近些年,隨著醫(yī)學(xué)信息數(shù)據(jù)庫(kù)的不斷建立和完善,人工智能+醫(yī)療健康成為當(dāng)今醫(yī)療健康行業(yè)轉(zhuǎn)型的重要方向,而計(jì)算機(jī)輔助醫(yī)療診斷逐漸成為人們關(guān)注的熱點(diǎn)領(lǐng)域。本文利用機(jī)器學(xué)習(xí)方法對(duì)臨床檢驗(yàn)數(shù)據(jù)進(jìn)行深入挖掘,基于臨床需求建立穩(wěn)健的計(jì)算機(jī)輔助醫(yī)療診斷系統(tǒng)去識(shí)別惡性疾病,從而輔助醫(yī)生快速識(shí)別惡性疾病并及時(shí)采取應(yīng)對(duì)措施。這套系統(tǒng)的成功構(gòu)建不僅意味著能夠發(fā)現(xiàn)本文研究的疾病和常規(guī)血液指標(biāo)之間的深層關(guān)聯(lián),更有助于探索其他類型疾病和多組分血液指標(biāo)之間的相關(guān)性。第一章,首先簡(jiǎn)單介紹了常規(guī)血液檢測(cè)的臨床現(xiàn)狀、方法和意義,大致概括了醫(yī)學(xué)大數(shù)據(jù)在實(shí)施精準(zhǔn)醫(yī)療過(guò)程中發(fā)揮的重要作用,同時(shí)闡述了目前組織活檢和液體活檢在臨床應(yīng)用方面各自的不足之處,還對(duì)計(jì)算機(jī)輔助診斷的研究進(jìn)展和優(yōu)勢(shì)進(jìn)行了總結(jié),最后詳細(xì)介紹了本文主要涉及的機(jī)器學(xué)習(xí)算法——隨機(jī)森林。第二章,利用隨機(jī)森林算法對(duì)篩選出的19個(gè)常規(guī)血液指標(biāo)進(jìn)行復(fù)雜組合構(gòu)建的模型可以從肺結(jié)核患者和健康人群中準(zhǔn)確地識(shí)別出肺癌患者。這項(xiàng)研究總共收集了277名具有49項(xiàng)常規(guī)血液指標(biāo)的患者,其中包括183名肺癌患者和94名非肺癌患者。經(jīng)過(guò)10折交叉驗(yàn)證之后,該模型的敏感性、特異性和準(zhǔn)確度分別達(dá)到0... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 臨床上常規(guī)血液檢測(cè)的現(xiàn)狀
        1.1.1 常規(guī)血液檢測(cè)的臨床價(jià)值
        1.1.2 醫(yī)學(xué)信息數(shù)據(jù)庫(kù)的建立和完善
    1.2 液體活檢和組織活檢的現(xiàn)狀
        1.2.1 組織活檢的臨床價(jià)值
        1.2.2 液體活檢的潛力價(jià)值
    1.3 計(jì)算機(jī)輔助診斷系統(tǒng)的進(jìn)展
        1.3.1 計(jì)算機(jī)輔助診斷的簡(jiǎn)介
        1.3.2 計(jì)算機(jī)輔助診斷的現(xiàn)狀
    1.4 隨機(jī)森林
        1.4.1 RF的原理
        1.4.2 RF的優(yōu)缺點(diǎn)
        1.4.3 RF的應(yīng)用
    1.5 研究的目的和意義
第二章 基于常規(guī)血液指標(biāo)的肺癌與肺結(jié)核識(shí)別
    2.1 引言
    2.2 材料和方法
        2.2.1 材料來(lái)源
        2.2.2 機(jī)器學(xué)習(xí)方法
        2.2.3 驗(yàn)證方法
    2.3 結(jié)果與討論
        2.3.1 模型選擇
        2.3.2 臨床相關(guān)性
        2.3.3 肺癌的常規(guī)血液指標(biāo)模型的網(wǎng)站服務(wù)
        2.3.4 性能比較
        2.3.5 關(guān)鍵血液指標(biāo)分析
    2.4 小結(jié)
第三章 基于機(jī)器學(xué)習(xí)和常規(guī)血液檢測(cè)指標(biāo)從多種胃部疾病和癌癥中識(shí)別胃癌
    3.1 引言
    3.2 材料和方法
        3.2.1 材料來(lái)源
        3.2.2 機(jī)器學(xué)習(xí)方法
        3.2.3 驗(yàn)證方法
    3.3 結(jié)果與討論
        3.3.1 交叉驗(yàn)證集和外部驗(yàn)證集都具有良好的識(shí)別性能
        3.3.2 GCdiscrimination的 Web服務(wù)器測(cè)試方法
        3.3.3 GCdiscrimination的顯著優(yōu)勢(shì)
        3.3.4 不同群體的主要特征存在顯著差異
    3.4 小結(jié)
第四章 基于血液常規(guī)檢測(cè)和T-SPOT.TB結(jié)果對(duì)活動(dòng)性結(jié)核識(shí)別
    4.1 引言
    4.2 材料和方法
        4.2.1 材料來(lái)源
        4.2.2 機(jī)器學(xué)習(xí)方法
        4.2.3 驗(yàn)證方法
    4.3 結(jié)果與討論
        4.3.1 模型構(gòu)建結(jié)果和分類性能
        4.3.2 性能比較
        4.3.3 分析選擇的關(guān)鍵特征
        4.3.4 進(jìn)一步分析肺內(nèi)結(jié)核和肺外結(jié)核
        4.3.5 這種方法的網(wǎng)站服務(wù)
        4.3.6 ATBdiscrimination方法的限制和展望
    4.4 小結(jié)
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3174784