基于小波分析和C-SVC的Ⅰ型與Ⅱ型糖尿病分類(lèi)的研究
發(fā)布時(shí)間:2024-03-24 23:00
糖尿病是一種嚴(yán)重危害人類(lèi)身體健康的慢性、非傳染疾病,可分為四類(lèi):Ⅰ型、Ⅱ型、特異性和妊娠糖尿病。目前糖尿病的分類(lèi)主要是醫(yī)生根據(jù)患者的臨床表現(xiàn)、醫(yī)學(xué)檢查結(jié)果并結(jié)合自己的經(jīng)驗(yàn)進(jìn)行診斷。I型和Ⅱ型糖尿病臨床上有時(shí)會(huì)難以準(zhǔn)確判別,本文的主要工作是通過(guò)動(dòng)態(tài)血糖監(jiān)測(cè)儀(Continuous Glucose Monitoring System,CGMS)采集患者隨時(shí)間變化的血糖濃度值序列,利用人工智能的方法對(duì)患者進(jìn)行分類(lèi),為醫(yī)生臨床診斷提供支撐。針對(duì)Ⅰ型、Ⅱ型糖尿病,在河南省人民醫(yī)院內(nèi)分泌科利用CGMS采集了1200位患者血糖數(shù)據(jù),用小波分析提取了血糖曲線信號(hào)特征,并利用支持向量機(jī)中二分類(lèi)C-SVC(Support Vector Machine,SVM)模型,構(gòu)建Ⅰ型、Ⅱ型糖尿病分類(lèi)算法,建立了Ⅰ型、Ⅱ型糖尿病分型的新指標(biāo)。本文的主要工作包括:(1)對(duì)采集的血糖數(shù)據(jù)進(jìn)行了預(yù)處理,并進(jìn)行了多尺度、不同小波的分析。分別選用Harr、dbN、symN、coifN和dmey等24個(gè)不同小波分別進(jìn)行了2-5層分解,把各分解層小波系數(shù)的最大值、最小值、中位值、方差、平均值及小波的平均能量等作為特征值。(2)提出...
【文章頁(yè)數(shù)】:67 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 糖尿病及分類(lèi)算法的研究現(xiàn)狀
1.2.1 糖尿病分類(lèi)的研究現(xiàn)狀
1.2.2 特征提取和分類(lèi)算法的研究現(xiàn)狀
1.3 本文的主要工作內(nèi)容
1.4 本文整體結(jié)構(gòu)
2 相關(guān)技術(shù)
2.1 常用的血糖監(jiān)測(cè)和診斷技術(shù)
2.2 特征提取
2.2.1 醫(yī)學(xué)信號(hào)的處理與分析
2.2.2 特征提取的作用和方法
2.3 小波分析
2.3.1 小波分析理論
2.3.2 小波函數(shù)的主要性質(zhì)
2.4 分類(lèi)算法
2.4.1 常用的分類(lèi)算法
2.4.2 SVM模型與C-SVC模型
2.5 本章小結(jié)
3 基于小波和C-SVC的糖尿病分類(lèi)算法
3.1 血糖數(shù)據(jù)的缺失值與異常值的處理
3.2 血糖曲線信號(hào)的閾值選擇
3.3 小波的選擇
3.4 血糖曲線信號(hào)特征指標(biāo)的提取
3.5 C-SVC糖尿病分類(lèi)模型的設(shè)計(jì)
3.5.1 特征歸一化
3.5.2 糖尿病分類(lèi)的模型
3.5.3 糖尿病分類(lèi)模型中參數(shù)的選擇
3.5.3.1 核函數(shù)的研究
3.5.3.2 懲罰參數(shù)和核參數(shù)的研究
3.6 本章小結(jié)
4 實(shí)驗(yàn)及結(jié)果分析
4.1 醫(yī)學(xué)數(shù)據(jù)的采集
4.2 結(jié)果分析
4.2.1 血糖特征提取結(jié)果
4.2.2 血糖特征歸一化處理
4.2.3 不同參數(shù)對(duì)C-SVC分類(lèi)模型的影響
4.2.3.1 不同特征組的結(jié)果分析
4.2.3.2 不同核函數(shù)的結(jié)果分析
4.2.3.3 不同參數(shù)的結(jié)果分析
4.2.3.4 分類(lèi)新指標(biāo)的提出
4.3 與AdaBoost糖尿病分類(lèi)模型結(jié)果的對(duì)比
4.3.1 精確率和馬修斯相關(guān)系數(shù)
4.3.2 綜合評(píng)價(jià)指標(biāo)
4.4 本章小節(jié)
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在校期間的學(xué)術(shù)成果
致謝
本文編號(hào):3938152
【文章頁(yè)數(shù)】:67 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 糖尿病及分類(lèi)算法的研究現(xiàn)狀
1.2.1 糖尿病分類(lèi)的研究現(xiàn)狀
1.2.2 特征提取和分類(lèi)算法的研究現(xiàn)狀
1.3 本文的主要工作內(nèi)容
1.4 本文整體結(jié)構(gòu)
2 相關(guān)技術(shù)
2.1 常用的血糖監(jiān)測(cè)和診斷技術(shù)
2.2 特征提取
2.2.1 醫(yī)學(xué)信號(hào)的處理與分析
2.2.2 特征提取的作用和方法
2.3 小波分析
2.3.1 小波分析理論
2.3.2 小波函數(shù)的主要性質(zhì)
2.4 分類(lèi)算法
2.4.1 常用的分類(lèi)算法
2.4.2 SVM模型與C-SVC模型
2.5 本章小結(jié)
3 基于小波和C-SVC的糖尿病分類(lèi)算法
3.1 血糖數(shù)據(jù)的缺失值與異常值的處理
3.2 血糖曲線信號(hào)的閾值選擇
3.3 小波的選擇
3.4 血糖曲線信號(hào)特征指標(biāo)的提取
3.5 C-SVC糖尿病分類(lèi)模型的設(shè)計(jì)
3.5.1 特征歸一化
3.5.2 糖尿病分類(lèi)的模型
3.5.3 糖尿病分類(lèi)模型中參數(shù)的選擇
3.5.3.1 核函數(shù)的研究
3.5.3.2 懲罰參數(shù)和核參數(shù)的研究
3.6 本章小結(jié)
4 實(shí)驗(yàn)及結(jié)果分析
4.1 醫(yī)學(xué)數(shù)據(jù)的采集
4.2 結(jié)果分析
4.2.1 血糖特征提取結(jié)果
4.2.2 血糖特征歸一化處理
4.2.3 不同參數(shù)對(duì)C-SVC分類(lèi)模型的影響
4.2.3.1 不同特征組的結(jié)果分析
4.2.3.2 不同核函數(shù)的結(jié)果分析
4.2.3.3 不同參數(shù)的結(jié)果分析
4.2.3.4 分類(lèi)新指標(biāo)的提出
4.3 與AdaBoost糖尿病分類(lèi)模型結(jié)果的對(duì)比
4.3.1 精確率和馬修斯相關(guān)系數(shù)
4.3.2 綜合評(píng)價(jià)指標(biāo)
4.4 本章小節(jié)
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在校期間的學(xué)術(shù)成果
致謝
本文編號(hào):3938152
本文鏈接:http://sikaile.net/yixuelunwen/nfm/3938152.html
最近更新
教材專著