發(fā)布時(shí)間：2021-06-12 04:55

　　隨著信息技術(shù)的高速發(fā)展和醫(yī)院信息系統(tǒng)的日益普及,患者的臨床資料得以電子化記錄和存儲(chǔ)。這些臨床數(shù)據(jù)能夠反映患者的身體狀況,為患病嚴(yán)重程度評(píng)估和疾病風(fēng)險(xiǎn)預(yù)測(cè)提供重要依據(jù)。臨床預(yù)測(cè)模型是基于醫(yī)學(xué)數(shù)據(jù)利用機(jī)器學(xué)習(xí)技術(shù)建立的疾病診斷和預(yù)測(cè)工具,能夠?yàn)獒t(yī)生診斷病情、制定治療管理方案以及進(jìn)行醫(yī)學(xué)研究提供科學(xué)依據(jù)和決策支持,具有重要的應(yīng)用價(jià)值。但在臨床實(shí)踐中,醫(yī)學(xué)樣本往往數(shù)量較少且數(shù)據(jù)不完整,容易導(dǎo)致機(jī)器學(xué)習(xí)算法過擬合、預(yù)測(cè)誤差大、不穩(wěn)定,限制了臨床預(yù)測(cè)模型的性能。針對(duì)上述問題,本論文研究了有限醫(yī)學(xué)數(shù)據(jù)條件下預(yù)測(cè)模型的構(gòu)建方法,以提升模型的預(yù)測(cè)性能,促進(jìn)臨床預(yù)測(cè)模型在實(shí)踐中發(fā)揮切實(shí)有效的作用。本論文主要完成了以下工作:（1）針對(duì)醫(yī)學(xué)數(shù)據(jù)缺失的問題,建立了自適應(yīng)加權(quán)投票隨機(jī)森林（Adaptive weight voting random forest,AWVRF）算法。當(dāng)樹節(jié)點(diǎn)變量缺失時(shí),該算法允許被處理的樣本在當(dāng)前節(jié)點(diǎn)上退出并根據(jù)所涉及變量的強(qiáng)度調(diào)整投票權(quán)重,通過加權(quán)投票做出最終決策。采用10個(gè)UCI標(biāo)準(zhǔn)數(shù)據(jù)集對(duì)該算法進(jìn)行測(cè)試,結(jié)果表明AWVRF的正確率和AUROC指標(biāo)優(yōu)于現(xiàn)行的補(bǔ)缺策略決策算法mea... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：121 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２．２典型ＲＮＮ模型??

?第２章臨床預(yù)測(cè)模型技術(shù)基礎(chǔ)???ｖ?輸出層??圖２．２典型ＲＮＮ模型??９?ｙｔ－ｉ?９ｔ?ｙｔ＋ｉ??ｏ?ｏ?ｏ?ｏ??ｖ?ｖ?ｖ?ｖ??ｈ?＿?／ｉｆ＿ｉ?ｈｔ?ｈｆ＋ｉ??ｕ?ｕ?ｕ?ｕ??Ｘ?Ｘｔ＿ｉ?ｘｔ?ｘｔ＋１??圖２．３典型ＲＮＮ模型的展開圖??圖２．４展示了?ＲＮＮ中重復(fù)模塊的結(jié)構(gòu)。??ｈｔ??ｒ?、??ｔａｎｈ?ｈｔ??Ｔｌ＾ｒ??Ｘｔ??圖２．４?ＲＮＮ中重復(fù)模塊的結(jié)構(gòu)??第ｆ?zhèn)�時(shí)刻重復(fù)模塊的輸出為??２１??

?浙江大學(xué)博士學(xué)位論文???輸出門這３種門控開關(guān)，可分別處理不同的信息：遺忘門負(fù)責(zé)去除不再需要的信??息；輸入門負(fù)責(zé)添加有用信息至記憶單元；輸出門負(fù)責(zé)控制輸出。由于遺忘門、??輸入門和輸出門以及記憶單元的設(shè)計(jì)，ＬＳＴＭ能夠勝任保留和更新長(zhǎng)距離信息的??任務(wù)。??ｈｔ??？?人■?－Ｗ?ｃｔ??ｆＬ?ＸＸ?０ｔｒｌ??ｘｔ??圖２．７?ＬＳＴＭ結(jié)構(gòu)圖??ＬＳＴＭ?模塊的輸入是Ｘｔ。由公式（２－１０）、（２－１１）、（２－１２）、（２－１３）和（２－１４）分別計(jì)??算得到當(dāng)前時(shí)刻的遺忘門Ａ、輸入門ｉｔ、候選值Ｇ、細(xì)胞狀態(tài)＆和輸出門ｏｔ。再通??過公式（２－１５）計(jì)算可得第／個(gè)時(shí)刻隱藏層的輸出／ｉｔ。??ｆｔ?＝?ａ（ｗｒ［ｈｔ＾，Ｘｔ］?＋?ｂｆ）?（２－１０）??ｉｔ?＝?〇－（＾ｉ?■?［ｈｔ－ｖＸｔ］?＋?ｂｉ）?（２－１１）??Ｃｔ?－?ｔａｎｈ（ｗｃ?■?＋?ｂｃ）?（２－１２）??Ｃｔ?＝?ｆｔ＊?Ｑ－１?＋?ｉｔ＊Ｃｔ?（２－１３）??〇ｔ?＝?〇－（ｗ〇?■?［ｈ＾Ｘｔ］?＋?ｂ〇）?（２－１４）??ｈｔ?＝?ｏｔ?＊?ｔａｎｈ｛Ｃｔ）?（２－１５）??在這些公式中，和匕是模型的權(quán)重和偏置參數(shù)，是上一時(shí)刻隱藏層的??輸出，Ｃｍ是上一時(shí)刻細(xì)胞狀態(tài)。符號(hào)？代表矩陣乘法（Ｍａｔｒｉｘｍｕｌｔｉｐｌｉｃａｔｉｏｎ），??而符號(hào)＊代表元素積（Ｅｌｅｍｅｎｔ－ｗｉｓｅ?ｐｒｏｄｕｃｔ）。符號(hào)ａ代表ｓｉｇｍｏｉｄ函數(shù)，符號(hào)??ｔａｎ／ｉ代表ｈｙｐｅｒｂｏｌｉｃ?ｔａｎｇｅｎｔ函數(shù)，其具體形式如公式（２－１６）和（２－１７）所不。??ａ（ｚ）?＝?＿??－眷?ｇ?（２－１７）??

【參考文獻(xiàn)】：
期刊論文
[1]臨床預(yù)測(cè)模型:基本概念、應(yīng)用場(chǎng)景及研究思路[J]. 谷鴻秋,周支瑞,章仲恒,周權(quán).  中國(guó)循證心血管醫(yī)學(xué)雜志. 2018(12)
[2]基于臨床數(shù)據(jù)集的缺失值處理方法比較[J]. 李琳,楊紅梅,楊日東,胡珊,張學(xué)良,周毅.  中國(guó)數(shù)字醫(yī)學(xué). 2018(04)
[3]重癥監(jiān)護(hù)室住院死亡風(fēng)險(xiǎn)的預(yù)測(cè)方法研究[J]. 謝俊卿,藺軻,孔桂蘭.  計(jì)算機(jī)工程與應(yīng)用. 2017(20)
[4]基于隨機(jī)森林的乳腺腫瘤細(xì)針穿刺輔助診斷[J]. 孫偉,張俊升,邢培銳.  計(jì)算機(jī)應(yīng)用. 2015(S2)
[5]常用分類算法在不同樣本量和類分布的不平衡數(shù)據(jù)中的分類效果比較[J]. 袁聯(lián)雄,佘玲玲,林愛華,駱福添.  中國(guó)醫(yī)院統(tǒng)計(jì). 2015 (01)
[6]數(shù)據(jù)缺失的類型和處理方法及其在醫(yī)學(xué)中的應(yīng)用[J]. 黃光煒.  中國(guó)醫(yī)院統(tǒng)計(jì). 2013 (03)
[7]臨床研究中缺失值的類型和處理方法研究[J]. 唐健元,楊志敏,楊進(jìn)波,黃欽,吳春芳,馮毅.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2011(03)
[8]有限樣本下中文垃圾郵件過濾的研究與實(shí)現(xiàn)[J]. 張洪勝,耿煥同,喻為民.  計(jì)算機(jī)應(yīng)用與軟件. 2008(01)
[9]幾種不同缺失值填充方法的比較[J]. 劉星毅,農(nóng)國(guó)才.  南寧師范高等�？茖W(xué)校學(xué)報(bào). 2007(03)
[10]小樣本機(jī)器學(xué)習(xí)算法的特性分析與應(yīng)用[J]. 辛憲會(huì),葉秋果,滕惠忠,郭思海,李軍,張靚,韓曉宏.  海洋測(cè)繪. 2007(03)

博士論文
[1]遷移學(xué)習(xí)問題與方法研究[D]. 龍明盛.清華大學(xué) 2014
[2]數(shù)據(jù)挖掘中分類分析的策略研究及其生物醫(yī)學(xué)應(yīng)用[D]. 張超.南方醫(yī)科大學(xué) 2008

碩士論文
[1]不完全數(shù)據(jù)的處理方法及其在醫(yī)學(xué)研究中的應(yīng)用[D]. 李樹威.重慶醫(yī)科大學(xué) 2014
[2]機(jī)器學(xué)習(xí)中的特征選擇算法研究[D]. 姜百寧.中國(guó)海洋大學(xué) 2009
[3]基于實(shí)例和特征的遷移學(xué)習(xí)算法研究[D]. 戴文淵.上海交通大學(xué) 2009
[4]數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)質(zhì)量控制問題研究[D]. 熊霞.武漢大學(xué) 2004



本文編號(hào)：3225989