近年來,我國(guó)的醫(yī)療信息化水平處于快速發(fā)展時(shí)期。各類臨床數(shù)據(jù)包括居民的健康數(shù)據(jù)、臨床試驗(yàn)數(shù)據(jù)、醫(yī)學(xué)檢驗(yàn)檢查數(shù)據(jù)等數(shù)據(jù)的快速增長(zhǎng)迎來了醫(yī)療行業(yè)的大數(shù)據(jù)時(shí)代,基于大數(shù)據(jù)技術(shù)的醫(yī)療改革大幕也就此拉開。因此從數(shù)據(jù)挖掘角度去探索醫(yī)學(xué)數(shù)據(jù)的內(nèi)在規(guī)律,對(duì)醫(yī)學(xué)研究和疾病診斷具有極高的價(jià)值。本文主要研究的是三類機(jī)器學(xué)習(xí)算法的比較以及在智能醫(yī)學(xué)領(lǐng)域輔助診斷方面的探索研究,比較了決策樹、GBDT、XGBoost算法在計(jì)算機(jī)輔助診斷中應(yīng)用。文章根據(jù)過敏性鼻炎的醫(yī)療數(shù)據(jù),構(gòu)建了基于XGBoost算法的過敏性鼻炎輔助診斷分類預(yù)測(cè)模型,并將基于該類算法過敏性鼻炎智能輔助平臺(tái)應(yīng)用到實(shí)際的診療工作中,提高了診斷的準(zhǔn)確率,減輕了醫(yī)生的診療負(fù)擔(dān)。文章具體工作如下:本文首先研究了對(duì)醫(yī)療數(shù)據(jù)具有良好分類效果的決策樹算法,GBDT算法以及XGBoost算法,比較了幾類算法的優(yōu)缺點(diǎn)。然后將醫(yī)療輔助診斷問題轉(zhuǎn)化為分類問題,建立輔助診斷模型。為保證數(shù)據(jù)能夠適用于模型,在數(shù)據(jù)收集與整理過程中對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理,特征做了擴(kuò)充。在分析數(shù)據(jù)結(jié)構(gòu)特點(diǎn)后,本文選取了XGBoost算法對(duì)過敏性鼻炎數(shù)據(jù)進(jìn)行探索,進(jìn)而建立了過敏性鼻炎輔助診斷智能平臺(tái)。為... 

【文章來源】：延安大學(xué)陜西省

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

乳腺癌數(shù)據(jù)集的決策樹圖

幾類機(jī)器學(xué)習(xí)算法的比較及在過敏性鼻炎輔助診斷中的實(shí)證分析-24-圖3-3乳腺癌數(shù)據(jù)集的決策樹模型Roc曲線Fig.3-3Roccurveofdecisiontreemodelforbreastcancerdataset圖3-4乳腺癌數(shù)據(jù)集的GBDT模型Roc曲線Fig.3-4RoccurveofGBDTmodelforbreastcancerdataset圖3-5乳腺癌數(shù)據(jù)集的GBDT模型準(zhǔn)確率圖Fig.3-5GBDTmodelaccuracydiagramofbreastcancerdataset

幾類機(jī)器學(xué)習(xí)算法的比較及在過敏性鼻炎輔助診斷中的實(shí)證分析-24-圖3-3乳腺癌數(shù)據(jù)集的決策樹模型Roc曲線Fig.3-3Roccurveofdecisiontreemodelforbreastcancerdataset圖3-4乳腺癌數(shù)據(jù)集的GBDT模型Roc曲線Fig.3-4RoccurveofGBDTmodelforbreastcancerdataset圖3-5乳腺癌數(shù)據(jù)集的GBDT模型準(zhǔn)確率圖Fig.3-5GBDTmodelaccuracydiagramofbreastcancerdataset

【參考文獻(xiàn)】：
期刊論文
[1]論物聯(lián)網(wǎng)技術(shù)中大數(shù)據(jù)的應(yīng)用[J]. 孫重陽.  電腦編程技巧與維護(hù). 2018(10)
[2]單純與合并過敏性鼻炎的支氣管哮喘患者的臨床特點(diǎn)比較分析[J]. 封敏,黃曉穎.  中國(guó)農(nóng)村衛(wèi)生事業(yè)管理. 2018(05)
[3]面向健康大數(shù)據(jù)的數(shù)據(jù)清洗技術(shù)[J]. 陳永紅,廖欣,鄭欣,陳雷霆.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(17)
[4]血清IgG4和IgE在兒童過敏性哮喘和過敏性鼻炎中的應(yīng)用[J]. 羅星星,陳展?jié)?許揚(yáng)揚(yáng),區(qū)文華,麥智廣,李煒煊.  國(guó)際檢驗(yàn)醫(yī)學(xué)雜志. 2017(04)
[5]支氣管哮喘患者外周血Th1、Th2與Th17細(xì)胞表達(dá)水平及臨床意義[J]. 高陽,楊帆.  解放軍醫(yī)藥雜志. 2017(01)
[6]醫(yī)療體檢數(shù)據(jù)預(yù)處理方法研究[J]. 林予松,王培培,劉煒,李潤(rùn)知,王宗敏.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[7]C4.5算法的優(yōu)化[J]. 黃秀霞,孫力.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(05)
[8]醫(yī)療健康大數(shù)據(jù)關(guān)鍵問題及對(duì)策研究[J]. 黃曉琴.  中國(guó)數(shù)字醫(yī)學(xué). 2016(05)
[9]教育數(shù)據(jù)挖掘研究進(jìn)展綜述[J]. 周慶,牟超,楊丹.  軟件學(xué)報(bào). 2015(11)
[10]美國(guó)聯(lián)邦政府醫(yī)療信息化戰(zhàn)略規(guī)劃（2015-2020）內(nèi)容簡(jiǎn)析[J]. 舒婷,梁銘會(huì).  中國(guó)數(shù)字醫(yī)學(xué). 2015(02)

碩士論文
[1]基于Faster R-CNN的肺結(jié)節(jié)檢測(cè)的研究與應(yīng)用[D]. 張琦.濟(jì)南大學(xué) 2019
[2]健康大數(shù)據(jù)預(yù)處理方法研究與實(shí)現(xiàn)[D]. 陳永紅.電子科技大學(xué) 2018
[3]基于CT影像的肺癌檢測(cè)與切除手術(shù)規(guī)劃[D]. 許春媛.上海交通大學(xué) 2018
[4]基于特征選擇的肺結(jié)節(jié)檢測(cè)技術(shù)研究[D]. 朱禹萌.上海交通大學(xué) 2018
[5]基于Hadoop的醫(yī)療輔助診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 周羿陽.東華大學(xué) 2016
[6]大數(shù)據(jù)環(huán)境下數(shù)據(jù)質(zhì)量關(guān)鍵問題研究[D]. 范令.中國(guó)海洋大學(xué) 2015
[7]基于Hadoop的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 鄧雄杰.華南理工大學(xué) 2013
[8]基于Relief特征選擇算法的研究與應(yīng)用[D]. 李曉嵐.大連理工大學(xué) 2013
[9]基于Map-Reduce并行聚類算法的研究[D]. 于春深.西安電子科技大學(xué) 2012
[10]數(shù)據(jù)清洗算法的研究與應(yīng)用[D]. 周奕辛.青島大學(xué) 2005



本文編號(hào)：3478233