Breast Cancer

組員：陳致安、陳昱豪

Topic Introduction

• —藉由乳房腫瘤切片上細胞核的各種特徵判斷屬於良性還是惡性腫瘤。

Literature

文獻探討

Gouda I. Salama, M.B.Abdelhalim, and Magdy Abd-elghany Zeid -Breast Cancer  Diagnosis on Three Different Datasets Using Multi-Classifiers 

柯建全 乳房腫瘤切片電腦診斷系統​

「採用細胞核輪廓之曲率、細胞核之面積、細胞核之緊密度，與細胞核之對比度，作為判別病變與否之特徵」

MLP(類神經)精確度（95.279）比J48(95.1359)來得高。

「敏感度指標會表現出影像品質的差異，若影像之背景過於複雜、細胞核過於密集，或細胞核內部之亮度不均皆會導致敏感度變低」

Attributes Introduce

Attributes Introduce

Data preprocessing

資料預處理

InfoGain Good  

（Full training set）

InfoGain  

（Full training set）

InfoGain Good  

（Cross-Validation）

Flods : 10, Seeds : 3

InfoGain  

（Cross-Validation）

Flods : 10, Seeds : 3

GainRatio Good  

(Full training set)

GainRatio  

（Full training set）

GainRatio Good  

（Cross-Validation）

Flods : 10, Seeds : 3

GainRatio  

（Cross-Validation）

Flods : 10, Seeds : 3

Delete columns

1(ID_Number),

Fractal Dimension : 12 (Mean),22(Stander_Error),32(Worst),

14(Texture (Stander_Error)),

17(Smoothness (Stander_Error)),

Best columns

25(WorstPerimeter)

23(WorstRadius), 26(WorstArea)

30(WorstConcavePoints),

10(MeanConcavePoints)

Classification

分類

Data Discretize

ID3

1.7575

0.5848

4.3859

ID3-4bins

• First floor：WorstConcave Points
• Second floor: RadiusSE、WorstPerimeter、WorstRadius
• Third floor: WorstPerimeter、WorstTexture、MeanSmoothness

J48

0.703

0.8771

J48 Tree

三種訓練方式

樹狀圖皆相同

類神經

0.3515

Suitable algorithm

• Accuracy (before alter): 類神經 > ID3 > J48
• The amount of accuracy change: ID3 > J48 > 類神經
• 70% traning set 表現不優

Grouping

分群

K - means

分群數： 2

seeds: 3

錯誤率： 6.5026%

同分群數，不同seed

Kmeans 各屬性重心

Worst Perimeter(Good)

Worst Radius(Good)

Worst Area(Good)

Mean Symmetry(Bad)

Better column

• From GainRatio : WorstPerimeter, WorstRadius, WorstArea,WorstConcavePoints, MeanConcavePoints
• From InfoGain :  Worst Perimeter, Worst Area, Worst Radius,WorstConcavePoints, MeanConcavePoints
• From K-means: Worst Perimeter, Worst Area, Worst Radius

關聯法則

Apriori

Min Support: 0.8

Min Support: 0.7

Min Support: 0.6

Min Support: 0.7

1. meanArea='(-inf-732.875]' 413 ==> worstArea='(-inf-1202.4]' 412 conf:(1)
平均細胞核面積 < 732.875的情況下，最大細胞核面積不大於1202.4
2. worstArea='(-inf-1202.4]' 439 ==> meanArea='(-inf-732.875]' 412 conf:(0.94)
最大細胞核面積 < 1202.4的情況下，平均細胞核面積不大於732.875

Min Support: 0.6

1. 平均細胞核面積<732.875 且平均凹陷度< 0.1067 的情況下， 最大細胞核面積不大於1202.4 conf:(1)
2. 診斷結果為良性且平均細胞核面積<732.875的情況下， 最大細胞核面積不大於1202.4                 conf:(1)
3. 平均凹陷值<0.0503的情況下， 最大細胞核面積不大於1202.4  conf:(0.99)
4. 診斷結果為良性且最大細胞核面積<1202.4的情況下，平均細胞核面積不大於732.875              conf:(0.98)
5. 診斷結果為良性的情況下平均細胞核面積不大於732.875且最大細胞核面積不大於1202.4       conf:(0.98)
6. 平均凹陷度<0.1067且最大細胞核面積<1202.4的情況下，平均細胞核面積不大於732.875         conf:(0.97)

Min Support: 0.6

7.  最大凹陷度<0.313的情況下，平均凹陷度不大於0.1067  conf:(0.96)

8. 平均凹陷度<0.1067的情況下，最大細胞核面積不大於1202.4

      conf:(0.94)

9. 平均凹陷度<0.1067的情況下，平均細胞核面積不大於732.875且最大細胞核面積不大於1202.4         conf:(0.91)

Conclusion

總結

    經過資料預處理的 InfoGain & GainRatio 運算後挑選出低相關度的欄位刪除後
  透過ID3 與 K-means 的分類分群 結合 Apriori關聯法則 的分析結果
得出如同 平均細胞核面積<732.875 且平均凹陷度< 0.1067 的情況下， 最大細胞核面積不大於1202.4  的結論

證實在診斷腫瘤為良、惡性時，

細胞核的特定特徵數據(EX: Worst Perimeter、Worst concavity...)有高相關度

Reference

1.Gouda I. Salama, M.B.Abdelhalim, and Magdy Abd-elghany Zeid －Breast Cancer Diagnosis on Three Different Datasets Using Multi-Classifiers
2.柯建全－乳房腫瘤切片電腦診斷系統
3.Shih-Chieh Ting ,Dr. Duen-Ren Liu－Applying Data Mining Techniques to the Analysis of Wafer Testing
4. http://goo.gl/qzBnft (癌邦網-乳癌資訊)
5.http://www.phalanx.com.tw/attachment/EDM/201405/TWDM/Report.pdf

    (華聯生技-癌幹細胞)

6. http://www.cc.ntu.edu.tw/chinese/epaper/0029/20140620_2905.html

      (台大計算機及資訊網路中心電子報資-料探勘SO EASY)
7.維基百科： https://www.wikipedia.org/
8. http://www.nature.com/nrc/journal/v9/n11/full/nrc2757.html     (nature -Cancer stem cells)