目前我國利用機(jī)器學(xué)習(xí)技術(shù)解決的腎病輔助診斷多為基于中醫(yī)證型的中醫(yī)腎病輔助診斷,而以西醫(yī)血生化、尿常規(guī)等化驗(yàn)項(xiàng)目為基礎(chǔ)的西醫(yī)腎病輔助診斷研究案例較少;并且中醫(yī)證型的腎病診斷結(jié)果多為是否患有該腎病,對機(jī)器學(xué)習(xí)在多種常見腎病如腎衰竭、腎結(jié)石等腎臟疾病的明確診斷方面鮮有研究。本文將機(jī)器學(xué)習(xí)分類算法與醫(yī)療信息技術(shù)相結(jié)合,以常見的西醫(yī)腎病化驗(yàn)數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù),利用K近鄰、決策樹、隨機(jī)森林這3種分類算法建立腎病分類模型對6種常見腎病進(jìn)行診斷。針對3種模型診斷性能的不足,本文提出利用二分類解決6種常見腎病多分類問題的方案,并利用隨機(jī)森林算法進(jìn)行了實(shí)驗(yàn),得到新模型的腎病診斷準(zhǔn)確率為87.7%的較好結(jié)果。本文的研究內(nèi)容及研究重點(diǎn)如下:（1）通過介紹機(jī)器學(xué)習(xí)在醫(yī)療應(yīng)用的工作流程解釋了本文實(shí)驗(yàn)的流程。利用機(jī)器學(xué)習(xí)在醫(yī)療領(lǐng)域的功能分類引出本文實(shí)驗(yàn)利用分類算法解決常見腎病診斷的思想。根據(jù)機(jī)器學(xué)習(xí)常用分類技術(shù)的理論,提出了本文實(shí)驗(yàn)的建模方案。（2）介紹了實(shí)驗(yàn)數(shù)據(jù)的來源、數(shù)據(jù)特性。針對數(shù)據(jù)集的不規(guī)范、冗余、缺失等問題對數(shù)據(jù)進(jìn)行了預(yù)處理;利用k近鄰、決策樹、隨機(jī)森林這3種分類算法分別建立6種腎病多分類模型,實(shí)驗(yàn)得出隨機(jī)森... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文研究方案

器學(xué)習(xí)在醫(yī)療領(lǐng)域和醫(yī)療輔助診斷的相關(guān)斷中的技術(shù)方法應(yīng)用于腎病輔助診斷中，驗(yàn)是否可行。醫(yī)療應(yīng)用中理論基礎(chǔ)是用醫(yī)院設(shè)備檢查身體健康狀況，例如 CT化檢驗(yàn)等。醫(yī)療輔助檢查得到的結(jié)果會存助診斷就是通過分析存放在數(shù)據(jù)庫中的醫(yī)診斷評估[33]，從而達(dá)到輔助醫(yī)生判斷患者用于醫(yī)療的工作流程在醫(yī)療領(lǐng)域的流程主要有問題理解、醫(yī)療學(xué)習(xí)算法選擇、模型訓(xùn)練、模型保存、模

圖 2-2 K 近鄰算法解釋圖Fig.2-2 Interpretation Graph of KNN示，藍(lán)色方塊和紅色三角是兩個已知類別，用來代代表病人患腎衰竭，藍(lán)色代表不患腎衰竭，而綠色斷該病人是否患腎衰竭。如果 K=3（即實(shí)線圓包含近樣本中有兩個紅色三角和一個藍(lán)色方塊，紅色三綠色圓屬于紅色三角這一類，病人患腎衰竭。若），根據(jù) KNN 的思想容易看出綠色圓屬于藍(lán)色方見，K 值的選擇對分類起到了至關(guān)重要的作用。就是近鄰（樣本間距離），近鄰用距離度量，常用等[44]。K 近鄰中樣本的屬性個數(shù)即特征維數(shù)，圖 2 2 個，若樣本屬性個數(shù)是多個，可以映射到多維空流程圖如下圖 2-3 所示：

【參考文獻(xiàn)】：
期刊論文
[1]腹膜透析聯(lián)合血液透析治療終末期腎病的臨床效果[J]. 王江,陳幫明,劉干炎.  臨床合理用藥雜志. 2019(18)
[2]尿常規(guī)檢驗(yàn)與生化檢驗(yàn)在糖尿病診斷中的應(yīng)用[J]. 周開慧,牟文密.  臨床檢驗(yàn)雜志(電子版). 2019(02)
[3]機(jī)器學(xué)習(xí)算法在中醫(yī)診療中的研究綜述[J]. 張曉航,石清磊,王斌,王炳蔚,王永吉,陳力,吳敬征.  計(jì)算機(jī)科學(xué). 2018(S2)
[4]人工神經(jīng)網(wǎng)絡(luò)在肺癌風(fēng)險(xiǎn)預(yù)測中的研究與應(yīng)用[J]. 陳國旺,蔣進(jìn),李帆,王大龍.  計(jì)算機(jī)時代. 2018(11)
[5]決策樹模型在Ⅱ型糖尿病診斷中的應(yīng)用[J]. 關(guān)紅鈞,馬爾麗.  沈陽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[6]數(shù)據(jù)預(yù)處理技術(shù)和機(jī)器學(xué)習(xí)方法在質(zhì)子轉(zhuǎn)移反應(yīng)質(zhì)譜中的應(yīng)用[J]. 孫運(yùn),陳一冰,褚美娟,蔣學(xué)慧,汪曣,郭冰清.  質(zhì)譜學(xué)報(bào). 2018(05)
[7]數(shù)據(jù)挖掘在健康醫(yī)療領(lǐng)域中的應(yīng)用研究綜述[J]. 王若佳,魏思儀,趙怡然,王繼民.  圖書情報(bào)知識. 2018(05)
[8]機(jī)器學(xué)習(xí)和logistic回歸模型預(yù)測嚴(yán)重?zé)齻颊甙l(fā)生急性腎損傷的比較分析[J]. 湯陳琪,李駿強(qiáng),徐達(dá)圓,劉曉彬,侯文佳,呂開陽,肖仕初,夏照帆.  中華燒傷雜志. 2018 (06)
[9]IgA腎病的中西醫(yī)治療進(jìn)展[J]. 王騫.  現(xiàn)代中西醫(yī)結(jié)合雜志. 2018(08)
[10]大數(shù)據(jù)下數(shù)據(jù)預(yù)處理方法研究[J]. 孔欽,葉長青,孫赟.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(05)

博士論文
[1]基于數(shù)據(jù)挖掘的慢性腎炎腎陽虛證候診斷標(biāo)準(zhǔn)研究[D]. 陳為.成都中醫(yī)藥大學(xué) 2011

碩士論文
[1]黃疸類疾病輔助診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 郭文敏.浙江工業(yè)大學(xué) 2017
[2]基于隨機(jī)森林的肝硬化上消化道出血風(fēng)險(xiǎn)預(yù)測[D]. 李金.山西醫(yī)科大學(xué) 2017
[3]數(shù)據(jù)挖掘分類算法的研究和應(yīng)用[D]. 樂明明.電子科技大學(xué) 2017
[4]慢性腎臟病中醫(yī)診療的藥理輔助決策系統(tǒng)的研究[D]. 于亞運(yùn).電子科技大學(xué) 2017
[5]基于數(shù)據(jù)挖掘的王耀獻(xiàn)教授辨治IgA腎病臨床經(jīng)驗(yàn)研究[D]. 孫紫薇.北京中醫(yī)藥大學(xué) 2016
[6]基于粗糙集的決策樹分類方法研究[D]. 尹哲.大連海事大學(xué) 2016
[7]終末期腎臟病患者自我感受負(fù)擔(dān)及影響因素分析[D]. 解修花.山東大學(xué) 2015
[8]基于決策樹的檔案文本自動分類算法研究[D]. 黃世反.云南大學(xué) 2015
[9]隨機(jī)森林在文本分類中的應(yīng)用[D]. 賀捷.華南理工大學(xué) 2015
[10]基于隨機(jī)森林的神經(jīng)肽剪切位點(diǎn)預(yù)測方法研究[D]. 陳實(shí).華中科技大學(xué) 2015



本文編號：3146984