應用集成式學習於不孕症治療成功率預測之研究

A Study of Outcome Prediction of IVF through Classifier Ensemble Approach

鍾政旭(Cheng-Hsu Chung)

指導教授 ： 顧瑞祥

國立虎尾科技大學/管理學院/工業管理系工業工程與管理碩士班/碩士(2017年)

摘要

在現今的醫療體系中，試管嬰兒(in vitro fertilization, IVF)治療是昂貴且痛苦的，到目前為止試管嬰兒的成功率普遍不高。本研究的目的在於應用資料探勘技術於 IVF 資料庫之分析，以集成式演算法中的 Ada-boosting 構建出一個預測模型；同時找出預測的規則，藉以探討影響 IVF 結果的因素之間的關係。本研究使用了簡單貝氏、決策樹、倒傳遞類神經網路及邏輯斯迴歸等工具分析 IVF資料庫，並且比較單一分類器與結合多種分類器之優劣。模擬結果顯示以四種演算法為基底分類器結合 Ada-boosting 集成式演算法分類效果最佳，分類準確率可達71.53%，而由誤差均方根與 ROC 曲線下面積評估的結果，也可知道集成式演算法的分類結果優於單一分類器，且當基底組合種類越多的時候，其分析結果也會優於數量較少的組合模型，表示其預測能力越好。本研究的結果，除了可提供給醫師及病患作為成功機率預測的參考，也可顯示集成式演算法的分類結果相較於單一分類器來的佳，使用多個不同的分類器建立的模型架構相對於使用單一分類器的模型，準確率較為準確與優良。

關鍵字

試管嬰兒 ； 集成式演算法 ； 資料探勘

並列摘要

IVF treatment is both expensive and painful. So far, IVF success rates have remained low. The purpose of this study is to apply data mining techniques in IVF
database analysis in order to construct a predictive model through Ada-Boosting in integrated algorithms. In addition, simple Bayesian, decision tree,back-propagationnetwork, logisticregression analysis, and other tools were adopted to analyzethe IVF database and compare the soundness of single classifiers and a
combination of multiple classifiers. Simulation results show that with the four algorithms as the bases, the classifierscombined with the integrated algorithms
produce the best classification results, with the classificationaccuracy reaching 71.53%. The study results shall serve as a reference for physicians during success
rate determination and aid physicians in developing IVF treatment procedures that will contribute to improved success rates.

並列關鍵字

InVitro Fertilization ； Ensemble ； Data Mining

參考文獻

4. 吳欣儒(2011)，資料探勘技術於病人疼痛自控裝置之應用與分析，國立交通大學資訊科學系，碩士論文。

14. 陳俊旗(2013)，利用關聯演算法重現決策樹分類結果，靜宜大學資訊碩士在職專班，碩士論文。

24. 劉桂蘭(2009)，不孕症的治療，中醫婦科醫學雜誌，12，52-53。

3. 王文清、廖佳俊 (2016)，學校建築耐震能力資料探勘模型評估與系統建置，災害防救科技與管理，5(1)，1-25。

25. 劉蓓麗、李宜致、李威傑、李佳珂、林陽助、王偉 (2007)，肥胖病人膽結石生成之預測因子研究，澄清醫護管理雜誌，3(3)，29-36。