埃及信息学杂志（2016）17，265开罗大学埃及信息学杂志www.elsevier.com/locate/eijwww.sciencedirect.com全长文章基于粗穆罕默德·MEissaa，Mohammed Elmogyb，*，Mohammed Hashemca信息系统部，埃及开罗法国大学工商管理和信息系统学院b信息技术部，埃及曼苏拉曼苏拉大学计算机和信息学院c信息系统部，Ain Shams大学计算机和信息学院，埃及接收日期：2015年10月20日;修订日期：2015年12月15日;接受日期：2016年1月22日2016年2月26日在线发布摘要为了丰富大量的有关疾病症状的医学信息，以及如何区分疾病症状以正确诊断疾病，医学领域已成为最重要的研究领域之一。知识发现模型在医学指标的提炼和挖掘中起着重要的作用，可以帮助医学专家做出治疗决策。本文介绍了四种基于粗糙集理论、人工神经网络、遗传算法和粗糙微粒理论的粗糙-粒计算混合知识发现模型。通过对各种知识发现模型的比较分析，利用不同的知识发现技术对数据进行预处理、约简和数据挖掘，为医学专家提取主要医学指标、降低误诊率、提高医疗诊断和治疗决策提供支持。该模型利用了两个医学数据集：冠心病数据集和丙型肝炎病毒数据集。本文的主要目的是探讨和评估所提出的模型的基础上粒度计算方法的知识提取，根据不同的评价标准，医疗数据集的分类。另一个目的是利用粒计算方法对监督学习的KDD过程框架进行改进。©2016制作和主办由Elsevier B.V.代表开罗大学计算机和信息学院这是一篇基于CC BY-NC-ND许可证的开放获取文章（http：//creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍*通讯作者。电子邮件地址：melmogy@mans.edu.eg（M. Elmogy）。开罗大学计算机和信息系负责同行审查。在不断增长的数据库中使用数据库知识发现（KDD）是应对数据量和复杂性不断增长的挑战所必需的KDD试图通过识别数据属性之间的关系来收集知识以进行预测。此外，基于规则归纳的知识发现技术对于不断增长的数据量也很重要[1]。http://dx.doi.org/10.1016/j.eij.2016.01.0011110-8665© 2016制作和主办Elsevier B. V.代表开罗大学计算机和信息学院这是一个在CC BY-NC-ND许可证下的开放获取文章（http：//creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier关键词粒计算;遗传算法;知识发现;粗粒学;粗集266M.M. Eissa等人许多基于研究的知识发现帮助医学专家识别不同医学指标之间的关系，防止错误的结果，找出影响疾病检测、诊断和预测的最小医学指标集，改善治疗决策过程。用于分类任务的粒度计算方法学基于术语用于分类的数据集表示为在信息表中，数据被分成连接属性和决策类。数据集中的对象可以构成分类系统的基本粒。使用粗糙集（可扩展性），模糊逻辑（相似性）和其他技术中定义的相似性度量，粒计算方法建立了同一粒内对象之间，粒之间和粒族之间的关系，用于分类。粗糙集和模糊逻辑及其理论的扩展发展了相似性度量作为粒计算方法学的基础基于粒计算思想的混合分类技术在KDD建模中发挥了各自的优势，提高了分类精度。在本节中，我们重点介绍了现代世界中的两种常见 疾 病 ， 即 冠 心 病 （ CHD ） 和 丙 型 肝 炎 病 毒（HCV）。冠心病（CHD）是公认最广泛的心脏病类型，它是全世界成年人死亡的主要原因，专家预计到2020年CHD将成为许多国家的第一死因[2]。冠心病又称动脉粥样硬化或动脉粥样硬化。这是凝固的血管脂肪沉积称为堵塞在动脉。氧气和营养素对心脏功能至关重要。血液通过称为动脉的血管将氧气和营养物质输送到心脏。胸痛被定义为呼吸急促，直到心脏病发作，这是由于积累而获得的冠状动脉斑块和流向心脏的血流量减少[3]。世界范围内的第二种常见疾病是HCV，这是一种由丙型肝炎病毒引起的肝脏疾病。它有时会导致严重的疾病，但经常会变成一种无声的慢性感染，可能会导致肝功能衰竭和肝癌，导致死亡[4]。本文的结构如下：第二部分回顾了知识发现模型的相关研究。第3节展示了用于医学数据集分类的知识发现模型的结构。评价业绩计量见第4节。第5节描述了所使用的医学数据集、实验结果以及与其他模型的比较。最后，在第6节中说明了结论。2. 相关工作许多研究人员开发了基于人工神经网络，模糊逻辑，遗传算法技术的模型，以及不同的知识发现任务的混合模型。由于Rough集作为数据分析工具的优势，科学家们致力于建立基于Rough集的混合模型（Rough神经模型-模糊Rough模型-Rough遗传算法模型）来进行知识发现Dongbo等人[5]提出了一种模型，利用Rough模糊模型构建松耦合Rough神经网络，采用自适应粗糙集理论作为粗糙集理论的一种扩展，在知识发现的不同应用领域得到了广泛的应用例如，Zheng和Zhan[6]探索了一种模型，即粒度计算可以使用粗糙微粒学来提高基于规则的分类的性能然而，该模型没有扩展更多的分类器，并致力于发展它的基础上最小长度原则。Polkowski和Artiemjew[7]开发了一种冠心病分类器，首先使用数据预处理技术处理缺失值，然后应用椭圆分类器发现是否存在冠心病。Polkowski和Artiemjew在Rough - Mereology的框架下发展了一个利用颗粒反射的规则归纳模型与精确度低于所提出的模型[8]的穷举粗糙集分类器进行了比较分析。Zaki等人[9]介绍了一种基于粗糙集的丙型肝炎病毒分类模型。该模型利用粗糙集进行数据预处理，通过离散化连续的医疗指标和一组决策规则，确定是否存在丙型肝炎病毒。然而，该方法没有使用任何约简算法进行属性约简，分类器的准确性是可以接受的。Badria等人[10]提出了一种基于Rough集的粒度模型，利用Rough集的基本概念来发现属性、离散-连续属性和动态约简之间的依赖关系。然后，他们生成了一套HCV分类规则。Eissa等人[11]提出了一个粗糙遗传模型的HCV分类使用粗糙集归纳出一套规则，反映了整个宇宙。然后，对每个规则计算支持度，对规则进行过滤，选出最频繁的最有希望的规则是编码在染色体和使用遗传算法操作，以获得更好的分类精度。Ding等人介绍了一项比较研究[12]。在基于粒计算概念的两种模型之间，引入了粗糙神经网络RNN和模糊神经网络FNN的概念，并对这两种模型进行了比较，为今后的发展做准备，以提高它们的性能。3. 知识发现模型3.1. 基于粗糙集的粒计算模型基于粗糙的粒度模型的架构如图1所示。该模型分为五个阶段：首先，医疗数据集被公式化为决策表。其次，离散化阶段使用粗糙集算法将连续数据转换为区间。第三阶段采用动态约简算法去除冗余属性，降低数据复杂度最后，规则是粗267HCV数据集将数据集拆分为训练集输入培训信息表预处理HCV数据集基于RSBR算法的数据减少动态约简约简属性集规则生成规则归纳决策规则选择HCV的分类使用从HCV训练集生成的规则对HCV测试数据集进行分类图1用于医学分类的粗糙粒度方法（RGA）。从产生的约简中生成，并具有相关的度量，例如规则强度、规则确定性和规则覆盖率，分类准确度计算，并由医学专家评估规则[10]。3.2. 基于粗糙遗传算法的粒计算模型该模型结合了两种新的数据挖掘方法：在数据预处理和规则生成方面具有强大功能的粗糙集理论和改进分类过程中生成规则的气体，并提供了三个主要阶段。模型的架构如图2所示，如下所示[11]：第一阶段数据预处理：它包括使用Rough可拓关系去除冗余数据和使用Rough集对连续属性进行离散化，提高模型性能阶段2数据约简：这是粗糙集分析阶段，计算保留可约简关系的最小属性集。阶段3规则生成：此阶段包含两个子阶段：第一子阶段是使用粗糙集进行规则生成。第二阶段利用遗传算法对粗集算法产生的规则进行改进。该阶段包含两个子阶段，子阶段1：它生成初始染色体，其中规则被编码到初始种群中的染色体中，如等式1所示（一）.子阶段2：应用遗传算法操作（选择、交叉和变异）进行规则过滤和细化。医学数据的第四阶段分类：通过遗传算法计算改进的规则后，这些规则用于分类。这些规则用于预测未发现的病例，以做出新药的治疗F1.染色体正确分类的数量=训练数据中的所有观测值3.3. 粗粗糙神经网络是在粗糙粒度信息和传统神经网络的基础上发展起来的。粒度信息可以被视为相同或相似属性或特征的集合粗粒度度量可以解决现实世界中的复杂问题。在此基础上，提出了一种混合型松散耦合粗糙神经网络模型.该模型集成了两种新的数据挖掘方法：预处理中的粗糙集（数据离散化和约简）和用于分类和预测的变换和前馈反向传播神经网络算法[13]。在图3中介绍并展示了用于对医疗数据集进行分类的模型的架构，如下所示：HCV数据集将数据集拆分为训练集输入培训信息表预处理HCV数据集基于RSBR算法的数据减少粗糙动态约简算法规则生成基于遗传算法的粗糙集规则归纳HCV的分类使用从HCV训练集生成的规则对HCV测试数据集进行分类图2混合粗糙遗传分类模型。图3中使用的拟议医学分类。268M.M. Eissa等人医疗数据集预处理阶段离散化语言信息表属性约简粗粒学利用Rough Inclusion生成Rough包含相似表基于粗糙包含的将数据集聚类为不同半径r计算每个颗粒的准确度通过训练对象选择最佳Raduis第一阶段数据预处理：离散化算法基于粗糙集运算中的类标号，使用布尔推理算法。它将连续值属性转化为离散值属性，提高了数据的分类性，降低了数据的复杂性。第2阶段数据简化：粗糙集分析阶段利用属性约简的方法求出描述数据集中每个对象的最小属性集而又不丢失可拓关系的最小医学指标集。使用ANN反向传播算法对医疗数据集进行第3阶段分类和预测。在分类阶段，首先将医学数据集划分为训练子集和测试子集，然后进行数据转换，使其适合神经网络输入层，最后进行网络构建、训练和模型测试。3.4. 基于粗粒学的粒计算模型拟议框架的开发过程如图4所示。它要求对医学数据集进行预处理，去除冗余和不一致性，将连续数据转化为离散数据，使其更适合于处理。此外，属性约简需要找到最佳的属性，代表数据集，而不会失去数据的价值。另一方面，粗粒学框架下的粒计算形式化地表达了医学数据集的粒度反映思想。首先，在粗糙包含的框架下，将粗糙部分学的概念应用于医学数据集，得到粗糙包含相似表。其次，通过重新应用具有不同半径的第一步骤来将数据集聚类成具有不同半径的颗粒集，从而在冠心病数据集中，产生了7个粗略纳入表，在丙型肝炎病毒数据集中产生了9个粗略纳入表，如表1和表2所示。图4粗粒学模型的拟议框架。在将反映包含表的医学数据集粒度反射成一组颗粒之后，分两步应用按训练对象的投票。首先，计算具有不同半径r的每个Rough包含表的准确性度量。其次，选择代表优化颗粒的最佳半径，其具有最高精度。对于冠心病和丙型肝炎病毒数据集，通过粗糙包含产生的每个颗粒的准确率分别在颗粒半径r=r3、r=r5处达到其最佳得分96.2、96.6，如表1和2所示。4. 评价业绩计量知识发现模型的性能评估，以确定哪个模型的优越的分类器应该是简单的。在本文中，我们分析了在数据集分类中确定更好模型的不同方法[14任何分类问题的自然性能度量都是精确计算的，如等式2所示（二）、然而，更高的准确率并不一定意味着更好的性能。准确度：<$TP <$TN=<$TP<$ FP<$ TN<$FNN2根据二元决策的分类结果，预期有四种可能性。真阳性（TP）和真阴性（TN）是正确的分类结果.假阳性（FP）发生在结果被错误地预期为阳性而实际上是阴性时。假阴性（FN）是指当实际结果为阳性时，结果被不准确地预测为阴性。真阳性率和假阳性率如等式2所示。（3）和（4）：真阳性率<$TP=<$TP <$FN ≤ 30%假阳性率/4FP= 1 FP/4 FP表1冠心病颗粒准确性。半径r精度测量acccgr0=0 90.0r1=0.166667 85.7r2=0.333333 92.1r3=0.5 96.2r4=0.666667 93r5=0.833333 0r6=1 0表2丙型肝炎病毒颗粒准确度。半径r准确度测量accgr0= 088.9r1= 0.11111174.5r2= 0.22222294.7r3= 0.33333393.6r4= 0.44444495.4r5= 0.55555696.6r6= 0.66666790.2r7= 0.7777780r8= 0.8888890r9=10粗269-精确度度量：它是在等式中相关的检索实例的概率。（五）、精度测量值：<$TP=<$TP <$FP<$50召回度量：它是在等式中检索到的相关实例的概率。（六）、召回措施：¼TP= 10 TP/FNNF-测量：它是结合精确度和召回率的测量，是精确度和召回率的调和平均值，并且F-测量如等式中定义。（七）：F-测量值¼2×精密度×召回率=精密度×召回率ð7ÞCohen（八）、它基于对不同阶级之间的分析。Kappa统计量的值越高，性能越好jPa-Pe=1-Pe8其中P（a）是观察到的比例一致性（TR+ FN/N），P（e）是随机一致性的总体概率。马修斯相关系数（MCC）：它是观测和预测的二元分类之间的相关系数; 它返回1到1之间的值MCC可以直接使用以下等式计算。（9）：MCC¼ΔTP×TN-FP×FNΔ=pΔTPΔFPΔTPΔFΔ NΔ× ðTNþFPÞðTNþFNÞÞð9Þ错误率：它是错误分类的度量。它可以如等式所示计算。（十）：错误率为1/4FP/FN= 1/4 TP/ TN FP/ FN=1/10 N5. 实验结果及分析5.1. 医学数据集描述本文从不同的医学研究资源中收集了历史医学数据[17此外，还参加了与医学专家的几次会议并进行了讨论，以了解医学数据集并对疾病有明确的认识。规则的计算仅在训练数据集上进行。将规则的计算5.1.1. 丙型肝炎病毒（HCV）数据集这些数据来自Badria和Attia最近开发的HCV药物的临床试验[17]。它包括119例HCV病例。每个病例由28个医学指标描述：23个数字指标和5个分类指标。该数据集的目的是预测肝炎病毒的存在或不存在。HCV属性描述见表3。对于每个HCV记录，27个条件属性中的患者数据-以及决策属性描述了与建议药物相关的HCV的存在或不存在。所有这些信息都是从HCV的治疗中收集的，表3丙型肝炎病毒数据。号医用指示剂指标说明1性男性或女性2源HCV的来源：输血、牙医或手术使用的非无菌工具3S.G.P.T（ALT）正常范围为0至40 U/L4S.G.O.T（AST）正常范围为0至45 U/L5血清胆红素（SB）正常范围为0至1.1 mg/dL6血清白蛋白（SA）血清白蛋白;正常范围为3.5 - 5.1 g/dL7血清铁蛋白正常范围在22到3008腹水不，轻度，还有腹水9脾正常、缺失和增大10病变0.1或211门静脉（P.V）自然直径为12 mm12PCR病毒定量分析U/mL13PLT血小板正常范围为150 - 450/cm m14WBC白细胞正常范围为4 - 11/cm m15血红蛋白男性的范围为12.5 - 17.5 g/dL，女性的范围为11.5 - 16.5 g/dL16头痛是或否17血压是或否18恶心是或否19眩晕是或否20呕吐是或否21便秘是或否22腹泻是或否23食欲是或否24喘气是或否25疲劳是或否26肤色是或否27眼睛颜色是或否28决策类-1例不存在，1例存在HCV270M.M. Eissa等人表4冠心病数据。号医学指标指标说明1年龄35到62之间的连续值2性男性或女性3吸烟是或否4糖尿病（Dm）是或否5血脂异常（血脂异常）是或否6家族史（family_h）是或否7左冠状动脉主干（LMCA）正常或患病8左前降支（LAD）正常或患病9第一对角动脉（d1）正常或患病10第二对角动脉（d2）正常或患病11左旋支动脉（LCX）正常或患病12钝缘动脉1（om1）正常或患病13钝缘动脉2（om2）正常或患病14右冠状动脉（RCA）正常或患病15冠状动脉后降支（PDA）正常或患病16决策标签可注射的血管数量（无血管、单根、两根和多根）表5HCV数据集模型表6CHD数据集模型性能粗糙粗糙粗糙粗糙性能粗糙粗糙粗糙粗糙措施分体论遗传神经模型措施分体论遗传神经模型模型模型模型模型模型模型精度96.696.39585.7精度97.497.39691.7错误率3.43.7514.3错误率2.62.748.3真阳性0.970.9630.9490.857真阳性0.970.970.960.92率率假0.360.230.10.102假0.240.220.260.25阳性率阳性率精度10.9770.980.872精度10.970.980.9召回0.960.9770.960.944召回0.970.970.960.92Kappa0.670.570.540.3103Kappa0.940.960.840.73统计统计MCC0.880.8770.740.69MCC0.910.90.740.82F-测度0.980.9770.970.91F-测度0.980.980.970.93以25%的分割因子分为HCV训练集和HCV测试集。5.1.2. 冠心病（CHD）数据集CHD数据集收集自Mansoura大学医学部心脏病科它由215名冠状动脉患者组成，包括年龄，性别，家族史，吸烟和其他医学指标等条件属性。此外，它还显示了决定标签，显示是否存在冠心病。大多数属性是二进制属性，年龄属性只是数值属性，如表4所示。为了训练和测试的目的，CHD数据集被分为训练集和测试集，分割因子为25%。它已被用于划分专利数据集[19]。5.2. 模型性能分析对前一节中描述的四种不同的知识发现模型进行了性能分析这里考虑的的图5 HCV分类准确性。在前面的部分中描述了在这项工作中使用的分类算法。从这些不同模型获得的结果已经以表格的形式定义，这些表格指示所使用的性能测量，例如准确度、Kappa统计量、错误率、真阳性率、假阳性率、精确度、召回率、F-测量和马修斯相关系数（MCC）（表5和6）以及图表（图1A和1B）。5和6）。6. 结论本文提出了一种基于粒计算方法论的知识发现模型，Rough图6 KDD模型的比较分析性能度量。医学数据集的知识提取过程和分类。粗糙集-然后提出了一种混合粗糙集此外，本文还提出了一种松耦合粗糙神经网络混合该模型将粗糙集理论应用于CAD和HCV数据集的预处理和转换，并采用前馈反向传播神经网络算法进行分类。最后，论证了粗粒模型是粗集理论在粒计算框架下的一种扩展，它用相似关系粗包含关系代替了可拓关系。Rough-Mereology致力于构建基本信息粒的粒计算概念。找到了信息粒与构建粒网络的关系。该模型也适用于通过HCV和CAD数据集的案例研究。本文展示了如何利用和调整所提出的模型来提取一组治疗决策规则，帮助医疗专家在疾病诊断过程中。结果表明，提取的规则是有用的预测看不见的医疗案件。对所提出的模型进行了比较分析，根据与分类有关的一组评价标准，Rough-Mereology模型是知识提取和分类的最佳模型了解知识发现模型之间的差异有助于医学专家选择最佳模型进行分类，适用于丙型肝炎病毒和冠心病相关的医学数据集。所提出的模型的局限性可以概括为两点。首先，模型的复杂性时间特别是在预处理阶段是高的。二是数据不一致问题。这些限制将被认为是未来的工作，以减少时间复杂性在预处理阶段，并通过使用算法来解决不一致的问题。引用[1] Gerhard S，Wendler T，编辑.医疗保健技术的进步：塑造医疗保健的未来。第六章 Springer Science &Business Media;2006. p. 403- 19[2] Meenu D，Dadhich P.数据挖掘技术的应用：增强优质医疗服务。Int J Inf，CommunComput Technol 2013.[3] 作者：J. T，J. T.代谢治疗对冠心病和糖尿病患者的肾脏保护作用：从实验室到床旁。Curr Pharm Des 2009;15（8）：863-82。[4] FredA. 丙型肝炎：沉默的流行病。北京：人民出版社，2007年.[5] 张东波，王英，黄华.基于模糊粗糙模型的粗糙神经网络建 模 及 其 在 纹 理 分 类 中 的 应 用 。 神 经 计 算 2009;72（10）：2433-43。[6] 郑HZ，詹东成。 基于位图和粒度计算的关联规则算法。人工智能机器学习（AIML）J 2005;5：51-4.[7] Polkowski L，Artiemjew P.粒度计算：粒度分类器和缺失值。在：认知信息学，第六届IEEE国际会议; 2007年。p.186比94[8] Polkowski L，Artiemjew P.粗糙部分学框架下的粒度计算。案例研究：通过数据的粒度反映将数据分类为决策类别。Int J Intell Syst2011;26：555-71.[9] Zaki A，Salama MA，Hefny HA，Hassanien AE.基于粗糙集的规则生成方法：丙型肝炎病毒数据集. 先进的机器学习技术和应用。BerlinHeidelberg：Springer; 2012. p. 52比9[10] 杨文龙，李晓梅，李晓梅.基于粗粒计算的丙型肝炎治疗决策方法。2013年第23届计算机理论与应用国际会议[11] Eissa MM，Elmogy M，Hashem M，Badria F.丙型肝炎治疗决策的混合粗糙遗传算法模型。在：第二届国际会议工程和技术ICET，GUC，开罗; 2014年。[12] 丁 S ， 丁 宏 杰 ， 金 凤 翔 。 颗 粒 神 经 网 络 。 ArtificialIntelligence Rev 2014;41（3）：373[13] 作者：J. M，J. M.丙型肝炎治疗决策的粗In：Informaticsand systems（INFOS），2014 9th international conferenceon.IEEE; 2014.[14] Ragab Abdul Hamid M ， Noaman Amin Y ， Al-GhamdiAbdullah S，Madbouly Ayman I.分类比较分析272M.M. Eissa等人利 用 数 据 挖 掘 算 法 对 学 生 进 行 高 校 招 生 审 批 。 In ：FardounHabibM，GalludJose'A，editors. 2014 年教育环境中的交互设计研讨会（IDEE '14）的进展。New York，NY，USA：ACM;2014.第106页。http://dx.doi.org/10.1145/2643604.2643631，8页。[15] Santos AM，Canuto AM，Neto AF.不同应用领域中多标签任务分类方法的比较分析。 Int J Comput Inf Syst IndManage Appl 2011;3：218-27.[16] Mittal P，Gill NS.医学数据集分类技术的比较分析。Int JRes Eng Technol 2014;3（6）：454-60.[17] Badria F，Attia H.天然产物硫普罗林和派罗欣对四氯化碳诱导的大鼠肝纤维化中肝血小板活化因子的影响。SaudiPharm J 2007;15（2）：96-104.[18] Barakat SI，Eissa MM，EL-Henawy I.混合粗糙集和概率流图模型在冠心病中的应用。埃及计算机科学杂志2009;33.[19] Amir MZ，Eissa MM，EL-Henawy I.混合粗糙集与决策树模型在冠心病中的应用。Zagazig Univ Med J2010.
我的内容管理
展开
