陈 宋，黄立勤

(福州大学 物理与信息工程学院，福建 福州 350108)

数据挖掘在胎儿心率上的规则预测研究*

陈 宋，黄立勤

(福州大学 物理与信息工程学院，福建 福州 350108)

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。

随机森林；瞬时胎心率；规则提取；C4.5；CART

0 引言

数据挖掘(也称为数据库中的知识发现)是一个过程，包括应用数据分析和发现算法。现今，数据挖掘在实践中得到了有效的应用，如行为检测、医疗诊断等。越来越多的用户已经意识到数据挖掘在医疗中的意义。现今，在医疗领域，临床试验的结果往往是基于医生的直觉分析和经验，这会导致错误和巨大的医疗成本，甚至加剧患者病情。目前，许多医院拥有了一些病人的信息收集管理系统来保存病人数据。这些信息系统通常会产生大量的数据，这些数据信息很少用于临床决策。

本文专注于使用数据挖掘技术进行胎心监护数据预测。在实际……