針對全國腦卒中篩查數(shù)據(jù)中存在的大量篩查數(shù)據(jù)未分級、數(shù)據(jù)利用率低與維護復(fù)雜等問題,通過以相關(guān)分類算法與數(shù)據(jù)倉庫技術(shù)為基礎(chǔ)進行研究,訓(xùn)練篩查數(shù)據(jù)危險級別預(yù)測模型并建立數(shù)據(jù)倉庫維度模型,實現(xiàn)對腦卒中篩查數(shù)據(jù)的準確統(tǒng)計分析與高效利用,為腦卒中防治臨床研究和醫(yī)療決策提供數(shù)據(jù)支持。為了解決由于醫(yī)療資源緊缺帶來的篩查數(shù)據(jù)未分級的問題,提升危險分級數(shù)據(jù)分析的準確度,以全國腦卒中歷史篩查數(shù)據(jù)為研究對象,提出了一種C5.0算法與BP神經(jīng)網(wǎng)絡(luò)算法組合的危險級別預(yù)測模型。首先通過分層抽樣與過采樣得到初始樣本數(shù)據(jù),采用特征劃分高效的C5.0算法選擇相關(guān)性較強的特征變量,并以此作為神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的初值,利用以高血壓、糖尿病等8個主要相關(guān)特征變量的神經(jīng)網(wǎng)絡(luò)進行分類預(yù)測,有效提升多變量和缺失信息數(shù)據(jù)下的危險分類準確性。測試結(jié)果表明,C5.0-BP組合預(yù)測模型的總體分類準確率為93.68%,與當前中國卒中數(shù)據(jù)中心基于C4.5算法的分類模型相比提升了8.65%,中危和高危等級預(yù)測綜合評價指標分別提升了37.5%和63%。該模型實現(xiàn)了較為精準的危險分級預(yù)測,對腦卒中疾病的預(yù)防與干預(yù)起到了促進作用。針對當前國家腦卒中防控數(shù)...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢
    1.3 研究內(nèi)容及章節(jié)安排
2 腦卒中篩查數(shù)據(jù)特點分析
    2.1 國家腦卒中篩查項目
    2.2 腦卒中篩查檔案的危險分級
    2.3 腦卒中篩查數(shù)據(jù)特點
    2.4 本章小結(jié)
3 腦卒中篩查數(shù)據(jù)的危險分級預(yù)測
    3.1 危險分級數(shù)據(jù)挖掘設(shè)計
        3.1.1 危險分級預(yù)測流程
        3.1.2 樣本數(shù)據(jù)抽樣方法
    3.2 基于決策樹算法的危險分級預(yù)測
        3.2.1 決策樹算法
        3.2.2 基于C5.0算法的分類模型
    3.3 基于BP神經(jīng)網(wǎng)絡(luò)算法的危險分級預(yù)測
        3.3.1 神經(jīng)網(wǎng)絡(luò)與逆差傳播算法
        3.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的分類模型
    3.4 基于特征劃分的神經(jīng)網(wǎng)絡(luò)的危險分級預(yù)測
        3.4.1 一種改進的C5.0-BP學(xué)習(xí)模式
        3.4.2 C5.0-BP分類模型
        3.4.3 實驗結(jié)果及評價
    3.5 本章小結(jié)
4 篩查數(shù)據(jù)倉庫維度模型的設(shè)計與實現(xiàn)
    4.1 篩查數(shù)據(jù)倉庫結(jié)構(gòu)設(shè)計
        4.1.1 需求分析
        4.1.2 數(shù)據(jù)倉庫維度模型結(jié)構(gòu)
    4.2 篩查數(shù)據(jù)倉庫維度模型設(shè)計
        4.2.1 分析主題與指標設(shè)計
        4.2.2 數(shù)據(jù)預(yù)處理
        4.2.3 維度模型邏輯結(jié)構(gòu)
        4.2.4 維度模型展示過程
    4.3 數(shù)據(jù)倉庫維度模型實現(xiàn)
        4.3.1 ETL過程實現(xiàn)
        4.3.2 數(shù)據(jù)倉庫建模過程
        4.3.3 維度模型展示開發(fā)
    4.4 本章小結(jié)
5 篩查數(shù)據(jù)倉庫維度模型的應(yīng)用
    5.1 基本信息分析
    5.2 腦卒中危險級別分析
    5.3 危險因素相關(guān)性分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
附錄



本文編號：3874221