数据挖掘在胎儿心率上的规则预测研究

瞬时胎心率是监测胎儿健康状态的一种重要方式。当前,监控胎儿心率是重要而复杂的任务,正确的自动化分类和规则提取是非常必要的。医疗诊断自动化系统,不仅加强医疗保健,同时也可以降低成本。设计了一个有效挖掘规则,并根据给定的参数来预测胎儿的风险水平。采用C4.5、Classification and Regression Tree(CART)、随机森林分类器来进行系统比较。该系统的性能评价由分类精度、产生规则数量构成。实验结果表明,基于随机森林分类器的系统具有高精度(99.4%)的预测胎儿健康状态的潜力,同时,产生的规则数量精简且可供于医生决策。

Study on rule prediction of data mining in fetal heart rate