顯影劑被廣泛運用在多種影像診斷技術上，然而施打顯影劑後有可能造成病患過敏現象的產生，嚴重者甚至休克死亡。本研究的個案醫院目前以肌酸酐值（CR）來記錄和評估病患的腎臟功能狀況，藉以作為建議病患選擇顯影劑類別的參考，然而此方法無法於早期腎功能有問題時準確反應，因此病患有可能選擇不適合身體狀況之顯影劑。
本研究嘗試用資料探勘技術中之C4.5決策樹、倒傳遞類神經網路和粗糙集，從個案醫院提供之歷史病例數據中，建構出可用以預測病患於使用顯影劑後之腎臟功能分類模型，除可使醫護人員提早替用藥風險較高之病患作充分的準備外，亦可提供選擇顯影劑類別之參考準則，以提升病患的醫療安全。
實證結果顯示，本研究建構之縮減率為0.9的粗糙集模型整體正確辨識率達到81.17%，即有81.17%的病患可透過此模型選擇到適合自己身體狀況的顯影劑類型。因此，本研究建構之分類預測模型，應能提供醫護人員和病患良好的用藥建議和降低病患發生意外之風險。

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究架構 4
第二章 文獻探討 5
2.1 電腦斷層掃瞄 5
2.2 顯影劑 6
2.3 腎臟功能衡量指標 8
2.3.1 血清尿素氮（blood urea nitrogen，BUN） 8
2.3.2 血清肌酸酐（CReatinine，CR） 9
2.3.3 腎絲球濾過率（GFR） 10
2.4 資料探勘技術 12
2.4.1 資料探勘概述 12
2.4.1.1 資料探勘步驟 12
2.4.1.2 資料探勘技術分類 14
2.4.2 決策樹 14
2.4.3 類神經網路 17
2.4.3.1 簡介 17
2.4.3.2 類神經網路分類 17
2.4.3.3 倒傳遞類神經網路 20
2.4.4 粗糙集 21
第三章 研究方法 23
3.1 腎臟功能指標 24
3.2 研究流程 26
3.3 運用決策樹建立分類預測模型 27
3.4 運用倒傳遞類神經網路建立分類預測模型 27
3.5 運用粗糙集建立預測模型 28
第四章 實證分析 30
4.1 實證資料集合的描述 30
4.2 預測模型之效能衡量指標 31
4.3 實驗的平台與步驟 33
4.4.3 運用粗糙集建立預測模型 36
4.5 各種分類預測模型之效能比較分析 40
4.6 規則整理 42
第五章 結論與建議 45
5.1 結論 45
5.2 未來研究方向 46
參考文獻 47

[1] Herman, G. T.（2009）, Fundamentals of computerized tomography: Image reconstruction from projection, 2nd edition, Springer
[2] Delanghe J & De Slypere JP, De Buyzere M, Robbrecht J, Wieme R, Vermeulen A（Aug 1989）, Normal reference values for CReatine, CReatinine, and carnitine are lower in vegetarians, Clin. Chem. 35
[3] A. L. Dimitras, R. Slowinski, R. Susmaga &C. Zopounidis（1999）, “Business failure predictionusing rough sets”, European Journal of Operational Research, vol. 114, pp.263-280
[4] Zdzisław Pawlak（1991）, Rough sets: theoretical aspects of reasoning about data,1 edition, Springer,
[5] Simon, H.（1999）, Neural Networks：A Comprehensive Foundation, pp.351-355.
[6] Quinlan, J. R.（1986）, Induction of Decision Tree, Machine Learning, Vol.1,pp.81-106.
[7] Zeidenberg, Matthew（1990）, Neural Networks in Artificial Intelligence, Ellis Horwood Limited
[8] Thomson, K; Varma, D（2010）, Safe use of radiographic contrast media, Australian PresCRiber, 33:19-22. Available at http://www.australianpresCRiber.com/magazine/33/1/19/22/
[9] W. A. Newman Dorland（2000）, Dorland's Illustrated Medical Dictionary, 29th edition , W.B. Saunders Company
[10] Roman W. Swiniarski, Andrzej Skowron（2002）, Rough set methods in feature selection and recognition
[11] 慈濟大學醫學資訊學系 http://ww.iplab.tcu.edu.tw/
[12] 振興復健醫學中心 http://www.chgh.org.tw/radiology/ct.htm
[13] 慈濟綜合醫院 http://www.tzuchi.com.tw/
[14] 中華民國血液淨化協會 http://www.fbpf.org.tw/
[15] 啟新診所 http://www.ch.com.tw/
[16] 逢甲大學醫學工程系 http://140.134.32.60/
[17] 翁慈宗（2009），資料探勘的發展與挑戰
[18] 溫坤禮、永井正武、張廷政、溫惠筑（2008），粗糙集入門及應用，五南圖書出版公司
[19] 蔡宗佑（2006），「以『臨床警示及決策支援系統』降低顯影劑誘發腎病變的機率」，臺北醫學大學醫學資訊研究所碩士論文
[20] 溫坤禮、賴家瑞（2005），「粗糙集方法於授信審核之應用」，計量管理期刊vol 2, no. 1, page 69~78
[21] 蘇佑銓（2007），「從脈波萃取之心率反應評估顯影劑注射後病患之舒適度」，亞洲大學電腦與通訊學系碩士論文
[22] 張家瑞、洪境聰、胡光復（2006），「以約略集合理論推演鋪面破損養護維修法則」
[23] 尤春惠（2004），「資料探勘在用藥安全上的應用:預測泛可黴素在腎衰竭病患上的用量適當性」，國立中山大學資訊管理學系碩士在職專班碩士論文
[24] 鄭國順（2004），「透視人體的利器─電腦斷層掃描」，科學發展期刊 Vol. 382
[25] 國研院國網中心 http://www.nchc.org.tw/
[26] 曲恬頤 （2009），「運用決策樹與倒傳遞類神經網路建構台股之整合性投資策略」，國立清華大學工業工程與工程管理系碩士論文
[27] 台北榮民總醫院病理檢驗部 （2003），CReatinine （ CR ）肌酸酐
[28] 古永嘉 （2008），「企業研究方法」，華泰文化
[29] 石傑方、吳姿儀、潘茂森 （2005），「類神經網路於介質穿透之應用」
[30] 林耀新（2009），「應用馬氏田口系統於醫療診斷-以術中壓瘡為例」，國立清華大學工業工程與工程管理系碩士論文
[31] 陳大正，虎尾科技大學資訊管理系 http://sparc.nfu.edu.tw/~tchen/DataMining2/
[32] 楊達立，虎尾科技大學資訊管理系 http://sparc.nfu.edu.tw/~dlyang/