【摘要】：在信息技術(shù)的推動(dòng)下,計(jì)算機(jī)輔助醫(yī)療診斷的技術(shù)被廣泛地應(yīng)用。研究表明,計(jì)算機(jī)輔助醫(yī)療診斷技術(shù)能夠減少漏診,提高診斷準(zhǔn)確率。隨著醫(yī)療水平的不斷提高,DNA微陣列技術(shù)作為一項(xiàng)重要的基因測(cè)序技術(shù)可以使我們從基因?qū)用鎸?duì)疾病病理進(jìn)行分析和研究。尋求一種方法從海量的醫(yī)學(xué)數(shù)據(jù)中挖掘出有效的生物信息,成為了現(xiàn)代人類(lèi)的迫切需求。當(dāng)前對(duì)醫(yī)學(xué)數(shù)據(jù)特別是基因表達(dá)數(shù)據(jù)分類(lèi)的研究已引起大量研究者的關(guān)注。一些傳統(tǒng)的機(jī)器學(xué)習(xí)方法,如神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、支持向量機(jī)等方法被用于處理醫(yī)學(xué)數(shù)據(jù)分類(lèi)問(wèn)題,但是由于醫(yī)學(xué)數(shù)據(jù)存在著樣本少、維度高、噪聲強(qiáng)等特點(diǎn),傳統(tǒng)的方法無(wú)法很好地處理該問(wèn)題。近年來(lái)壓縮感知作為一種非常有前景的方法已經(jīng)在許多領(lǐng)域取得成功,本文基于壓縮感知理論,針對(duì)醫(yī)學(xué)數(shù)據(jù)分類(lèi)困難的特點(diǎn),分別在字典學(xué)習(xí)、稀疏表達(dá)、多核學(xué)習(xí)三個(gè)方面進(jìn)行深入研究。本文的研究工作和取得的主要研究成果如下:(1)提出一種基于字典學(xué)習(xí)算法(K-SVD)的分類(lèi)方法。該方法首先在字典更新時(shí),采用組更新的方式優(yōu)化了 K-SVD算法,實(shí)現(xiàn)超完備字典的優(yōu)化;其次在信號(hào)重構(gòu)時(shí),改進(jìn)了正交匹配追蹤算法,實(shí)現(xiàn)了多元同時(shí)更新;最后,在樣本類(lèi)別判斷時(shí),優(yōu)化后的超完備字典不再具備直接的類(lèi)別信息,但是字典學(xué)習(xí)算法得到的稀疏系數(shù)矩陣可以看作是訓(xùn)練樣本集在優(yōu)化字典上的稀疏表示,而通過(guò)重構(gòu)可以得到測(cè)試樣本在優(yōu)化字典上的稀疏表示,因此可以利用稀疏表示的相似性分析實(shí)現(xiàn)醫(yī)學(xué)數(shù)據(jù)分類(lèi)。該方法的優(yōu)點(diǎn)在于可以?xún)?yōu)化超完備字典,去除超完備字典的冗余性,使得學(xué)到的字典趨近于正交,有效地處理了醫(yī)學(xué)樣本少的問(wèn)題,不僅提高了分類(lèi)準(zhǔn)確率,而且可以實(shí)現(xiàn)對(duì)降維后的醫(yī)學(xué)數(shù)據(jù)的二次特征提取。(2)提出一種雙向壓縮感知模型,改進(jìn)常用的重構(gòu)算法,并將其應(yīng)用到雙向壓縮感知模型的求解和醫(yī)學(xué)數(shù)據(jù)的分類(lèi)中。模型提出了三種通用的形式:l1范數(shù),F范數(shù)和l2,1范數(shù),在重構(gòu)算法和實(shí)驗(yàn)中進(jìn)行了具體的分析和比較。該模型求解醫(yī)學(xué)數(shù)據(jù)的雙向稀疏表達(dá),行向稀疏表示特征基因選取,列向稀疏表示樣本選擇。該模型的求解降低了數(shù)據(jù)的冗余性,去除了部分噪聲,提高了分類(lèi)的準(zhǔn)確率。而且行向稀疏矩陣可以用來(lái)研究基因間的關(guān)系,為生物信息的研究提供新的知識(shí)。(3)提出一種基于多核學(xué)習(xí)的壓縮感知模型,改進(jìn)常用的重構(gòu)算法,并將其應(yīng)用到基于多核學(xué)習(xí)的壓縮感知模型求解和醫(yī)學(xué)數(shù)據(jù)的分類(lèi)中。本文引入核方法,因?yàn)楹嘶蟮臄?shù)據(jù)與樣本數(shù)有關(guān),與樣本維度無(wú)關(guān),所以核方法有效地解決了醫(yī)學(xué)數(shù)據(jù)維度高的問(wèn)題。而多核學(xué)習(xí)具有更優(yōu)秀的性能,因此引入多核學(xué)習(xí)思想。首先采用粗網(wǎng)格搜索法對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練,得到最優(yōu)的核組合參數(shù),然后對(duì)測(cè)試樣本進(jìn)行稀疏表示、分類(lèi)�；诙嗪藢W(xué)習(xí)的重構(gòu)方法應(yīng)用到醫(yī)學(xué)數(shù)據(jù)分類(lèi)研究中,更有利于提高分類(lèi)的準(zhǔn)確率,而且能夠表示樣本間的相似關(guān)系。該模型還可以解決多模態(tài)數(shù)據(jù)的分類(lèi)問(wèn)題。
[Abstract]:......
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R-05;TP391.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃春萍,倪宗瓚;自回歸條件異方差模型在醫(yī)學(xué)數(shù)據(jù)分析中的應(yīng)用[J];數(shù)理醫(yī)藥學(xué)雜志;2004年04期

2 蘇玉召;;醫(yī)學(xué)數(shù)據(jù)及其應(yīng)用[J];中華醫(yī)學(xué)圖書(shū)情報(bào)雜志;2013年07期

3 劉謙;;區(qū)域性醫(yī)學(xué)數(shù)據(jù)中心的系統(tǒng)結(jié)構(gòu)設(shè)計(jì)[J];醫(yī)療設(shè)備信息;2007年11期

4 劉謙;;區(qū)域性醫(yī)學(xué)數(shù)據(jù)中心的建設(shè)方案與實(shí)現(xiàn)策略[J];中國(guó)數(shù)字醫(yī)學(xué);2008年04期

5 成福春;方肇勤;朱抗美;劉珉;仲毅;;中西醫(yī)學(xué)數(shù)據(jù)整合框架實(shí)現(xiàn)的意義和前景[J];上海中醫(yī)藥雜志;2006年02期

6 劉謙;;區(qū)域性醫(yī)學(xué)數(shù)據(jù)中心建設(shè)的必要性研究[J];數(shù)理醫(yī)藥學(xué)雜志;2007年05期

7 陳杰;;針對(duì)醫(yī)學(xué)數(shù)據(jù)案例挖掘系統(tǒng)的算法設(shè)計(jì)[J];中國(guó)醫(yī)療設(shè)備;2011年11期

8 成福春,方肇勤,仲毅;中醫(yī)藥行業(yè)應(yīng)用HL7體系的意義[J];上海中醫(yī)藥大學(xué)學(xué)報(bào);2005年03期

9 李淑平;中醫(yī)臨床科研統(tǒng)計(jì)方法選用(一)[J];廣西中醫(yī)藥;1987年03期

10 王振杰;顏虹;黨少農(nóng);周小彥;邢遠(yuǎn);;ADO Data在醫(yī)學(xué)數(shù)據(jù)管理中的應(yīng)用[J];中國(guó)醫(yī)院統(tǒng)計(jì);2008年01期

相關(guān)博士學(xué)位論文 前1條

1 肖永飛;醫(yī)學(xué)數(shù)據(jù)三維交互可視化方法的研究[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 蔡沖;醫(yī)學(xué)數(shù)據(jù)組合因素分析系統(tǒng)開(kāi)發(fā)與應(yīng)用[D];華中科技大學(xué);2012年

2 金永波;動(dòng)態(tài)聚類(lèi)算法及其在醫(yī)學(xué)數(shù)據(jù)上的應(yīng)用[D];浙江大學(xué);2011年

3 楊洋;局部質(zhì)變因子在醫(yī)學(xué)數(shù)據(jù)分析中的應(yīng)用與研究[D];鄭州大學(xué);2013年

4 黃慶藏;基于云計(jì)算的醫(yī)學(xué)信息集成方法研究[D];浙江工業(yè)大學(xué);2012年

，

本文編號(hào)：2272553