摘要: 摘要：白血病是血液系统恶性肿瘤，严重危害人类的健康。近年来，随着工业化进程的不断发展，发病率呈现上升趋势。白血病的分型诊断在治疗中起着至关重要的作用。临床上采用的急性白血病FAB分类方法是基于形态与细胞学检查基础，然而这种方法对于来源... 展开 摘要：白血病是血液系统恶性肿瘤，严重危害人类的健康。近年来，随着工业化进程的不断发展，发病率呈现上升趋势。白血病的分型诊断在治疗中起着至关重要的作用。临床上采用的急性白血病FAB分类方法是基于形态与细胞学检查基础，然而这种方法对于来源于同一系列的急性白血病间的鉴别不甚理想，甚至有时对于不同系列的白血病鉴别也较困难。自从Foon与Tod提出白血病免疫分型以来，流式细胞术(Flow Cytometry，FCM)已成为诊断血液系统恶性肿瘤不可缺少的重要工具，广泛应用于白血病的临床检测。精确的流式细胞仪技术免疫分型通过分析白血病细胞群中特异抗原(CD)的表达特点对白血病进行诊断分型。但是现在用于白血病免疫分型诊断的免疫标记数以百计，很少有一种疾病具有特异的指标。也就是说，某一种指标很难确诊某种类型的白血病。一方面，一种类型的白血病具有多种指标的组合(其中一部分为阳性，另一部分为阴性)；另一方面，一种指标又可以同时出现在多种不同类型的白血病中。这给临床医生对白血病的分型诊断带来了很大的困难。主要表面在不能全面的对种类繁多的指标进行全面的认识；另外错综复杂的指标组合也是诊断困难的原因之一。 数据挖掘是从数据库或数据仓库中发现隐藏的、预先未知的、有趣信息的过程，是近年来随着人工智能和数据库技术的交叉融合而兴起的边缘科，它致力于发现隐含在数据中的关于事物本质和事物发展趋势的知识或律，并为专家的决策提供支持。 本文首先研究了Apriori算法在具体的免疫分型方法上的应用，给出了详细的实验步骤和实验结果。实验结果揭示了免疫分型中各项检验结果与相关的白血病分型之间的置信度关系，对医生的临床诊断起到辅助的作用。 其次在基于决策树及其剪枝方法的分类规则分析方面，通过对决策树ID3算法及其相关改进算法的研究，以相关数据作为样本，构建了决策树。然后分别运用训练样本和测试样本对生成的决策树进行测试。针对ID3算法表现出来的不足之处，引入剪枝算法。在全面比较了几种常用的后剪枝算法的利弊后，结合目前的样本数据的实际情况，采用PEP后剪枝算法对生成的决策树进行剪枝，最后将ID3算法应用到白血病分型诊断中，构建了白血病分型诊断结果作为分类预测目标属性的决策树，随后同样采用PEP后剪枝算法，对生成的决策树进行剪枝，使剪枝后的树形结构更加简洁。 最后本文描述了MICM诊断比对系统设计与实现，结合数据挖掘技术中的关联技术和分类技术，提出切实可行的软件模型，对论文中所做的研究工作进行了实际的应用，通过VB和小型DBMS(Access)进行配合，最终加以实现。 收起