乳腺癌诊断分析——基于聚类分析实现
一、研究背景
乳腺癌属于恶性肿瘤，在早期发现后需要及早将病变组织切除，而且术后还要化疗和放射等辅助治疗，能够抑制癌细胞的扩散和增长。
二、研究目的
- 研究乳腺癌病人的患病特征
- 通过聚类分析方法对特征进行分类
- 通过上述聚类结果对乳腺诊断给出建议
三、数据来源
机器学习(sklearn)库中美国威斯康星州乳腺癌的数据集，包含乳腺癌患者的肿瘤特征的测量值。
breast_cancer — scikit-learn
https://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_breast_cancer.html
四、实验仪器
Windows 11，SPSS，PyCharm Professional，R，Jupyter Notebook
五、数据集介绍
5.1 数据来源
本实验数据来自机器学习中美国威斯康星州乳腺癌数据集，包含569个患有乳腺癌的人群。
5.2 选择的病理特征
- 平均半径
- 平均纹理
- 平均周长
- 平均面积
- 平均平滑度
- 平均紧凑度
- 平均凹度
- 平均对称性
- 平均分形
六、系统聚类法
6.1 近似值矩阵
本实验使用SPSS进行操作，本文在计算距离时采用平方欧式距离，所以样品间距离越大，样品差异越大。而在计算类与类之间的距离时，本文采用的是最短距离法，在SPSS中对应为最近邻元素。如下表所示，平均周长与平均半径间距离最小，最先聚为一类。
6.2 集中趋势
上表为SPSS输出聚类系数表，接下来使用Python进行绘图得到下面的折线图。
6.3 聚合系数与谱系图
由图1得出，当分类数大于4时，曲线的变化趋于平稳，为此分类数等于4符合分类目的。最后使用SPSS 绘制出了系统聚类的谱系图，如图2所示。
通过谱系图得出四类的特征分别为：
- 第一类为平均半径，平均周长，平均面积，平均凹度，平均对称性，平均紧凑度，刻画了乳腺的表面特征，通过表面特征地识别出乳腺癌的患病前兆；
- 第二类为平均平滑度，识别诊断出乳腺癌；
- 第三类为平均分形，刻画了乳腺的内在因素对乳腺癌的患病前兆的识别；
- 第四类为平均纹理，刻画乳腺的纹理形状对乳腺癌诊断识别的重要性。
七、总结与建议
7.1 总结
- 通过聚类结果，我们总结发现乳腺癌的四类病理特征： 平均半径，平均周长，平均面积，平均凹度，平均对称性；平均紧凑度； 平均平滑度； 平均分形； 平均纹理；
- 通过对病人的上述四类病理特征进行检测，则可以帮助初步判断乳腺癌；
- 在数据较少或者缺失的时候可以从这四类的特征初步判断其乳腺癌的风险。
7.2 建议
1、建立良好的生活方式，调整好生活节奏，保持心情舒畅。
2、坚持体育锻炼，积极参加社交活动，避免和减少精神、心理紧张因素，保持心态平和。
3、养成良好的饮食习惯。
- 婴幼儿时期注意营养均衡，提倡母乳喂养。
- 儿童发育期减少摄入过量的高蛋白和低纤维饮食。
- 青春期不要大量摄入脂肪和动物蛋白，加强身体锻炼。
- 绝经后控制总热量的摄入，避免肥胖。
- 平时养成不过量摄入肉类、煎蛋、黄油、奶酪、甜食等饮食习惯，少食腌、熏、炸、烤食品，增加食用新鲜蔬菜、水果、维生素、胡萝卜素、橄榄油、鱼、豆类制品等。
4、积极治疗乳腺疾病。
5、不乱用外源性雌激素。
6、不长期过量饮酒。