建立預測唐氏症發生風險機率的模型。使用的技術為Symbolic Regression,是屬於基因演算法的一種,對於非線性的問題可以提供不錯的計算模式。本論文介紹如何將預測唐氏症發生風險機率的問題轉換成Symbolic Regression的形式,並分析相關參數,並以數個實驗驗證此方法。由本研究獲得的預測模型可以獲得82%以上的預測正確性。
ABSTRACT
          Down syndrome is one of the most common genetic birth defects, affecting approximately one in 800 to 1,000 babies. To predict the possibility of such birth defect, tests on blood of pregnant women and comparison on statistical model are performed. This research tries to build models that connect the possibility of Down syndrome with the indicators such as HCG and AFP from experiments. The technique of symbolic regression is employed in this thesis. The model found in by symbolic regression for predicting the possiblility of Down syndrome is of 82% correctness. We present in this these how and why the problem of detecting Down syndrome can be viewed as symbolic regression. The transformation of data and related parameters are discussed. Finally, several experiments are performed and presented.
第一章 序論 1
            1.1 前言 1
            1.2 研究動機與目的 3
            1.3 研究方法與架構 5
            1.4 各章節簡述 8
          第二章 文獻探討 9
            2.1 統計迴歸法 9
            2.1.1 簡單迴歸分析 10
            2.1.2 複迴歸(多元迴歸)法 11
            2.1.3 邏輯斯迴歸(Logistic Regression Model) 12
            2.1.4 統計學的不適用性 14
            2.2 類神經網路(Artificial Neural Network) 15
            2.3 基因演算法(Genetic Algorithm- GA) 18
            2.4 模式選擇 23
          第三章 符號式迴歸 25
            3.1 SR基本概念 25
            3.2 參數設定及演化模式 26
            3.3 應用案例 32
            3.4 本章小節 35
          第四章 研究資料分析 36
            4.1 原始資料之來源及資料項目 36
            4.2 資料預處理及選擇資料 38
          第五章  實驗與研究結果 49
            5.1 原始資料與基本假設 49
            5.2 對照實驗 51
            5.3 AFP與唐氏症風險機率 54
            5.4 Free β-HCG與唐氏症風險機率 58
            5.5 AFP、Free β-HCG 與唐氏症風險機率 60
            5.6 孕婦分娩年齡與唐氏症風險機率 64
            5.7 年齡、AFP、Free β-HCG對唐氏症預測之影響 65
            5.8 資料驗證 58
            5.9 實驗小結 70
          第六章  結論與討論 71
            6.1 預測準確性檢討與貢獻性 71
            6.2 Symbolic Regression的應用層面 72
            6.3 未來研究方向 73
          參考文獻 74
          附件(一):基本函數圖形 78
          附件(二):唐式症檢驗報告 79
          附件(三):案例資料 80
[1] 郭義興,2003,台灣母血唐氏症篩檢對唐氏症出生趨勢之影響,國立台灣大學醫學臨床醫學研究所碩士論文,台灣。
[2] 薛夙君,1996,唐氏症產前母血血清篩檢行為之相關因素探討,高雄醫學院碩士論文,台灣。
[3] 簡詠霖,2003,條件邏輯斯迴歸模式於二元分類法的應用探討,國立陽明大學公共衛生研究所生物統組碩士論文,台灣。
[4] 魏玲慧,免疫分析法在唐氏症篩檢之應用,佛教慈濟醫院大林分院核子醫學科醫檢師(http://www.tzuchi.com.tw/dl/healthinfo/new12.htm)。
[5] 顏月珠,現代統計學,1993年出版,三民書局。
[6] 周乃昉、鄭子璉、林柏承,「應用類神經網路於颱風降雨量的推估」,第十一屆水利工程研討會論文集,臺灣,台北,第 C23 - C28 頁,2000。
[7] 鄭春生、萬維君,應用類神經網路於製程平均值變化之偵測及參數之估計,元智大學工業工程與管理學系,2002。
[8] 湯玲郎、施並洲,灰關聯分析、類神經網路、案例推理法於財務危機預警模式之應用研究,中華管理評論,Vol.4, No.2, pp.25∼37,Mar 2001。
[9] 羅國宏,回饋式類神經網路之應用:以股票市場預測為例,國立中山大學資訊管理研究所碩士論文,1994。
[10] 傅金城,即時回饋演算之河川洪水預報模式,國立臺灣大學生物環境系統工程學系暨研究所,博士論文,2002。
[11] 劉偉遠,應用基因演算法於批次生產排程系統做為電力預估最佳化之研究,國立高雄第一科技大學,台灣,2003。
[12] 許哲瑋,資料挖掘與統計方法應用於資料庫行銷之實證研究─以美妝保養品業為例,國立台北大學企業管理學系,台灣,2002。
[13] 劉耀斌,當代迴歸技術與類神經網路在剛性鋪面回算之應用,淡江大學土木工程學系,台灣,2003。
[14] 李昀寰,颱風降雨量與風速之統計預測,國立中央大學統計研究所,台灣,2000。
[15] 孫崇智,水資源區域需水量預測模型之研究,高雄第一科技大學環境與安全衛生工程系,台灣,2001。
[16] 黃昭平、張克章、侯永昌,基因演算法於密碼學之應用與研究,資訊安全通訊期刊,第六卷第二期,89.03。
[17] C. Lemay、N. Roussel-Mizon、F. Thepot、G.. Desmet,10 April 1995,Maternal serum screening for fetal Down’s syndrome , a retrospective study,Clinica Chimica Acta 238(1995),P:151-162。
[18] Maarten Keijzer,2001,Scientific Discovery using Genetic Programming,IMM,Technical University of Denmark,Chapter 1-2。
[19] Candida Ferreirs,2001,Gene Expression Programming in Problem Solving,WSC6 tutorial。
[20] Maarten Keijzer(mkeijzer@cs.vu.nl),Scaled Symbolic Regression,Computer Science Department, Free University Amsterdam。
[21] J.W. Davidson、D.A. Savic、 G.A. Walters,Symbolic and numerical regression : experiments and applications,Department of Engineering, School of Engineering and Computer Science, University of Exeter, accepted 7 April 2001。
[22]Usama Fayyad、Evangelos Simoudis,Tutorial MA1 Knowledge Discovery and Data Mining,Canada,Thursday, July 27, 1995。
[23] M.J.A. Berry & G. Linoff : Data Mining Techniques, JohnWiley & Sons, Inc. 1997
[24] B. Verma, M. Blumenstein and S. Kulkarni,A New Compression Technique Using an Artificial Neural Network,School of Information Technology Faculty of Information and Communication Technology,Australia。
[25] Alden H. Wright,Evolutionary computation, selection methods,Department of Computer Science, University of Montana, Missoula, MT,Lecture notes for October 9, 2002。
[26] S. Sette , L. Boullart ,Genetic Programing:Principle and Applications,Engineering Applications of Artificical Intelligence 14(2001)727-736,2001。
[27] Cândida Ferreira,Gene Expression Programming:A New Adaptive Algorithm for Solving Problems,Departamento de Ciências Agrárias,Complex System, Vol.12,issue 2: 87-129 , 2001。
[28] Koza, J.R., 1992. Genetic Programming, On the Programming of Computers by Means of Natural Selection; MIT Press , Cambridge, MA, ISBN 0-262-11170-5。
[29] Shahmurove, Y.、Witkowska, D. ,Utilizing Artificial Neural Network Model to Predict Stock Markets,Department of Economics The City College of the City University of New York and The University of Pennsylvania,September 2000。
[30] Goldberg, D.E.,Genetic Algorithms in Search ,Optimization , and Machine Learning,Addison-Wesley,1989。
[31] Mark Willis、Hugo Hiden、Mark Hinchliffe、Ben McKAY、Geoffrey W. Barton,System Modeling using Genetic Programming,Computers Chem. Engng, Vol. 21 , 1997。
[32] Anthony Hui,Using Genetic Programming to Perform Time-Series Forecasting of Stock Prices,Computer Science Department Stanford University,Stanford, California , USA。
[33] Rama Prasad Kanungo,Genetic Algorithms: Genesis of Stock Evaluation,Asian Accounting, Finance & Business Research Unit, CARBS,Apr 2004。
[34]Fujita, T., Miyazaki, K., Murai, N., Aizawa, S., Yamamoto M., and Tohyama, K.,Active Vibration Control of a Beam with Smart Structure using Piezoelectric Actuator of Stack Type”, Transactions of the Japan Society of mechanical engineers, 1995-4。
[35]G.B.Sheble and K.Brittig,refined genetic algorithm-economic dispatch example,IEEE Trans. on power system, Vol. 10, No. 1, pp.117-123, February 1995。
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
* *