醫(yī)學(xué)影像學(xué)診斷中粗糙集方法的應(yīng)用分析

董亞群

(吉林師范大學(xué) 計算機學(xué)院，吉林 四平136000)

粗糙集理論是一個交叉融合多種學(xué)科形成的新學(xué)科，已被廣泛用于各個行業(yè)包括：市場營銷、衛(wèi)生、電信、金融、農(nóng)副產(chǎn)品、互聯(lián)網(wǎng)語言的識別以及知識管理系統(tǒng)等等。粗糙集理論在很多的領(lǐng)域已取得令人驕傲的應(yīng)用效果。在醫(yī)學(xué)影像學(xué)領(lǐng)域中，隨著影像學(xué)數(shù)據(jù)信息不斷的增長，在醫(yī)學(xué)影像學(xué)診斷中運用粗糙集方法，能客觀地展現(xiàn)出海量數(shù)據(jù)信息以及高維資料的背后的真實情況，更好的幫助醫(yī)生做出客觀、準(zhǔn)確的判斷，有利于臨床診斷正確性的提高。

1 簡要論述粗糙集方法

1982 年波蘭數(shù)學(xué)家首次提出粗糙集概念，這是以等價關(guān)系為基礎(chǔ)的，用于分類問題的研究，用上集合與下集合生成一個相逼近的新集合，新結(jié)合的邊界線被定義為上下近似集的差集。是繼概率論、證據(jù)論之后有一個不確定性問題的處理工具，是一種新型的軟計算方式。

這種建立在分類機制前提下的粗糙及理論，可以把分類解釋成為一定區(qū)域中的等價關(guān)系，這個區(qū)域正是由等價關(guān)系進行劃分的。將知識歸納為數(shù)據(jù)的劃分，被劃分后的集合定義為概念。充分利用已知的信息庫，對不確定或不精確的知識通過已知的信息庫進行近似刻畫。無須提出數(shù)據(jù)集合以外的一切知識，因此，對于問題的描述比較客觀、比較具體，再加上粗糙集理論不包含不確定或不精確原始數(shù)據(jù)機制，與證據(jù)理論、概率論等有較強的互補性。

粗糙集合理方法適用于研究不定型問題的工具，作為集合理論的擴展，粗糙集理論主要用來研究不完整的信息數(shù)據(jù)挖掘技術(shù)。它可以在缺乏數(shù)據(jù)的先驗知識前提下，用考察數(shù)據(jù)分類的能力解決模糊不定的數(shù)據(jù)并加以分析處理，與此同時粗糙集算法簡單且容易操作，現(xiàn)在以它為基礎(chǔ)的數(shù)據(jù)挖掘工具也非常多，粗糙集理論其出發(fā)點是假設(shè)所有研究對象都涉及一些的信息。隨著粗糙集理論的廣泛應(yīng)用，其有效性被越來越多的證實，成為了現(xiàn)階段人工智能研究的重點。

2 醫(yī)學(xué)影像學(xué)診斷中粗糙集方法的應(yīng)用實例分析

收集了2011 年1 月-2012 年1 月來我院進行膠質(zhì)瘤診斷治療的50 例患者的臨床資料進行詳細研究，其中，29 例男，21 例女，患者年齡在23 歲-77 歲之間，平均年齡為58.7 歲。其中，11 例WHO I 級，25例WHO II 級,9 例WHO III 級，5 例WHO IV 級。對上述患者進行MRI檢查，平掃TIW1 橫斷面與矢狀面得出影像學(xué)資料。由放射科專業(yè)醫(yī)生對上述患者的MRI 影像學(xué)資料進行分析研究，包括病灶位置、形狀、囊變、TIW1、T2W1、水腫、鈣化、出血、性變等等，按照影像學(xué)特征對不同指標(biāo)進行分類。并通過粗糙集方法、Logistic 二元回歸方法與分類回歸樹方法對影像學(xué)資料進行研究。具體粗糙集方法：將決策表導(dǎo)入專門的Rosetta 軟件，通過軟件對病例進行規(guī)則約簡與屬性約簡。在條件屬性核產(chǎn)生的基礎(chǔ)上，得到?jīng)Q策規(guī)則庫，通過規(guī)則庫過濾，達到知識的精簡。通過10 折交叉驗證方式測試膠質(zhì)瘤數(shù)據(jù)，通過測試結(jié)果的診斷靈敏性、覆蓋率、陽性預(yù)測值、特異度、陰性預(yù)測值等提取診斷性能，繪制ROC 曲線。結(jié)果顯示，粗糙集方法的診斷準(zhǔn)確性為85.2%，特異度為92.7%； 決策樹方法診斷準(zhǔn)確性為83.0%，特異度為91.3%；Logistic 二元回歸方法診斷準(zhǔn)確性為83.2%，特異度為85.6%。充分證實了，在臨床影像學(xué)診斷中，粗糙集方法能夠得到更多的確定性規(guī)則，進一步提高臨床診斷準(zhǔn)確率。

3 醫(yī)學(xué)影像學(xué)診斷中粗糙集方法的應(yīng)用的優(yōu)點分析

3.1 粗糙集方法應(yīng)用便捷、結(jié)果準(zhǔn)確性高

粗糙集方法不需要預(yù)先設(shè)計概率、不需要建立相應(yīng)的因變量函數(shù)關(guān)系，直接運算集合中的對象，直接獲得不可分辨的矩陣，直接得出結(jié)論。通過粗糙集法分析，其結(jié)論呈現(xiàn)的方式是以IF….Then…的形式出現(xiàn)，呈現(xiàn)結(jié)果不僅具有非常高的價值，而且呈現(xiàn)形式非常明確。

3.2 粗糙集方法能客觀地展現(xiàn)出海量數(shù)據(jù)信息以及高維資料的背后的真實情

這種基于數(shù)據(jù)集合的挖掘方法，在臨床影像學(xué)診斷中，粗糙集方法能夠發(fā)現(xiàn)隱藏在現(xiàn)象背后的知識。例如，在在對膠質(zhì)瘤影像學(xué)資料進行規(guī)則提取以及屬性約簡時，整個過程都是客觀的，不受外界因素、人為因素的干擾，獲得的膠質(zhì)瘤級別診斷比較容易理解、診斷規(guī)則比較清晰。Logistic 二元回歸方法與分類回歸樹方法，是通過訓(xùn)練集方式生成一個新的測試函數(shù)，通過函數(shù)分析方法，計算不同對象的可能發(fā)生概率，進而預(yù)測對象的分類。Logistic 二元回歸方法是基于數(shù)理統(tǒng)計基礎(chǔ)上的，通過筆數(shù)比篩選具有價值、有統(tǒng)計學(xué)意義的不同變量，將這些變量通過模型方程形式進行計算，比較計算前后實際結(jié)果與預(yù)測結(jié)果兩者的差異性，從而進一步確定自變量的入選，同時，還可以計算出自變量的重要價值。決策樹方式是通過地規(guī)模與分層模式進行的，也就是根據(jù)不同的對象建立不同的樹分支。在不同分支的子集中建立重復(fù)的分值和下層節(jié)點，從而生成了決策樹。再對決策樹剪枝，再對決策樹進行規(guī)則處理。但是，這種基于概率的分類結(jié)果，是根據(jù)概率進行判定的，對于高級別膠質(zhì)瘤的診斷率比較低，這種決策樹分析方法很容易受到人為因素的影響，比如說決策樹的修建、決策樹的增長、選擇父節(jié)點數(shù)以及子節(jié)點數(shù)等等，都會影響到分析結(jié)果的準(zhǔn)確性。

4 結(jié)語

粗糙集方法是將觀測到的龐大數(shù)據(jù)集加以分析研究，其目的是找的未知的關(guān)系及數(shù)據(jù)擁有者能夠理解且有價值的新方法來總結(jié)數(shù)據(jù)，經(jīng)粗糙集方法推導(dǎo)出的準(zhǔn)確率較高，在臨床醫(yī)學(xué)影像診斷中應(yīng)用價值較高。

［1］馬常杰，陳守余.數(shù)據(jù)庫中模糊關(guān)聯(lián)規(guī)則挖掘研究進展[J].計算機工程與應(yīng)用，2010，12（11）：752-753.

［2］田軍章.基于PACS 的結(jié)構(gòu)化報告（SR）模塊的設(shè)計與實現(xiàn)研究[D].第一軍醫(yī)大學(xué)，2011，4（09）：141-142.

［3］王小鳳，周明全，耿國華.一種基于模糊粗糙集理論的算法及其在醫(yī)學(xué)影像中的應(yīng)用[J].計算機應(yīng)用研究，2012，11（5）：369-371.

［4］王國胤.Rough 集理論在不完備信息系統(tǒng)中的擴充[J].計算機研究與發(fā)展，2012，5（17）：13-15.

［5］莊傳禮，楊萍，李道亮，傅澤田.基于神經(jīng)網(wǎng)絡(luò)和粗糙集規(guī)則的提取方法[J].計算機工程，2011，15（4）：56-57.

［6］張超.數(shù)據(jù)挖掘中分類分析的策略研究及其生物醫(yī)學(xué)應(yīng)用[D].南方醫(yī)科大學(xué)，2011，10（3）：168-169.