基于贝叶斯网络的原发性肝癌预后影响因素相互关系研究

摘要：

目的 运用贝叶斯网络(Bayesian network,BNT)分析肝癌病人资料,探索肝癌预后影响因素间的相互关系.方法 依据最小描述长度(Minimal Description Length,MDL,)准则学习网络结构.对完整数据运用极大似然估计(Maximum likelihood estimation,MLE)获得网络参数,对含有缺失值的数据运用期望最大化(Expectation Maximization.EM)算法进行参数学习,并与完整数据的MLE估计进行比较,衡量BNT学习含有缺失值数据的能力.结果 通过对含有1 441个样本的肝癌资料的学习,构建了一个含有49个结点,62条有向边的BNT模型,并获得各结点参数.网络中的有向边反映肝癌预后影响因素之间的相互作用或影响,网络参数反映其强度.分析了直接影响肝癌预后和分期的指标.并依据网络参数,判断肝癌分期及预后情况.结论 BNT模型具有较强的处理缺失数据的能力, 应用BNT分析肝癌病人资料,揭示了影响肝癌预后的多因素间,多层次的多重因果关系,并从概率角度定量描述各因素问的影响强度.

关键词：原发性肝癌、贝叶斯网络、结构学习、参数学习

所属期刊栏目：25

分类号：R1(预防医学、卫生学)

资助基金：国家自然科学基金30671821;上海市自然科学基金04ZR14049

在线出版日期：2008-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：10-14