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

資料數 屬性資料 遺失值
569筆 32筆 0筆

Attributes Introduce

資料數 屬性資料 遺失值
569筆 32筆 0筆

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)

Thank you !

Made with Slides.com