醫(yī)院感染（院感）強(qiáng)調(diào)感染是患者在醫(yī)院診斷過(guò)程中獲得,表現(xiàn)形式包括兩種:1)患者在出院前即表現(xiàn)出相應(yīng)癥狀,這類醫(yī)院感染更加明確;2)患者在住院期間獲得,但出院后才表現(xiàn)出相應(yīng)癥狀,這類醫(yī)院感染存在很大爭(zhēng)議。醫(yī)院感染的檢測(cè)是醫(yī)院進(jìn)行院感管理的重要內(nèi)容之一,同時(shí)也是醫(yī)院進(jìn)行院感控制的難點(diǎn)和重點(diǎn),且對(duì)于醫(yī)院感染診斷最關(guān)鍵的步驟就是判斷病人是否感染,而由于感染類型復(fù)雜,且部分感染間臨床表現(xiàn)十分相似,區(qū)分難度大。因此一個(gè)可以支持對(duì)病人的感染情況進(jìn)行診斷的院感診斷輔助系統(tǒng)對(duì)于醫(yī)護(hù)人員來(lái)說(shuō)越來(lái)越重要。電子病歷（EMR）,即利用電子設(shè)備,如計(jì)算機(jī)中的數(shù)據(jù)庫(kù)或云端的云空間,存儲(chǔ)病人紙質(zhì)病歷中的全部病歷內(nèi)容,可以通過(guò)現(xiàn)代化的數(shù)據(jù)訪問(wèn)接口快速、準(zhǔn)確的獲取病人信息,且隨著電子病歷的不斷推廣,目前也積累了大量電子病歷數(shù)據(jù),同時(shí)文本分類算法一直是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域研究的重點(diǎn)內(nèi)容。本文對(duì)不同感染的電子病歷數(shù)據(jù)進(jìn)行處理分析,利用機(jī)器學(xué)習(xí)方法對(duì)不同感染的癥狀組成、癥狀與感染間的關(guān)系進(jìn)行學(xué)習(xí)建模,通過(guò)一系列模型訓(xùn)練方法得到以電子病歷為對(duì)象的感染智能診斷系統(tǒng),通過(guò)輸入病人的病歷信息得到該病人可能患有的感染。本文的主要工作如... 

【文章來(lái)源】：國(guó)防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 電子病歷研究及推廣現(xiàn)狀
        1.2.2 醫(yī)療智能診斷研究現(xiàn)狀
        1.2.3 文本分類研究現(xiàn)狀
    1.3 主要工作與創(chuàng)新點(diǎn)
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)研究與技術(shù)
    2.1 特征選擇相關(guān)技術(shù)
        2.1.1 過(guò)濾式(Filter Method)
        2.1.2 包裝式(Wrapper Method)
        2.1.3 嵌入式(Embedded Method)
        2.1.4 基于深度學(xué)習(xí)的特征選擇
    2.2 多標(biāo)簽分類相關(guān)技術(shù)
        2.2.1 多標(biāo)簽算法分類
        2.2.2 多標(biāo)簽分類評(píng)價(jià)指標(biāo)
    2.3 類別不平衡相關(guān)技術(shù)
        2.3.1 數(shù)據(jù)不平衡問(wèn)題
        2.3.2 數(shù)據(jù)不平衡解決方案
        2.3.3 不平衡問(wèn)題評(píng)價(jià)方法
    2.4 本章小結(jié)
第三章 基于類別區(qū)分度的特征選擇方法
    3.1 電子病歷數(shù)據(jù)預(yù)處理
        3.1.1 動(dòng)機(jī)分析
        3.1.2 研究思路
        3.1.3 電子病歷數(shù)據(jù)預(yù)處理流程
    3.2 基于類別區(qū)分度的特征選擇
        3.2.1 動(dòng)機(jī)分析
        3.2.2 基于類別區(qū)分度的特征選擇方法
    3.3 實(shí)驗(yàn)設(shè)置與結(jié)果分析
        3.3.1 數(shù)據(jù)集和實(shí)驗(yàn)設(shè)置
        3.3.2 性能評(píng)估標(biāo)準(zhǔn)
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于多標(biāo)簽分類算法的院感智能診斷模型
    4.1 引言
        4.1.1 動(dòng)機(jī)分析
        4.1.2 相關(guān)研究工作
        4.1.3 研究思路
    4.2 基于多標(biāo)簽分類算法的感染智能診斷模型
        4.2.1 感染診斷專家系統(tǒng)
        4.2.2 基于多標(biāo)簽分類算法的院感智能診斷模型
    4.3 基于不同醫(yī)院院感病人數(shù)據(jù)的模型效果分析
        4.3.1 數(shù)據(jù)差異比較
        4.3.2 特征選擇方法和診斷模型的適用性研究
    4.4 實(shí)驗(yàn)設(shè)置與結(jié)果分析
        4.4.1 數(shù)據(jù)集和實(shí)驗(yàn)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文主要工作總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果


【參考文獻(xiàn)】：
期刊論文
[1]基于詞頻統(tǒng)計(jì)規(guī)律的文本數(shù)據(jù)預(yù)處理方法[J]. 池云仙,趙書良,羅燕,高琳,趙駿鵬,李超.  計(jì)算機(jī)科學(xué). 2017(10)
[2]國(guó)內(nèi)電子病歷發(fā)展與應(yīng)用現(xiàn)狀分析[J]. 馬錫坤,楊國(guó)斌,于京杰.  計(jì)算機(jī)應(yīng)用與軟件. 2015(01)
[3]國(guó)內(nèi)外電子病歷的發(fā)展概況及思考[J]. 穆芳潔.  中國(guó)病案. 2014(09)
[4]美國(guó)醫(yī)院電子病歷低應(yīng)用率給中國(guó)醫(yī)院電子病歷發(fā)展的啟示[J]. 龐輝,梁偉,杜劍亮,熊鶯.  中國(guó)病案. 2013(10)
[5]特征選擇方法綜述[J]. 姚旭,王曉丹,張玉璽,權(quán)文.  控制與決策. 2012(02)
[6]基于間隔損失和L1范數(shù)調(diào)節(jié)的特征選擇方法研究[J]. 潘巍,馬培軍,李東.  智能計(jì)算機(jī)與應(yīng)用. 2012(01)
[7]電子病歷初探[J]. 謝棟梁.  醫(yī)學(xué)信息(上旬刊). 2010(06)
[8]我國(guó)電子病歷的發(fā)展與展望[J]. 陳金雄.  中國(guó)醫(yī)療器械信息. 2009(02)
[9]文本分類技術(shù)研究[J]. 楊麗華,戴齊,楊占華.  微計(jì)算機(jī)信息. 2006(15)
[10]文本分類的歸納學(xué)習(xí)算法和描述[J]. 鄭東飛,石冰.  計(jì)算機(jī)工程與設(shè)計(jì). 2006(04)

博士論文
[1]電子病歷系統(tǒng)的研究：信息錄入與質(zhì)量監(jiān)控電子化實(shí)現(xiàn)[D]. 羅小楠.第四軍醫(yī)大學(xué) 2005

碩士論文
[1]基于語(yǔ)義的中文文本預(yù)處理研究[D]. 張寧.西安電子科技大學(xué) 2011



本文編號(hào)：3335737