隨著生活水平不斷的提高,人們對(duì)母嬰健康的關(guān)注度與日俱增,與此同時(shí)針對(duì)母嬰健康監(jiān)護(hù)的研究有了迅猛發(fā)展。醫(yī)學(xué)測(cè)量?jī)x器技術(shù)的提高使得大量孕婦和胎兒體征信息可以被準(zhǔn)確地記錄下來,尤其隨著智慧母嬰健康監(jiān)護(hù)信息系統(tǒng)在各大醫(yī)院逐漸投入使用,醫(yī)院數(shù)據(jù)庫中存儲(chǔ)的孕婦真實(shí)體檢數(shù)據(jù)越來越多。建立醫(yī)療數(shù)據(jù)庫可以從這些海量的數(shù)據(jù)集中運(yùn)用各種數(shù)據(jù)挖掘技術(shù)建立胎兒健康預(yù)測(cè)模型,初步判斷胎兒的健康情況,并將診斷結(jié)果實(shí)時(shí)的傳輸?shù)皆贫藬?shù)據(jù)庫,最后將檢查結(jié)果通過網(wǎng)絡(luò)發(fā)送到用戶手機(jī)上,讓用戶能夠?qū)崟r(shí)的了解腹中胎兒的健康情況。如若發(fā)現(xiàn)胎兒存在異常,及時(shí)尋求醫(yī)生幫助,為營(yíng)救胎兒爭(zhēng)取寶貴的時(shí)間。本文主要研究數(shù)據(jù)挖掘算法在孕婦及胎兒體征信息分析中的應(yīng)用,其中包括云平臺(tái)的搭建、收集孕婦和胎兒的體征信息數(shù)據(jù)、提取孕婦體檢檢查項(xiàng)目、建立數(shù)據(jù)庫存儲(chǔ)模型以及胎兒健康預(yù)測(cè)模型,最后建立胎兒體征數(shù)據(jù)挖掘系統(tǒng)。論文主要工作如下:(1)在數(shù)據(jù)準(zhǔn)備階段,首先通過去醫(yī)院向醫(yī)生咨詢,確定可以通過哪些檢查項(xiàng)目判斷胎兒的健康情況,并將這些檢查項(xiàng)目匯總,設(shè)計(jì)電子檔案存儲(chǔ)結(jié)構(gòu),建立孕婦檔案數(shù)據(jù)存儲(chǔ)模型,并將數(shù)據(jù)存儲(chǔ)到云端數(shù)據(jù)庫;(2)數(shù)據(jù)預(yù)處理階段,首先對(duì)收集的孕婦臨床數(shù)據(jù)進(jìn)行初步規(guī)范量化,然后采用遺傳算法屬性約簡(jiǎn)的優(yōu)點(diǎn)提取能夠判斷胎兒健康情況的主要檢查項(xiàng)目,期間通過實(shí)例展示了遺傳算法的運(yùn)行過程,為下一步胎兒體征信息數(shù)據(jù)挖掘做準(zhǔn)備;(3)在數(shù)據(jù)挖掘階段,通過實(shí)例分析了BP算法的運(yùn)行過程,并針對(duì)BP算法的預(yù)測(cè)精度低、收斂速度慢等自身的不足,采用遺傳算法與改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的GABP算法,利用遺傳算法尋優(yōu)的優(yōu)勢(shì)對(duì)特征屬性進(jìn)行約簡(jiǎn),將約簡(jiǎn)后的屬性特征作為改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)的輸入,簡(jiǎn)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型。對(duì)比約簡(jiǎn)前的BP神經(jīng)網(wǎng)絡(luò)算法與屬性約簡(jiǎn)后的BP算法對(duì)胎兒診斷模型的準(zhǔn)確率以及訓(xùn)練時(shí)間;(4)最后設(shè)計(jì)實(shí)現(xiàn)集孕婦檔案管理數(shù)據(jù)庫(增刪改查)與胎兒健康預(yù)測(cè)分類于一體的孕婦及胎兒體征數(shù)據(jù)挖掘系統(tǒng)。
【學(xué)位單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R714.5;TP311.13
【部分圖文】：

據(jù)以某婦產(chǎn)科醫(yī)院實(shí)際采集的孕婦體檢數(shù)據(jù)為基礎(chǔ)，其中包括 7根據(jù)孕周的不同將數(shù)據(jù)進(jìn)行分類，采集的數(shù)據(jù)主要集中在孕周為 條數(shù)據(jù)中有 102 條數(shù)據(jù)的醫(yī)院檢測(cè)結(jié)果為正常胎兒，有 48 條數(shù)據(jù)個(gè)數(shù)據(jù)樣本包括孕婦的孕周、身高、體重、宮高、血壓（高、低心監(jiān)護(hù)、羊膜鏡檢查結(jié)果、血常規(guī)中 24 項(xiàng)生理指標(biāo)、尿常規(guī)中標(biāo)、肝功能腎功能等指標(biāo)來判斷胎兒的實(shí)際情況。在本項(xiàng)實(shí)驗(yàn)中，100 個(gè)數(shù)據(jù)做為神經(jīng)網(wǎng)絡(luò)訓(xùn)練集（其中包括胎兒正常的樣本 68 個(gè)下的 50 個(gè)樣本做為神經(jīng)網(wǎng)絡(luò)的測(cè)試集（其中，胎兒正常樣本為 具體選取情況如表 4.3 所示。表 4.3 樣本統(tǒng)計(jì)表總數(shù)： 150 胎兒健康： 102 胎兒異常： 樣本總數(shù) 100 胎兒健康： 68 胎兒異常： 樣本總數(shù) 50 胎兒健康： 34 胎兒異常： 首先運(yùn)用 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)計(jì)算，初始 BP 網(wǎng)絡(luò)模型根據(jù)樣本果的個(gè)數(shù)設(shè)置為 65-33-1 的三層結(jié)構(gòu)。隱含層個(gè)數(shù)的設(shè)置利用綜

杭州電子科技大學(xué)碩士學(xué)位論文數(shù)取對(duì)數(shù)之后在加 1 進(jìn)行設(shè)置，最后將隱含層設(shè)置為 33 個(gè)箱中的神經(jīng)網(wǎng)絡(luò)函數(shù)，設(shè)置網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練目標(biāo)為 0.0001，T=1層的傳輸函數(shù)采用 tansig 函數(shù)和 purekin 函數(shù)，利用 trainlm 作為為默認(rèn)值。將優(yōu)化前的 65 項(xiàng)特征屬性利用 GA 算法進(jìn)行約簡(jiǎn)計(jì)算，并將優(yōu)化 神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行學(xué)習(xí)，優(yōu)化后的特征屬性為 36 項(xiàng)，決策屬性調(diào)整為 1E-10，其他參數(shù)保持不變。GA 算法優(yōu)化后的神經(jīng)網(wǎng)絡(luò)結(jié)

為 胎兒健康 。圖 4.9 BP 模型分類結(jié)果圖 4.9 為 GABP 模型的分類結(jié)果，其中 O 表示實(shí)際醫(yī)院的檢測(cè)結(jié)果，*表示 GABP 算法的預(yù)測(cè)結(jié)果。其中 1 1 表示醫(yī)院和算法預(yù)測(cè)的結(jié)果相同，都表示胎兒正常。0 0 表示醫(yī)院和算法預(yù)測(cè)的結(jié)果也相同，但是胎兒為異常。1 0 和 0 1 表示醫(yī)院和算法預(yù)測(cè)的結(jié)果不同，則證明GABP 算法分類錯(cuò)誤。最終將胎兒健康預(yù)測(cè)模型的分類結(jié)果總結(jié)為以下四種情況，如表 4.4所示。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱習(xí)軍;陳亞楠;董國(guó)華;;Apriori改進(jìn)算法在哮喘病案數(shù)據(jù)挖掘中的應(yīng)用[J];徐州工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年03期

2 張會(huì)敏;葉明全;孟婷瑋;陳玥珠;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的老年癡呆癥智能診斷[J];中國(guó)數(shù)字醫(yī)學(xué);2014年07期

3 王春雨;王立準(zhǔn);魏瑜帥;;數(shù)據(jù)挖掘在結(jié)構(gòu)化電子病歷中的應(yīng)用[J];醫(yī)學(xué)信息學(xué)雜志;2014年03期

4 劉羿;陳寶鋼;;數(shù)據(jù)挖掘的應(yīng)用及優(yōu)化淺析[J];電子商務(wù);2014年03期

5 施俊華;葉保留;李朝品;;BP神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)數(shù)據(jù)挖掘[J];計(jì)算機(jī)與現(xiàn)代化;2013年03期

6 朱晨杰;楊永麗;;基于MapReduce的BP神經(jīng)網(wǎng)絡(luò)算法研究[J];微型電腦應(yīng)用;2012年10期

7 汪菊琴;;醫(yī)學(xué)數(shù)據(jù)挖掘綜述[J];電腦知識(shí)與技術(shù);2011年15期

8 馮鋒;徐琪;;基于神經(jīng)網(wǎng)絡(luò)模式的遺傳算法在CRM的數(shù)據(jù)挖掘優(yōu)化研究[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2010年06期

9 陳功;范曉薇;蔣萌;鄒建東;沈?qū)m建;姜險(xiǎn)峰;;數(shù)據(jù)挖掘與醫(yī)學(xué)數(shù)據(jù)資源開發(fā)利用[J];北京生物醫(yī)學(xué)工程;2010年03期

10 吳學(xué)工;李桂霞;;醫(yī)學(xué)數(shù)據(jù)挖掘及其隱私保護(hù)的研究[J];河北醫(yī)科大學(xué)學(xué)報(bào);2009年09期

相關(guān)碩士學(xué)位論文 前8條

1 董國(guó)華;基于數(shù)據(jù)挖掘的中醫(yī)診斷智能信息化技術(shù)研究[D];青島科技大學(xué);2015年

2 黃新安;胎兒心率檢測(cè)算法的研究[D];江南大學(xué);2015年

3 方洪鷹;數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的方法研究[D];西南大學(xué);2009年

4 王銀年;遺傳算法的研究與應(yīng)用[D];江南大學(xué);2009年

5 彭海強(qiáng);基于智能算法的醫(yī)學(xué)數(shù)據(jù)挖掘[D];北京交通大學(xué);2009年

6 李保洋;特征選擇在中醫(yī)數(shù)據(jù)挖掘中的應(yīng)用研究[D];北京交通大學(xué);2008年

7 王魯;基于遺傳算法的多目標(biāo)優(yōu)化算法研究[D];武漢理工大學(xué);2006年

8 蔣良孝;基于神經(jīng)網(wǎng)絡(luò)的醫(yī)療數(shù)據(jù)挖掘研究[D];中國(guó)地質(zhì)大學(xué);2004年

本文編號(hào)：2864850