目的:數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)中的應(yīng)用日益廣泛,但也面臨諸多問題,其中數(shù)據(jù)冗余及類不平衡分類問題是數(shù)據(jù)挖掘領(lǐng)域承待解決的問題。本研究基于健康體檢大數(shù)據(jù),以代謝綜合征智能甄別（分類）為切入點(diǎn),探討與分析Lasso特征選擇與重采樣技術(shù)在醫(yī)學(xué)領(lǐng)域數(shù)據(jù)冗余及類不平衡數(shù)據(jù)分類中的可行性與應(yīng)用價(jià)值。方法:數(shù)據(jù)來源于烏魯木齊市某體檢機(jī)構(gòu)2014²016年體檢者信息共69267例,以代謝綜合征為結(jié)果分類指標(biāo),諸多體檢指標(biāo)為預(yù)測分類指標(biāo),代謝綜合征與非代謝綜合征人群不平衡比例為1:24,以數(shù)據(jù)挖掘中常用的兩種分類方法（C4.5決策樹、BP神經(jīng)網(wǎng)絡(luò)）為智能分類方法,選用F-value、G-mean及AUC作為分類性能的評(píng)價(jià)指標(biāo),將Lasso特征選擇與三種重采樣技術(shù)（隨機(jī)過采樣、隨機(jī)欠采樣、混合采樣）應(yīng)用于體檢代謝綜合征分類研究中,通過對(duì)比分類性能的差異與分類結(jié)果的穩(wěn)定性,評(píng)價(jià)Lasso特征選擇與重采樣技術(shù)在醫(yī)學(xué)數(shù)據(jù)冗余及類不平衡數(shù)據(jù)分類中的應(yīng)用可行性。結(jié)果:（1）相比原始體檢數(shù)據(jù),運(yùn)用Lasso特征選擇有效降低體檢數(shù)據(jù)冗余并提高分類性能,體檢變量由53個(gè)縮減至5個(gè),分別是:葡萄糖測定、高密... 

【文章來源】：新疆醫(yī)科大學(xué)新疆維吾爾自治區(qū)

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖

斷共有2735例體檢者患有代謝綜合征，患病率為3.95%，數(shù)據(jù)集不平衡比例為24.33。1 Lasso 特征選擇在智能甄別中的應(yīng)用以體檢代謝綜合征分類為例，對(duì)體檢代謝綜合征數(shù)據(jù)采用 Lasso 特征選擇。采用表 1 中的體檢變量（身高、體重除外）及 BMI 作為 Lasso 特征選擇的自變量，以是否患有代謝綜合征作因變量，從體檢數(shù)據(jù)中篩選出與代謝綜合征強(qiáng)相關(guān)的體檢變量通過 C4.5 決策樹、BP 神經(jīng)網(wǎng)絡(luò)兩種流行的分類算法，智能甄別體檢中的代謝綜合征患者，探討是否運(yùn)用 Lasso 特征選擇對(duì)分類代謝綜合征性能的影響。Lasso 特征選擇后生成的數(shù)據(jù)特征序列見圖 2，圖中 X 軸表示壓縮系數(shù)的程度Y 軸表示回歸系數(shù)的值。從圖 2 可看出：各變量系數(shù)隨橫坐標(biāo)增大逐漸壓縮到 0，意味著該變量被模型剔除，從而達(dá)到特征選擇的目的。經(jīng) Lasso 特征選擇后，體檢變量由 53 個(gè)降至 5 個(gè)，特征選擇后的變量分別是：變量 52、變量 49、變量 6、變量 2、變量 53，對(duì)應(yīng)的體檢變量分別是：葡萄糖測定、高密度脂蛋白膽固醇、中心粒細(xì)胞百分比、年齡、血小板平均體積。研究結(jié)果表明：Lasso 特征選擇算法能從體檢數(shù)據(jù)眾多的冗余信息中提取與代謝綜合征強(qiáng)相關(guān)的體檢變量，從而達(dá)到特征降維的目的。

表 4 C4.5 決策樹和 BP 神經(jīng)網(wǎng)絡(luò)分類不同不平衡比例數(shù)據(jù)集Table 4 C4.5 decision tree and BPdecision tree classified datasets with different imbalanced ratio不平衡比例 患病率 F-value G-mean AUCC4.5 決策樹1 1/2 0.920 0.920 0.93610 1/11 0.970 0.879 0.92150 1/51 0.993 0.842 0.894100 1/101 0.997 0.840 0.892BP 神經(jīng)網(wǎng)絡(luò)1 1/2 0.966 0.966 0.98410 1/11 0.983 0.947 0.96050 1/51 0.994 0.871 0.875100 1/101 0.997 0.847 0.827

【參考文獻(xiàn)】：
期刊論文
[1]基于R和Hadoop的大規(guī)模數(shù)據(jù)主成分分析[J]. 毛志遠(yuǎn).  信息技術(shù)與信息化. 2017(12)
[2]基于醫(yī)療大數(shù)據(jù)的數(shù)據(jù)挖掘方法研究[J]. 周政尹.  經(jīng)貿(mào)實(shí)踐. 2017(23)
[3]基于數(shù)據(jù)挖掘方法分析中藥外用療法治療頸肩腰腿痛用藥規(guī)律[J]. 李佳莘,張耀巍,曹云,楊璐,楊皓月,廉安琪,宋丹,許海霞.  天津中醫(yī)藥. 2017(12)
[4]基于數(shù)據(jù)挖掘分析酪氨酸蛋白激酶受體TYRO3在膀胱癌中的表達(dá)及臨床意義[J]. 齊闖,趙虎,陳展,崔強(qiáng),郭君其,路君.  現(xiàn)代腫瘤醫(yī)學(xué). 2018(01)
[5]基于數(shù)據(jù)挖掘的中醫(yī)治療風(fēng)濕病組方規(guī)律分析[J]. 張林華,吳嘉瑞,姜迪.  中國醫(yī)藥導(dǎo)報(bào). 2017(33)
[6]基于數(shù)據(jù)挖掘的針灸治療血管性癡呆的選穴規(guī)律分析[J]. 詹秀菊,劉麗蓉,劉秀峰.  廣州中醫(yī)藥大學(xué)學(xué)報(bào). 2017(06)
[7]基于數(shù)據(jù)挖掘的治療支氣管哮喘中成藥分析[J]. 徐麗麗,李敬華,朱玲,田野,于琦,于彤,孫曉峰,李澤庚.  中成藥. 2017(11)
[8]數(shù)據(jù)挖掘算法對(duì)乳腺腫瘤超聲圖像特征的優(yōu)化及良惡性分類研究[J]. 孫梅,嚴(yán)傳波,張雨,畢雪華.  科技通報(bào). 2017(10)
[9]基于數(shù)據(jù)挖掘的曹玲仙治療多囊卵巢綜合征用藥規(guī)律研究[J]. 章浩偉,王子楠,劉穎,孫洋洋.  北京生物醫(yī)學(xué)工程. 2017(05)
[10]數(shù)據(jù)挖掘在護(hù)理領(lǐng)域中的應(yīng)用進(jìn)展[J]. 王振容,蔣曉蓮.  中華護(hù)理雜志. 2017(10)

博士論文
[1]基于半監(jiān)督和集成學(xué)習(xí)的不平衡數(shù)據(jù)特征選擇和分類[D]. 房曉南.山東師范大學(xué) 2016
[2]計(jì)算機(jī)輔助醫(yī)學(xué)影像診斷中的關(guān)鍵學(xué)習(xí)技術(shù)研究[D]. 沈曄.浙江大學(xué) 2014

碩士論文
[1]Cox模型及變系數(shù)Cox模型中的變量選擇問題研究[D]. 劉丹.暨南大學(xué) 2016
[2]智能穿戴設(shè)備數(shù)據(jù)分析技術(shù)的研究與應(yīng)用[D]. 戴海濤.北方工業(yè)大學(xué) 2016
[3]綜合過采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究[D]. 閆欣.東北電力大學(xué) 2016
[4]數(shù)據(jù)挖掘中類不平衡數(shù)據(jù)集分類模型研究[D]. 劉凱.遼寧科技大學(xué) 2014
[5]紅細(xì)胞參數(shù)與代謝綜合征及其組分的關(guān)聯(lián)性研究[D]. 吳碩.山東大學(xué) 2014
[6]基于混合采樣的非平衡數(shù)據(jù)集分類研究[D]. 歐陽源遊.重慶大學(xué) 2014
[7]等距特征映射算法的改進(jìn)及其應(yīng)用[D]. 劉愛萍.常州大學(xué) 2011



本文編號(hào)：3497017