一种基于级联聚类与分类的结核病诊断数据挖掘方法
人工智能
2011-08-05 v1 数据库
摘要
本文提出了一种用于结核病(TB)自动检测和分类的方法。结核病是由分枝杆菌引起的疾病，通过空气传播，易侵袭低免疫力人群。我们的方法基于聚类和分类，将结核病分为两类：肺结核(PTB)和逆转录病毒肺结核(RPTB)，即伴有人类免疫缺陷病毒(HIV)感染的结核病。首先使用K-means聚类将结核病数据分为两个簇，并为簇分配类别。随后，在结果集上训练多个不同的分类算法，基于K折交叉验证方法构建最终的分类器模型。该方法使用从一家城市医院获取的700条原始结核病数据进行评估。与其他分类器相比，支持向量机(SVM)获得了最佳准确率98.7%。所提出的方法有助于医生进行诊断决策，并针对不同类别制定治疗计划。
引用
@article{arxiv.1108.1045,
title = {A Data Mining Approach to the Diagnosis of Tuberculosis by Cascading Clustering and Classification},
author = {Asha. T and S. Natarajan and K. N. B. Murthy},
journal= {arXiv preprint arXiv:1108.1045},
year = {2011}
}
备注
8 pages