預測試管嬰兒成功率-使用隨機森林、RIPPER及決策樹資料探勘演算法

Using Random Forest、RIPPER and Decision Tree In Data Mining for predicting With In Vitro Fertilization Success Rate

黃裕仁(Yu-Ren Huang)

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

IVF（In vitro fertilization）中譯為試管嬰兒治療。將卵子與精子取出，在人為的操作下進行體外受精，培養成胚胎，再將胚胎植回母體，試管內進行整個過程只有2-6天內，完整的過程稱為試管嬰兒。對於不孕症治療，是一項有效的醫療技術，對於每位患者，最在意的就是成功與否，依目前的技術仍無法百分百的成功。初期醫師會根據病患的年齡、不孕症的病因、濾泡刺激素(follicle stimulation hormone)指數，預測患者大概的成功機率，在進行療程中，會依夫妻的精蟲之數量與活動力、卵巢功能、子宮內膜對胚胎之接受度等等的情形，再給予病人不同的意見與療程，提高病人的成功率。本研究目的是應用資料探勘(data mining)技術於IVF的資料分析，建構出IVF的結果預測模式，找出IVF失敗與成功的規則。為了提高資料探勘的結果，本研究使用隨機森林(Random Forest)得出最高分類72%，也可以用決策樹C4.5與RIPPER 演算法得出部分規則模型。本研究結果，可提供醫師對IVF患者的成功率預測之參考。

關鍵字

IVF ； 資料探勘 ； 隨機森林 ； 決策樹4.5 ； RIPPER

並列摘要

The Purpose of this study was to investigate IVF (In Vitro Fertiliztion), Scientific name is la fertilization in vitro, people alwas call test tube baby. It’s a good medical tedchnology for infertility. Every patient who most care is success or failure. Exsiting techonology still can’t make it 100% success. The first course of treatment, phtsician will ask patient age, pathogen, follicle-stimulating hormone indes to predicating success rate. Man and wife’s treatment will depend on sperm count and healty or not, oarium activity, endometrium fory embryo acceptance etc. Give patients opnion and treatment to promote auccess rate. This research is using dataming techmology to predict IVF and construct IVF model. Find rule about success and failaur rule .This study using Random Forest have best predicting 72%. Also can use Decision tree C4.5 and RIPPER algorithm, can construct model and rule. The study provided a physician on the success rate of ivf patient predictive reference.

並列關鍵字

IVF ； Data Mining ； Random Forest ； Decision Tree C4.5 ； RIPPER

參考文獻

[2] 宋亭緻，「結合資料探勘技術與流網路圖於人工生殖診斷方法之研究」，國立臺北科技大學工業工程管理碩士班，碩士論文，2013年。

[3] 王人澍； 張寶源； 熊雅意 ，「應用決策樹理論於中醫辨證－以慢性咳嗽為例」，中西整合醫學雜誌 ， 10卷2期 ， P25 - 33，2008年12 月。

[6] 李淑杏；郭碧照；黃梨香；王郁茗；李茂盛，「接受試管嬰兒治療之不孕症婦女在不同治療過程的心理社會反應」，護理研究， 8卷5期，P515–528，2000年10月 。

[9] 李天行； 黃婷萱； 呂奇傑，「以資料探勘技術進行糖尿病與乳癌關聯性分析之研究」， Journal of Data Analysis ； 11卷5期 ， P77 - 96，2016年10月。

[10] 何靖遠； 陳慧玲； 廖致淵，「線上消費者平台再購行為的RFM預測模型－以Yahoo！奇摩拍賣女裝為例」，Journal of Data Analysis ； 9卷1期， P1 – 23， 2014年 02月。