基于卷積神經(jīng)網(wǎng)絡(luò)的糖尿病病情預(yù)測研究
發(fā)布時間:2021-04-02 01:46
糖尿病是一種常見的慢性非傳染病,該種疾病主要表現(xiàn)是患者體內(nèi)由于代謝紊亂而長期存在高血糖水平。該種疾病不易治愈,患者體內(nèi)長期存在的高血糖值給患者的腎臟,心腦血管,神經(jīng)系統(tǒng)等部位帶來嚴重的危害,會引發(fā)諸多并發(fā)癥,給患者的身心健康帶來極大的傷害。然而,由于人口老齡化和人們不良的生活習(xí)慣,糖尿病的發(fā)病率依然高居不下,更呈現(xiàn)上升態(tài)勢?梢,糖尿病的預(yù)防和治療已成為亟待解決的醫(yī)療健康問題。隨著醫(yī)療信息化的發(fā)展,各個醫(yī)療機構(gòu)在病人的診療過程中也積累了海量的患者醫(yī)療電子數(shù)據(jù)。充分利用大量醫(yī)療數(shù)據(jù),從中挖掘有價值的治療規(guī)律,將規(guī)律用于輔助醫(yī)生診療,可以緩解部分地區(qū)醫(yī)療資源緊張的問題;還有助于醫(yī)師根據(jù)患者的病情發(fā)展及時調(diào)整治療方案,提高治療效率。機器學(xué)習(xí)作為一門多領(lǐng)域交叉學(xué)科,近些年得到了很大的發(fā)展。深度學(xué)習(xí)作為機器學(xué)習(xí)的分支,由于其強大的特征提取能力,可以發(fā)掘數(shù)據(jù)更深層次的特征,因此被廣泛地應(yīng)用于人臉識別,語音識別等諸多實際應(yīng)用領(lǐng)域。將深度學(xué)習(xí)的強大信息挖掘功能應(yīng)用于醫(yī)療數(shù)據(jù)挖掘,發(fā)掘數(shù)據(jù)之間潛在的有價值信息將會極具實際意義和社會價值。本文基于經(jīng)過數(shù)據(jù)分析和特征處理后的糖尿病病人的入院病歷記錄,利用改進...
【文章來源】:西南大學(xué)重慶市 211工程院校 教育部直屬院校
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【部分圖文】:
特征選擇過程
孤立森林算法可以通過子采樣控制每棵孤立樹的數(shù)據(jù)量;每棵孤用來識別特定的子樣本的特點,來解決在離群數(shù)據(jù)檢測中遇到的 Swampking 對模型效果的影響,從而在面對數(shù)據(jù)量較大,數(shù)據(jù)維度較高的數(shù)據(jù)有良好的檢測效果。積神經(jīng)網(wǎng)絡(luò)積神經(jīng)網(wǎng)絡(luò)是具有卷積計算和深層結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò),是深度學(xué)習(xí)的法之一[29,30]。CNN 的設(shè)計是遵循了生物處理圖像的方式。卷積神經(jīng)網(wǎng)絡(luò)追溯至日本研究者福島邦彥(Kunihiko Fukushima)提出的 neocognition模型是最早被提出的深度學(xué)習(xí)算法之一。2006 年后,隨著深度學(xué)習(xí)理論其是逐層學(xué)習(xí)和參數(shù)微調(diào)(fine-tuning)技術(shù)的出現(xiàn)[28]卷積神經(jīng)網(wǎng)絡(luò)得的發(fā)展。
圖 2.4 神經(jīng)網(wǎng)絡(luò)神經(jīng)元計算示意圖計算,可以得到一個線性關(guān)系,得到的輸出結(jié)結(jié)果,如公式 2-11 所示:3,b1(x) f(W x) f( )TW i ii W x b 絡(luò)通過對感知機的擴展,加入了隱藏層,增加經(jīng)元的個數(shù)來拓展模型的分類能力;此外也同的激活函數(shù)來增強神經(jīng)網(wǎng)絡(luò)的表達能力。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)的不同之處在于卷積神經(jīng)構(gòu)成的特征抽取器。,卷積神經(jīng)網(wǎng)絡(luò)由輸入層,卷積層,全連接要用于訓(xùn)練的數(shù)據(jù)集,可以是多種類型的數(shù)據(jù)層是卷積神經(jīng)網(wǎng)絡(luò)的核心結(jié)構(gòu),其作用是將輸征,并將卷積后的結(jié)果輸入到下層。卷積過程
【參考文獻】:
期刊論文
[1]石油工人代謝綜合征的三種風(fēng)險預(yù)測模型比較[J]. 王潔,楊永忠,鄭子薇,陳圓煜,王嬌嬌,陳哲,李超,李晶,秦盛,王國立,武建輝. 現(xiàn)代預(yù)防醫(yī)學(xué). 2021(04)
本文編號:3114354
【文章來源】:西南大學(xué)重慶市 211工程院校 教育部直屬院校
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【部分圖文】:
特征選擇過程
孤立森林算法可以通過子采樣控制每棵孤立樹的數(shù)據(jù)量;每棵孤用來識別特定的子樣本的特點,來解決在離群數(shù)據(jù)檢測中遇到的 Swampking 對模型效果的影響,從而在面對數(shù)據(jù)量較大,數(shù)據(jù)維度較高的數(shù)據(jù)有良好的檢測效果。積神經(jīng)網(wǎng)絡(luò)積神經(jīng)網(wǎng)絡(luò)是具有卷積計算和深層結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò),是深度學(xué)習(xí)的法之一[29,30]。CNN 的設(shè)計是遵循了生物處理圖像的方式。卷積神經(jīng)網(wǎng)絡(luò)追溯至日本研究者福島邦彥(Kunihiko Fukushima)提出的 neocognition模型是最早被提出的深度學(xué)習(xí)算法之一。2006 年后,隨著深度學(xué)習(xí)理論其是逐層學(xué)習(xí)和參數(shù)微調(diào)(fine-tuning)技術(shù)的出現(xiàn)[28]卷積神經(jīng)網(wǎng)絡(luò)得的發(fā)展。
圖 2.4 神經(jīng)網(wǎng)絡(luò)神經(jīng)元計算示意圖計算,可以得到一個線性關(guān)系,得到的輸出結(jié)結(jié)果,如公式 2-11 所示:3,b1(x) f(W x) f( )TW i ii W x b 絡(luò)通過對感知機的擴展,加入了隱藏層,增加經(jīng)元的個數(shù)來拓展模型的分類能力;此外也同的激活函數(shù)來增強神經(jīng)網(wǎng)絡(luò)的表達能力。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)的不同之處在于卷積神經(jīng)構(gòu)成的特征抽取器。,卷積神經(jīng)網(wǎng)絡(luò)由輸入層,卷積層,全連接要用于訓(xùn)練的數(shù)據(jù)集,可以是多種類型的數(shù)據(jù)層是卷積神經(jīng)網(wǎng)絡(luò)的核心結(jié)構(gòu),其作用是將輸征,并將卷積后的結(jié)果輸入到下層。卷積過程
【參考文獻】:
期刊論文
[1]石油工人代謝綜合征的三種風(fēng)險預(yù)測模型比較[J]. 王潔,楊永忠,鄭子薇,陳圓煜,王嬌嬌,陳哲,李超,李晶,秦盛,王國立,武建輝. 現(xiàn)代預(yù)防醫(yī)學(xué). 2021(04)
本文編號:3114354
本文鏈接:http://sikaile.net/yixuelunwen/nfm/3114354.html
最近更新
教材專著