基于相对危险度的儿童先心病风险因素分析算法

摘要：

对疾病相关风险项的分析是数据挖掘理论在医疗领域应用的一个重要内容,可以帮助医生分析疾病成因,从而有效地开展防治工作.医学领域的疾病数据有其自身的特征,例如其高度不平衡性的特点往往使得大量珍贵的信息蕴藏于支持度小的属性项中,直接采用经典的基于支持度的关联规则挖掘算法易造成重要信息的丢失.因此,文中结合医疗领域的知识,基于医学领域常用的统计标准——相对危险度,提出了一种挖掘疾病高风险项集的算法(Mining Algorithm for high Relative Risk Itemsets,MARRI),以及与之相匹配的两种规则剪枝方法,即作用叠加剪枝和样本数剪枝,并在儿童先心病数据集上对算法进行验证.实验结果表明,该算法具有挖掘低支持度项集信息的能力,挖掘出的疾病关联因素更有价值.

关键词：关联规则、相对危险度、数据挖掘、疾病分析

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;四川省重点研发计划项目

在线出版日期：2021-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：210-214