关于缺失临床数据的一种数据修复技术研究

• 作者: 李伟鹏 陈姿羽
• 来源期刊: 中国医学物理学杂志
• 关键词: 缺失数据 互信息 类神经网络 贝叶斯网络
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 医学信号处理与医学仪器
• 页码范围: 1137-1140
• 页数: 4页
• 分类号: TP18
• 语种: 中文

摘要

目的:利用原始的临床数据集里包含的有效信息解决临床数据中经常发生的数据缺失问题,以此提高预测和分类的准确性,从而为临床经验较少的医师提供帮助以纠正医生的主观意见.方法:首先,利用原始数据中隐含属性之间的关联性,同时结合专家知识,建立起数据集属性的修复结构;第二步,使用类神经网络的反向传播(BP)算法修复第一步中各个待修复数据子集中的缺失值;最后,用贝叶斯网络来检验修复后的临床数据集是否有效地提高了分类精度.结果:我们从UCI数据集中挑选出合适的临床数据集在Matlab7.0的环境下进行实验,分别比较了它们在不同随机缺失比例下经修复后对分类效果的影响.实验证明该数据修复方法较一般的均值修补法更能提高分类的精度.结论:在缺失的临床数据集中使用本文中介绍的方法,对得到准确的诊断结果具有很大的帮助.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟鹏	南方医科大学生物医学工程学院电子技术系	30	187	7.0	12.0
2	陈姿羽	南方医科大学生物医学工程学院电子技术系	6	16	2.0	3.0