隨著醫(yī)療信息化的快速發(fā)展,如何充分利用長期積累的大量臨床醫(yī)療數(shù)據(jù),開掘和剖析醫(yī)療臨床數(shù)據(jù)中的潛藏價(jià)值,從而指導(dǎo)醫(yī)生臨床判決,提高醫(yī)療服務(wù)的智能水平和醫(yī)院的就診效率,成為廣泛關(guān)注的熱點(diǎn)問題。甲狀腺疾病中甲亢抱病率偏高且病情演變十分遲緩,發(fā)病時(shí)間長且會(huì)影響患者全身引起各種不適癥狀,現(xiàn)代醫(yī)學(xué)領(lǐng)域中內(nèi)分泌科對(duì)其非常關(guān)注。在臨床治療過程中,患者往往不清楚自身病情狀況的嚴(yán)重程度,當(dāng)問診治療時(shí)病情已經(jīng)演化到了十分緊要的階段。因此,甲亢疾病的早期干預(yù)至關(guān)重要。若能在早期階段結(jié)合其臨床檢查數(shù)據(jù)對(duì)疾病未來發(fā)展?fàn)顩r進(jìn)行預(yù)測(cè),不僅可以方便患者了解自身病情,同時(shí)還可輔助醫(yī)生評(píng)估和制定當(dāng)前診療方案,如用藥策略的選擇、是否進(jìn)行一些特殊和非常規(guī)的檢查,從而對(duì)病情進(jìn)行有指導(dǎo)的提前干預(yù)。因此,對(duì)甲亢病情預(yù)測(cè)的研究十分必要且具有重要的臨床意義。目前,使用人工智能技術(shù)對(duì)甲狀腺疾病進(jìn)行疾病預(yù)測(cè)和風(fēng)險(xiǎn)評(píng)估等方面已存在相關(guān)研究成果,然而上述研究大都基于病理診斷數(shù)據(jù)、超聲圖像數(shù)據(jù)和用藥記錄數(shù)據(jù)等,大都關(guān)注于甲狀腺疾病并發(fā)癥分析、基于影像數(shù)據(jù)的分類診斷等,對(duì)于甲亢發(fā)展的階段性特征以及甲亢發(fā)展過程中指標(biāo)檢查序列數(shù)據(jù)蘊(yùn)含的深層發(fā)展規(guī)律并未... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RNN循環(huán)結(jié)構(gòu)

隱層神經(jīng)元前一時(shí)刻的狀態(tài) Ct-1將與當(dāng)前時(shí)刻計(jì)算得到新的狀態(tài) Ct以及當(dāng)前時(shí)刻序列的輸出 ht，狀態(tài) Ct會(huì)隱層的權(quán)重矩陣和偏置向量等參數(shù)，在每一次循環(huán)迭代中都圖 2-1 RNN 循環(huán)結(jié)構(gòu)

圖 2-3 LSTM 神經(jīng)元結(jié)構(gòu)循環(huán)計(jì)算公式如下：（1）遺忘門：篩選細(xì)胞狀態(tài)中的廢舊信息并丟棄。ft= sigmoid ( Wf* [ht-1, xt] + bf) （2）輸入門：從輸入中合理地獲取需要更新的信息。it= sigmoid ( Wi* [ht-1, xt] + bi) ct= tanh ( Wc* [ht-1, xt] + bc) （3）更新細(xì)胞狀態(tài)：新細(xì)胞狀態(tài)=舊細(xì)胞狀態(tài)×遺忘門結(jié)果+要更新的信Ct= ft* Ct-1+ it* ct（4）輸出門：確定合理的輸出值。ot= sigmoid ( Wo* [ht-1, xt] + bo) h= o* tanh(C)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)智能圖像識(shí)別技術(shù)應(yīng)用于宮頸鱗狀上皮內(nèi)病變細(xì)胞學(xué)篩查的可行性研究[J]. 張世豪,冼麗英,高敏,陳志曉,李志煥.  中國臨床新醫(yī)學(xué). 2019(03)
[2]基于XGBoost的糖尿病風(fēng)險(xiǎn)預(yù)測(cè)[J]. 蘇天培.  科技視界. 2019(02)
[3]基于Vue.js的智能超市導(dǎo)航系統(tǒng)[J]. 王翔,沈?yàn)?曾丹.  工業(yè)控制計(jì)算機(jī). 2018(12)
[4]深度學(xué)習(xí)優(yōu)化算法研究[J]. 仝衛(wèi)國,李敏霞,張一可.  計(jì)算機(jī)科學(xué). 2018(S2)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)提取超聲圖像甲狀腺結(jié)節(jié)鈣化點(diǎn)的研究[J]. 左東奇,韓霖,陳科,李程,花瞻,林江莉.  生物醫(yī)學(xué)工程學(xué)雜志. 2018(05)
[6]中醫(yī)藥治療甲狀腺功能亢進(jìn)癥進(jìn)展[J]. 宋恩邸,劉擎,陳霞波.  中醫(yī)文獻(xiàn)雜志. 2018(05)
[7]計(jì)算機(jī)網(wǎng)絡(luò)及數(shù)據(jù)庫在智能醫(yī)療方面的推廣和應(yīng)用[J]. 葛鑫泉.  科技傳播. 2018(18)
[8]基于支持向量機(jī)的潛在高血壓預(yù)測(cè)研究[J]. 周飛,鄒寧,趙銀歌,黃倩雅,劉可盈.  無線互聯(lián)科技. 2018(01)
[9]MXNet基礎(chǔ)的物聯(lián)網(wǎng)數(shù)據(jù)處理實(shí)現(xiàn)[J]. 卓煒.  電腦迷. 2017(07)
[10]基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型[J]. 楊祎玥,伏潛,萬定生.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(03)

碩士論文
[1]基于Theano深度學(xué)習(xí)框架的圖像識(shí)別算法研究[D]. 孫園欽.吉林大學(xué) 2017



本文編號(hào)：2950372