【摘要】：阿爾茨海默癥沒有明顯特異性的生物學標志。在臨床上,阿茲海默癥的檢查手段主要是有一些神經(jīng)心理學測驗,以及通過磁共振手段的影像學檢查。因此為了對病人進行準確的診斷,一般來說醫(yī)院要采集很多項檢查數(shù)據(jù)。為了管理這些數(shù)據(jù),本文通過計算機技術來建立一個病人信息管理系統(tǒng)來管理這些繁雜的數(shù)據(jù)。隨著機器學習算法的成熟和廣泛應用,本文通過相關的算法來建立一個輔助診斷的分類模型,來幫助醫(yī)生在一些數(shù)據(jù)復雜的情況下進行病情診斷,提供參考。本文首先結合調(diào)研其他研究人員實現(xiàn)的醫(yī)學信息系統(tǒng),對需要數(shù)據(jù)管理系統(tǒng)的不同人員進行了需求分析,根據(jù)需求分析進行系統(tǒng)設計和分析,完善系統(tǒng)的結構,并搭建開發(fā)系統(tǒng)的環(huán)境。然后進行阿茲海默癥輔助診斷系統(tǒng)的編程實現(xiàn)工作,具體設計了數(shù)據(jù)庫系統(tǒng)的各個表字段,完善了系統(tǒng)的各個功能模塊,實現(xiàn)了用戶信息管理、病人基礎信息查詢管理、磁共振圖像查詢、多條件篩查和病人數(shù)據(jù)上傳的功能。并在系統(tǒng)開發(fā)階段考慮了系統(tǒng)的安全性問題,進行了具體的解決。最后以ADNI數(shù)據(jù)庫的原始數(shù)據(jù)作為訓練集,設計了阿茲海默癥分類算法和實現(xiàn)了輔助診斷模型,并且設計了三個作為對照的阿茲海默癥分類器模型。先對下載到的數(shù)據(jù)進行整理,并且對原始數(shù)據(jù)進行了數(shù)據(jù)清洗,彌補了原始數(shù)據(jù)缺項以及重復等問題。通過樸素貝葉斯、多層感知機神經(jīng)網(wǎng)絡、使用高斯核函數(shù)的支持向量機,這三種方法建立了對照的分類器,并通過10折交叉驗證法計算了對應的準確率。通過主成分分析對原始訓練集進行了降維處理,再通過以CART決策樹為基礎分類器的Adaboosting算法,建立了PCA-Adaboosting阿茲海默癥輔助診斷分類器。
【圖文】：

第二章 數(shù)據(jù)庫系統(tǒng)需求分析與系統(tǒng)設計用戶能通過瀏覽器進行瀏覽和檢索數(shù)據(jù)庫中存儲的大量阿茲海默癥病人信息及相知量表數(shù)據(jù)，磁共振圖像數(shù)據(jù)并能夠上傳和下載認知量表，，磁共振圖像，以及查類器得到的數(shù)據(jù)分析分類結果。本文的工作為磁共振技術和量表測量對認知下降基礎，對遠程醫(yī)學資料共享和遠程診斷具有實用價值。具體的 B/S/S 結構示意圖如

圖 2-4 Python 文件編譯過程2.4.2 Django 框架介紹Django 是一個開放源代碼的 Web 應用框架，它基于 Python 語言寫成[21]。它采用了 MVC 的框架模式，其中 M 代表模型，V 代表視圖和 C 代表控制器，具體關系由圖 2-5 所示。
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP311.13;R749.16

【參考文獻】

相關期刊論文 前10條

1 郭圣文;池敏越;岑桂英;匡翠立;牛傳筱;賴春任;吳效明;The Alzheimer's Disease Neuroimaging Initiative (ADNI);;MR影像體素形態(tài)學的阿爾茨海默病自動分類方法[J];東南大學學報(自然科學版);2015年02期

2 祝國浩;;基于HIS系統(tǒng)疾病知識庫集成的接口設計[J];中華醫(yī)學圖書情報雜志;2015年01期

3 呂鋒;李翔;杜文霞;;基于MultiBoost的集成支持向量機分類方法及其應用[J];控制與決策;2015年01期

4 程波;鐘靜;熊江;;多模態(tài)集成阿爾茨海默病和輕度認知障礙分類[J];集成技術;2013年06期

5 羅萬春;;阿爾茨海默病和輕度認知損傷診斷的建模分析[J];第三軍醫(yī)大學學報;2013年15期

6 董博;張志s

本文編號：2618259