由于糖尿病在世界范圍內患病人數(shù)眾多,對人造成的危害極大,近年來死亡率急劇上升。同時可怕的是會引發(fā)多種嚴重的并發(fā)癥,比如高血壓、腸胃疾病、糖尿病眼病、血管病變等等。當下還沒有有效的治療方案可以治療糖尿病。因此,盡早發(fā)現(xiàn)是否患有糖尿病是降低糖尿病死亡率的關鍵。而近年來,隨著深度學習在圖片識別、自然語言理解、自動問答、機器翻譯、情感分析以及股價預測等領域大放異彩,研究人員開始將深度學習應用于醫(yī)療診斷領域。糖尿病作為常見的非傳染性疾病之一,深度學習應用于糖尿病預測上的研究更值得關注。目前學者們在研究糖尿病的預測課題時,一般會采用傳統(tǒng)的機器學習方法。本文鑒于目前糖尿病預測的研究現(xiàn)狀和深度學習的發(fā)展趨勢,嘗試利用開源深度學習平臺—TensorFlow來搭建糖尿病預測模型,對糖尿病預測進行研究,主要工作有以下四個方面:1)深入研究了數(shù)據(jù)預處理的相關理論,對來自UCI的皮馬印第安人糖尿病數(shù)據(jù)集進行數(shù)據(jù)的預處理,重點討論了運用平均值替換缺失值的方法和利用信息增益算法（IG）進行特征選擇來完成對糖尿病數(shù)據(jù)集的預處理工作。2)研究了基于K鄰近算法（KNN）和漸進梯度回歸樹算法（GBDT）在糖尿病預測研究中的... 

【文章來源】：浙江理工大學浙江省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

感知機模型

圖 2.6 感知機模型入和輸出之間學習到一個線性關系，得到的中間輸出結果，如公式 2-（18） = 2-著是一個神經(jīng)元激活函數(shù)，如公式 2-（19）所示。 ( ) = < ≥ 2-而得到想要的輸出結果 1 或者-1。個模型只能用于二元分類，且無法學習比較復雜的非線性模型，因此在工業(yè)而神經(jīng)網(wǎng)絡在感知機的模型上做了擴展，總結主要有三點：加入了隱藏層，隱藏層可以有多層，增強模型的表達能力，如圖 2.7 所示，么多隱藏層模型的復雜度也增加了好多。

圖 2.8 多個輸入多個輸出的神經(jīng)網(wǎng)絡圖做擴展，感知機的激活函數(shù)是§ ￠( ) ，雖然簡單使用的其他的激活函數(shù)，比如在邏輯回歸里面使。 ( ) = T ￠ 、S￡ ¨ 和 R LU等。通過使用不同的激活知機的擴展，而 DNN 可以理解為有很多隱藏層的，DNN內部的神經(jīng)網(wǎng)絡層可以分為三類：輸入層，

【參考文獻】：
期刊論文
[1]深度學習技術在疾病診斷中的應用[J]. 王威,李郁,張文娟,田野,騫愛榮.  第二軍醫(yī)大學學報. 2018(08)
[2]基于深度學習的糖尿病患者的分類識別[J]. 劉飛,張俊然,楊豪.  計算機應用. 2018(S1)
[3]基于深度學習的電力骨干通信網(wǎng)故障診斷研究[J]. 張書林,劉軍,閆龍川,王穎,張寧,劉識,唐佳,宋桂林.  軟件. 2018(03)
[4]多媒體技術研究:2015——類腦計算的研究進展與發(fā)展趨勢[J]. 黃鐵軍,施路平,唐華錦,潘綱,陳云霽,于俊清.  中國圖象圖形學報. 2016(11)
[5]2型糖尿病周圍神經(jīng)病變機制研究進展[J]. 楊秀穎,張莉,陳熙,杜冠華.  中國藥理學通報. 2016(05)
[6]中國糖尿病的流行病學現(xiàn)狀及展望[J]. 廖涌.  重慶醫(yī)科大學學報. 2015(07)
[7]糖尿病相關心理痛苦的研究進展[J]. 陳玉鳳,楊圣楠,樓青青.  中華護理雜志. 2015(03)
[8]數(shù)據(jù)挖掘技術在2型糖尿病風險評估模型中的應用[J]. 李劍,吳清鋒,李舒梅.  贛南醫(yī)學院學報. 2014(06)
[9]中國人群糖尿病疾病負擔的系統(tǒng)評價[J]. 周海龍,楊曉妍,潘曉平,盧文學,劉祥,周歡.  中國循證醫(yī)學雜志. 2014(12)
[10]決策樹模型在住院2型糖尿病患者死因預測中的應用[J]. 馬瑾,孫穎,劉尚輝.  中國衛(wèi)生統(tǒng)計. 2013(03)

碩士論文
[1]基于深度學習的糖尿病輔助診斷及管理策略研究[D]. 劉陽.哈爾濱商業(yè)大學 2018
[2]中醫(yī)藥改善2型糖尿病胰島功能的臨床病例回顧性研究[D]. 劉彥汶.北京中醫(yī)藥大學 2018
[3]基于數(shù)據(jù)挖掘的銷售預警模型分析與研究[D]. 黃嘉發(fā).浙江理工大學 2018
[4]基于機器學習的肺癌患者預后模型的研究[D]. 宋一鳴.哈爾濱工程大學 2017
[5]基于機器學習算法的糖尿病預測模型研究[D]. 洪燁.哈爾濱工業(yè)大學 2016



本文編號：3213161