近年來,隨著“健康中國”政策的提出,醫(yī)療健康問題受到社會廣泛關注。由于當前社會存在著醫(yī)療資源分配不均,城鄉(xiāng)醫(yī)療服務水平懸殊的現(xiàn)象,所以疾病輔助診斷領域的研究與應用具有重要的實際意義。目前疾病輔助診斷領域存在著疾病預測算法精確度不夠高,預測算法未考慮到疾病誤診代價以及傳統(tǒng)疾病輔助診斷軟件開發(fā)工具落后等問題。本文針對上述研究現(xiàn)狀,提出了基于隨機森林與邏輯回歸（RF-LR）改進算法的疾病預測模型,使用真實的醫(yī)療數(shù)據(jù)對算法進行測試分析,基于改進的算法設計并實現(xiàn)了疾病輔助診斷軟件。本文的主要工作如下:1.建立基于隨機森林與邏輯回歸（RF-LR）改進算法的疾病預測模型。針對疾病預測算法精確率有待提高的問題,使用基于隨機森林和序列后向搜索策略的特征選擇方法,消除數(shù)據(jù)集中的冗余特征,提高算法的精確率。針對疾病誤診代價問題,使用代價敏感學習方法,在邏輯回歸的損失函數(shù)中加入代價權重參數(shù),通過選擇最優(yōu)權值參數(shù),降低疾病誤診所帶來的代價。使用真實的醫(yī)療數(shù)據(jù),將改進后的算法同邏輯回歸、決策樹、支持向量機進行預測效果的對比。測試結果證明,與其他算法相比,本文的疾病預測算法的性能表現(xiàn)較好,精確率、召回率和F1值分別... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 疾病輔助診斷系統(tǒng)研究現(xiàn)狀
        1.2.2 疾病預測算法研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 論文組織結構
第2章 相關理論研究與分析
    2.1 特征選擇方法
        2.1.1 基于搜索策略的特征選擇方法
        2.1.2 基于評價準則劃分特征選擇方法
    2.2 隨機森林
    2.3 疾病輔助診斷分類算法
        2.3.1 邏輯回歸算法
        2.3.2 支持向量機算法
        2.3.3 決策樹算法
    2.4 本章小結
第3章 基于RF-LR改進算法的疾病預測模型
    3.1 數(shù)據(jù)預處理
        3.1.1 數(shù)據(jù)清洗
        3.1.2 數(shù)據(jù)填補
    3.2 隨機森林特征選擇
        3.2.1 特征重要性評分
        3.2.2 特征選擇算法
    3.3 基于RF-LR的改進算法
        3.3.1 代價敏感學習
        3.3.2 引入代價權重的LR算法
        3.3.3 疾病預測模型
    3.4 算法測試與驗證
        3.4.1 實驗評價標準
        3.4.2 實驗結果及分析
    3.5 本章小結
第4章 基于RF-LR改進算法的疾病輔助診斷軟件的設計
    4.1 軟件需求分析
        4.1.1 軟件功能需求分析
        4.1.2 軟件非功能需求分析
    4.2 軟件整體方案設計
        4.2.1 軟件架構設計
        4.2.2 軟件功能設計
    4.3 軟件相關技術
        4.3.1 MVC開發(fā)技術
        4.3.2 數(shù)據(jù)庫連接技術
    4.4 軟件數(shù)據(jù)庫設計
        4.4.1 數(shù)據(jù)庫邏輯模型設計
        4.4.2 數(shù)據(jù)庫物理模型設計
    4.5 軟件功能模塊設計
        4.5.1 用戶注冊及登錄功能
        4.5.2 用戶信息管理功能
        4.5.3 疾病預測功能
        4.5.4 疾病咨詢功能
        4.5.5 科普推送功能
    4.6 本章小結
第5章 軟件測試與驗證
    5.1 軟件測試環(huán)境及方法
        5.1.1 軟件測試環(huán)境
        5.1.2 軟件測試方法
    5.2 軟件功能測試
        5.2.1 用戶登錄及注冊功能測試
        5.2.2 用戶信息管理功能測試
        5.2.3 疾病預測功能測試
        5.2.4 疾病咨詢功能測試
        5.2.5 科普推送功能測試
    5.3 軟件非功能測試
        5.3.1 軟件兼容性測試
        5.3.2 軟件性能測試
    5.4 測試結果分析
    5.5 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]醫(yī)療信息化的現(xiàn)狀與發(fā)展趨勢研究[J]. 任芳,劉碩.  通訊世界. 2020(01)
[2]基于XGBoost對肺鱗癌和肺腺癌的分類預測[J]. 冷菲,李巍.  首都醫(yī)科大學學報. 2019(06)
[3]中國健康醫(yī)療大數(shù)據(jù)國家戰(zhàn)略發(fā)展研究[J]. 李后卿,印翠群,樊津妍.  圖書館. 2019(11)
[4]信息化建設資訊：《全國基層醫(yī)療衛(wèi)生機構信息化建設標準與規(guī)范（試行）》解讀[J]. 沈劍峰,黃磊.  中國全科醫(yī)學. 2019(25)
[5]代價敏感學習方法綜述[J]. 萬建武,楊明.  軟件學報. 2020(01)
[6]基于Logistic回歸和多層神經(jīng)網(wǎng)絡的Ⅱ型糖尿病并發(fā)癥預測[J]. 王潔,喬藝璇,彭巖,陳曉.  高技術通訊. 2019(05)
[7]基于動態(tài)采樣和遷移學習的疾病預測模型[J]. 胡滿滿,陳旭,孫毓忠,沈曦,王曉青,余天洋,梅御東,肖立,程偉,楊杰,楊焱.  計算機學報. 2019(10)
[8]基于電子健康檔案相關研究現(xiàn)狀、熱點與前沿知識可視化分析[J]. 茍夢野,趙文龍,楊美潔,于躍,宋萍.  現(xiàn)代預防醫(yī)學. 2019(01)
[9]我國基本醫(yī)療服務均等化存在的問題與對策[J]. 李靜,王萍.  醫(yī)學與社會. 2018(02)
[10]基于改進深度信念網(wǎng)絡的心血管疾病預測研究[J]. 逯鵬,王玉辰,李奇航,劉艷紅,郭賽迪.  計算機應用研究. 2018(12)

博士論文
[1]《比較統(tǒng)計學》框架的構建及在回歸分析中的示范研究[D]. 鮑曉蕾.中國人民解放軍軍事醫(yī)學科學院 2014

碩士論文
[1]糖代謝異常與糖尿病視網(wǎng)膜病變的相關分析[D]. 李丹妮.大連醫(yī)科大學 2012



本文編號：3169607