醫(yī)療健康領(lǐng)域?qū)?shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、和模式識別等技術(shù)的引入促使了功能強(qiáng)大的計算機(jī)輔助醫(yī)療系統(tǒng)的產(chǎn)生,這種系統(tǒng)的廣闊應(yīng)用前景鼓舞著越來越多的生物醫(yī)藥機(jī)器學(xué)習(xí)技術(shù)的研究。硬軟件技術(shù)的不斷發(fā)展進(jìn)一步推動了這些研究的不斷完善。智能醫(yī)療診斷、醫(yī)療圖像處理和機(jī)器視覺等技術(shù)都成為了計算機(jī)輔助醫(yī)療系統(tǒng)的具體體現(xiàn)。其中,醫(yī)療診斷是從數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)技術(shù)中受益的最主要領(lǐng)域之一。很多分類技術(shù)如決策樹、最緊鄰與核方法,都已在該領(lǐng)域取得了一定的成功。本文以機(jī)器學(xué)習(xí)理論為指導(dǎo),對患者就診數(shù)據(jù)與實際情況進(jìn)行深入分析,廣泛參照成熟的模型和算法并加以優(yōu)化和調(diào)整,從而應(yīng)用到自助就診環(huán)節(jié)之中,滿足患者需求,提高醫(yī)院診療質(zhì)量與接診效率。文章深入研究了醫(yī)療智能診斷的有關(guān)方法,重點剖析貝葉斯分類技術(shù)、模型在線訓(xùn)練方法及最小化風(fēng)險決策理論,對增量貝葉斯模型及相應(yīng)算法給予調(diào)整,并基于該模型設(shè)計實現(xiàn)了帶有科室推薦功能的自助掛號系統(tǒng)。本文的研究內(nèi)容如下：1)本文以理解患者就診數(shù)據(jù)為基礎(chǔ),借鑒成熟的機(jī)器學(xué)習(xí)方法,對現(xiàn)有增量貝葉斯模型給予三個方面的調(diào)整：首先,對模型增量訓(xùn)練算法新類別與新特征的學(xué)習(xí)予以描述；其次,對訓(xùn)練算法引入樣本選擇策略,... 

【文章來源】：北方工業(yè)大學(xué)北京市

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
        1.1.1 相關(guān)研究的現(xiàn)狀
        1.1.2 研究目的及意義
    1.2 研究內(nèi)容
        1.2.1 本文工作
        1.2.2 文章結(jié)構(gòu)
第二章 機(jī)器學(xué)習(xí)相關(guān)理論
    2.1 分類
        2.1.1 模型
        2.1.2 策略
        2.1.3 算法
    2.2 批量學(xué)習(xí)與增量學(xué)習(xí)
    2.3 貝葉斯分類方法
        2.3.1 樸素貝葉斯
        2.3.2 樹型強(qiáng)化貝葉斯
        2.3.3 加權(quán)貝葉斯
    2.4 增量貝葉斯模型
    2.5 本章小結(jié)
第三章 基于增量貝葉斯模型的改進(jìn)
    3.1 知識域擴(kuò)展
        3.1.1 類別域
        3.1.2 特征域
        3.1.3 類別域與特征域
    3.2 類別間的不平衡性與樣本選擇
    3.3 算法描述
    3.4 代價函數(shù)中參數(shù)取值分析
    3.5 本章小結(jié)
第四章 實驗與分析
    4.1 UCI數(shù)據(jù)驗證
    4.2 實際數(shù)據(jù)驗證
        4.2.1 數(shù)據(jù)描述
        4.2.2 數(shù)據(jù)表示
        4.2.3 效果驗證
    4.3 本章小結(jié)
第五章 自助掛號系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 需求分析說明
    5.2 設(shè)計原則
    5.3 系統(tǒng)架構(gòu)
    5.4 數(shù)據(jù)庫設(shè)計
    5.5 系統(tǒng)實現(xiàn)與展示
        5.5.1 自助掛號的實現(xiàn)
        5.5.2 模型訓(xùn)練與管理實現(xiàn)
        5.5.3 科室推薦實現(xiàn)
    5.6 本章小結(jié)
第六章 結(jié)論和展望
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于增量式貝葉斯模型的中文問句分類研究[J]. 王小林,鎮(zhèn)麗華,楊思春,邰偉鵬,鄭嘯.  計算機(jī)工程. 2014(09)
[2]樸素貝葉斯增量學(xué)習(xí)在病毒上報分析中的應(yīng)用[J]. 陳亮,鄭寧,郭艷華,徐明,胡永濤.  計算機(jī)應(yīng)用與軟件. 2010(01)
[3]一種增量貝葉斯分類模型[J]. 宮秀軍,劉少輝,史忠植.  計算機(jī)學(xué)報. 2002(06)
[4]一個仿人疾病診斷專家系統(tǒng)模型[J]. 張紅梅,王永成.  計算機(jī)應(yīng)用研究. 2000(01)

碩士論文
[1]基于多詞TF-IDF算法的智能導(dǎo)醫(yī)系統(tǒng)研究[D]. 黃雷.鄭州大學(xué) 2015
[2]基于文本挖掘的疾病輔助導(dǎo)診技術(shù)研究[D]. 徐冉.北京郵電大學(xué) 2015
[3]基于患者病癥門診綜合導(dǎo)醫(yī)系統(tǒng)的設(shè)計與實現(xiàn)[D]. 楊彬.西南交通大學(xué) 2014
[4]增量學(xué)習(xí)樸素貝葉斯中文分類系統(tǒng)的研究[D]. 羅福星.中南大學(xué) 2008



本文編號：3208368