目的:川崎病(Kawasaki disease,KD)是一種以發(fā)熱、皮疹、雙側(cè)眼結(jié)膜充血、口咽病變、四肢病變和頸部淋巴結(jié)腫大為主要特征的急性、自限性的血管炎,病因未明,高發(fā)人群為5歲以下的兒童。目前川崎病缺乏特異性的診斷指標(biāo)和可以確診的臨床癥狀,許多發(fā)熱疾病具有同川崎病類似的臨床表現(xiàn),容易造成川崎病的誤診和延遲診斷,從而增加患冠狀動(dòng)脈病變的風(fēng)險(xiǎn),因此,如何準(zhǔn)確快速的對(duì)川崎病進(jìn)行診斷是臨床上的一項(xiàng)挑戰(zhàn)。本文以川崎病的臨床體征和實(shí)驗(yàn)室檢查指標(biāo)為切入點(diǎn),應(yīng)用數(shù)據(jù)挖掘算法,構(gòu)建川崎病與其他發(fā)熱疾病的鑒別診斷模型,以期提供簡(jiǎn)便、可靠的川崎病輔助診斷方法。方法:采集重慶醫(yī)科大學(xué)附屬兒童醫(yī)院原始的川崎病和待發(fā)熱疾病的人口統(tǒng)計(jì)學(xué)資料,實(shí)驗(yàn)室檢查指標(biāo),臨床體征數(shù)據(jù)和出院診斷記錄,經(jīng)過數(shù)據(jù)預(yù)處理和特征選擇,建立樣本數(shù)據(jù)庫(kù),使用特征選擇后的特征子集構(gòu)建Logistic回歸,BP神經(jīng)網(wǎng)絡(luò),貝葉斯網(wǎng)絡(luò)和決策樹模型,使用獨(dú)立的測(cè)試集對(duì)模型進(jìn)行驗(yàn)證,比較四種模型的診斷性能,選擇最優(yōu)模型作為本研究川崎病和其他類發(fā)熱疾病的鑒別診斷模型,并使用遺傳算法對(duì)該模型進(jìn)行優(yōu)化降維。借助CGI腳本編程,設(shè)計(jì)川崎病輔助診斷系統(tǒng)。結(jié)果...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.2sigmoid函數(shù)Fig2.2Functionofsigmoid可以使用梯度上升法求參數(shù)，對(duì)l()稍作變換：

Logistic回歸模型可以表示為：()()1(1|)gxgxeePyx（2-6()11(0|)gxePyx（2-7給定訓(xùn)練數(shù)據(jù)集{(,),(,),,(,)}(1)(1)(2)(2)(n)(n)Txyxyxy，由于各樣本之間相互獨(dú)立，那么他們的聯(lián)合分....

圖2.3神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2.3神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig2.3Thestructureofneuralnetwork以iy表示輸出層神經(jīng)元，以jz表示隱含層神經(jīng)元，以kx表示輸入層神經(jīng)層神經(jīng)元k到隱含層神經(jīng)元j的權(quán)重為1jk，隱含層神經(jīng)元j到輸出層神重為2ij，假設(shè)輸....

圖4.1在不同隱含層節(jié)點(diǎn)數(shù)下BP神經(jīng)網(wǎng)絡(luò)模型的誤判率

重慶醫(yī)科大學(xué)碩士研究生學(xué)位論文在神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢后，將訓(xùn)練樣本X中的每一個(gè)輸入變量在其原來(lái)的基礎(chǔ)上分別加/減10%構(gòu)成兩個(gè)新的訓(xùn)練樣本X1，X2，將X1和X2輸入原神經(jīng)網(wǎng)絡(luò)，得出結(jié)果Y1和Y2，則Y1和Y2的差值，即為變動(dòng)該輸入變量后對(duì)輸出產(chǎn)生的影響....

圖4.2BP神經(jīng)網(wǎng)絡(luò)模型中各輸入特征的MIV值的相對(duì)大小Fig4.2MIVofallinputfeaturesinBPneuralnetwork.

圖4.2BP神經(jīng)網(wǎng)絡(luò)模型中各輸入特征的MIV值的相對(duì)大小Fig4.2MIVofallinputfeaturesinBPneuralnetwork.（3）使用訓(xùn)練集構(gòu)建TAN貝葉斯網(wǎng)絡(luò)模型，通過測(cè)試集對(duì)模型的性能進(jìn)行驗(yàn)證。構(gòu)建的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖....

本文編號(hào)：3892763