基于改进Apriori算法的肝癌手术治疗效果评价

摘 要：本文将改进的Apriori关联规则算法应用于肝癌预后影响的预测中，通过20个具有代表性的样本数据，提取、化简得到一组规模合适的关联规则集，结合CBR技术对新案例诊断。最后，将关联规则集中的各个规则还原实际含义，从而对医生的诊断提供辅助方案。

关 键 词：数据挖掘；关联规则；CBR；肝癌

肝癌作为一种恶性肿瘤危害人类健康，治疗方案的选择极大影响肝癌患者的预后。目前对预后分析的方法有Logistic回归、Kaplan-Meier法、决策树法等，本文提出改进Apriori算法，不仅考虑预后影响，而且考虑各因素之间的影响，以期出现某一症状可预测下一症状，从而尽早预防。

数据预处理

对20组具有代表性的数据进行离散化处理，每一位都用布尔值去表示，“1”代表具有该种属性，“0”代表不具有该种属性。字母A—T作为区分20个样本号。数字1—30就是原有X1—X10细分后的原子属性，处理后结果如表1所示。

新案例的诊断

直接运用案例推理CBR[1]诊断新案例会使案例库冗余。因而，将其改进为：先遍历案例库，从中选择最为相似的数据作为判断依据，再判断相似度，若<<（是根据专家经验精度），则无需将新案例放入，否则加入到案例库。其中 可用欧式距离[1]量化，相似度越小表示案例越相似。

总结

与决策树方法[2]相比，改进Apriori方法[3]将Decision也视为同等的属性，不仅可以研究X1—X10属性对于Decision的影响，而且可以研究各个病症之间联系，达到某一前件病症出现时可以预防后件病症发生的效果，从而辅助医生为病人提供更加及时、有效的治疗，为病人免去了繁琐检查的痛苦，也减轻了病人的经济负担。在实际应用中，如果能够将专家决策与计算机辅助工具相结合，并将概率理论结合到本文模型中，相信会大大提高模型的实用型和准确度。

参考文献

[1] 施京华.基于数据挖掘的癌症诊疗决策优化研究[D].博士论文.上海：上海交通大学，2011.6.

[2] 陈燕，张振中.数据挖掘决策树在肝癌病人预后中的研究与应用[J].科学信息，2007（10）：20-21.

[3] 陈燕.数据挖掘技术与应用[M].北京：清华大学出版社，2011.5.