本文關(guān)鍵詞：基于概率SVM的腫瘤預(yù)警系統(tǒng)的設(shè)計與實現(xiàn)

  更多相關(guān)文章： SVM 后驗概率估計 特征選擇 腫瘤預(yù)警

【摘要】：據(jù)世界衛(wèi)生組織（World Health Organization，WHO）腫瘤研究中心的全球監(jiān)測數(shù)據(jù)表明，如果按照現(xiàn)在的趨勢任其發(fā)展，20年后全球新增腫瘤病例將達(dá)到2600萬，，1700萬人將因患有腫瘤而死亡，而其中的大部分悲劇將在中低收入的發(fā)展中國家上演。盡管對腫瘤的確切病因還尚未定論，但是不良的生活習(xí)慣對細(xì)胞基因變異誘發(fā)的腫瘤有影響。如果能記錄腫瘤患者的生活細(xì)節(jié)，再以統(tǒng)計數(shù)據(jù)為基礎(chǔ)構(gòu)造數(shù)學(xué)模型，進(jìn)而預(yù)測隨機(jī)人群的患病概率。針對患病概率的大小，警示患病概率高的人群，要提早改善生活習(xí)慣來預(yù)防腫瘤，這在探求預(yù)防腫瘤的新方向上具有很重要的現(xiàn)實意義。 SVM作為一種借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問題的工具，主要應(yīng)用于統(tǒng)計分類問題與回歸分析問題中。同時，SVM的應(yīng)用領(lǐng)域也是十分廣泛的。在醫(yī)學(xué)領(lǐng)域，SVM經(jīng)常用作診斷腫瘤的輔助手段，比如可利用SVM對乳腺腫瘤X光圖像進(jìn)行分類。在診斷腫瘤時，多數(shù)情況下依據(jù)的是臨床數(shù)據(jù)和組織病理學(xué)數(shù)據(jù)，但是臨床數(shù)據(jù)和組織病理學(xué)數(shù)據(jù)往往比較復(fù)雜，這大大影響了診斷腫瘤的效率和準(zhǔn)確率。為此，Austin H Chen等人更是以SVM為主要方法，設(shè)計實現(xiàn)了一套以生物統(tǒng)計學(xué)中的基因數(shù)據(jù)為基礎(chǔ)，利用臨床特征和基因微陣列表達(dá)數(shù)據(jù)對腫瘤進(jìn)行分類的腫瘤預(yù)測系統(tǒng)BCPP來輔助醫(yī)生對腫瘤進(jìn)行診斷預(yù)測。這樣一套完整的計算機(jī)系統(tǒng)不僅可以輔助處理數(shù)據(jù)，提高數(shù)據(jù)處理效率，更主要的是可以減少人為操作的失誤，進(jìn)而有助于診斷腫瘤的準(zhǔn)確性。本文綜合考慮實際情況并以BCPP系統(tǒng)為借鑒，通過選用概率SVM，并引入特征向量的選擇和數(shù)據(jù)處理調(diào)整功能，以生活習(xí)慣等因素為切入點(diǎn)，設(shè)計并實現(xiàn)腫瘤預(yù)警系統(tǒng)。 在設(shè)計實現(xiàn)腫瘤預(yù)警系統(tǒng)時，本文先進(jìn)行功能需求分析，進(jìn)而得出系統(tǒng)的邏輯框架，最后設(shè)計與實現(xiàn)系統(tǒng)的訓(xùn)練模塊、預(yù)測模塊、調(diào)整模塊，以及特征選擇功能。在論文的實驗部分，本文先對實驗數(shù)據(jù)進(jìn)行整理，然后通過初步實驗，一方面驗證了腫瘤預(yù)警系統(tǒng)基本功能的可用性，另一方面驗證了SVM的分類原理等數(shù)學(xué)原理在腫瘤預(yù)警領(lǐng)域的適用性，也就是說，利用腫瘤患者的吸煙，飲食與遺傳等情況的統(tǒng)計數(shù)據(jù)，可以預(yù)測病人是否患有腫瘤。雖然與BCPP所使用的數(shù)據(jù)不同，但本系統(tǒng)引入了數(shù)據(jù)調(diào)整模塊，在預(yù)測功能上加入后驗概率估計，并且加入了特征選擇模塊，與BCPP相比，在預(yù)測的準(zhǔn)確性上同樣取得了良好的結(jié)果。經(jīng)過特征選擇后，雖然預(yù)測的準(zhǔn)確率有所下降，但是考慮到其大大降低了計算量，在實際應(yīng)用中，特征選擇依然可作為可選功能使用。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：R73;TP311.52

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 安欣;王韜;張錄達(dá);;一種基于SVM分類的多類識別方法及應(yīng)用[J];北京農(nóng)學(xué)院學(xué)報;2006年02期

2 劉陽陽;申鉉京;王一棋;李翔;張維杰;;基于ARM的智能監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2011年02期

3 馮德坤;機(jī)器人動力學(xué)Lagrange方程計算的內(nèi)積法[J];北京鋼鐵學(xué)院學(xué)報;1986年03期

4 王娟娟;任秋實;;基于SMO的不同懲罰系數(shù)的SVM算法[J];信息技術(shù);2006年10期

5 奉國和;;SVM分類核函數(shù)及參數(shù)選擇比較[J];計算機(jī)工程與應(yīng)用;2011年03期

6 王彬;孫蕾;;基于支持向量機(jī)的腫瘤形狀特征分類[J];計算機(jī)工程;2007年17期

7 張莉,周偉達(dá),焦李成;核聚類算法[J];計算機(jī)學(xué)報;2002年06期

8 謝娟英;王春霞;蔣帥;張琰;;基于改進(jìn)的F-score與支持向量機(jī)的特征選擇方法[J];計算機(jī)應(yīng)用;2010年04期

9 夏國恩;;基于簡易支持向量機(jī)的客戶流失預(yù)測研究[J];計算機(jī)應(yīng)用研究;2010年03期

10 王玉,楊秀珍;一個無約束最優(yōu)化問題的計算機(jī)解法[J];寧夏大學(xué)學(xué)報(自然科學(xué)版);1990年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉廣利;基于支持向量機(jī)的經(jīng)濟(jì)預(yù)警方法研究[D];中國農(nóng)業(yè)大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 孔波;基于邊界向量樣本的支持向量分類機(jī)[D];華中科技大學(xué);2006年

2 蔡魁杰;基于支持向量機(jī)的漢語語音端點(diǎn)檢測和聲韻分離[D];哈爾濱工程大學(xué);2007年

3 竇智宙;利用支持向量機(jī)對癌細(xì)胞識別的研究[D];內(nèi)蒙古師范大學(xué);2008年

4 王靜;SVM在參數(shù)選擇上的優(yōu)化[D];蘭州理工大學(xué);2008年

本文編號：1288873