發(fā)布時(shí)間：2020-05-23 20:49

【摘要】：中國(guó)是一個(gè)慢性肝炎高發(fā)的國(guó)家,慢性肝炎患者的數(shù)目多達(dá)數(shù)千萬(wàn)。這其中約有十分之一到三分之一的肝炎患者會(huì)發(fā)展成為肝硬化,而肝纖維化則正是肝炎轉(zhuǎn)化為肝硬化的必經(jīng)病理過(guò)程。如果醫(yī)生能對(duì)肝纖維化病人及時(shí)做出診斷,并對(duì)病人進(jìn)行相應(yīng)的抗纖維化治療,那么醫(yī)生在很大程度上就可以減緩或終止病人的肝炎先從肝纖維化發(fā)展成為肝硬化,最后發(fā)展成為肝癌的這一過(guò)程。目前臨床上肝纖維化檢查和等級(jí)分期的金標(biāo)準(zhǔn)是肝穿刺活檢,它不僅有很大的創(chuàng)傷性,還有存在抽樣誤差、引發(fā)并發(fā)癥的風(fēng)險(xiǎn)。因此,對(duì)肝纖維化無(wú)創(chuàng)診斷方法的研究具有重大的現(xiàn)實(shí)意義。肝纖維化無(wú)創(chuàng)診斷方法主要分為血清學(xué)診斷和影像學(xué)診斷方法。血清學(xué)診斷是利用患者的醫(yī)學(xué)指標(biāo)(如透明質(zhì)酸、層粘連蛋白等)來(lái)反映肝纖維化嚴(yán)重程度,影像學(xué)診斷則是利用超聲技術(shù)來(lái)對(duì)肝臟的硬度進(jìn)行測(cè)量。本文在血清學(xué)診斷方法的基礎(chǔ)上結(jié)合了影像學(xué)診斷方法,共保留了24個(gè)特征(23個(gè)醫(yī)學(xué)指標(biāo)和1個(gè)影像學(xué)指標(biāo))。此外,本文還基于性別和年齡構(gòu)造了新的特征,進(jìn)一步地挖掘病人數(shù)據(jù)內(nèi)的信息�，F(xiàn)有的文獻(xiàn)大多是在省市、國(guó)家以及洲際層面下研究較為通用的肝纖維化無(wú)創(chuàng)診斷模型,或是僅針對(duì)單家醫(yī)院的數(shù)據(jù)建模。少有論文將研究目光投向跨醫(yī)院的肝纖維化無(wú)創(chuàng)診斷模型,而這正是本文的研究重點(diǎn)。本文的研究情景是某新設(shè)立的醫(yī)院有一些待診斷的肝纖維化病患,該醫(yī)院需要利用其他醫(yī)院帶診斷結(jié)果的病患數(shù)據(jù)來(lái)建立適用于本醫(yī)院的分類模型。也就是說(shuō)需要用一家醫(yī)院帶標(biāo)簽的數(shù)據(jù)來(lái)預(yù)測(cè)另一家醫(yī)院新病人的肝纖維化等級(jí)。然而來(lái)自不同醫(yī)院的病人數(shù)據(jù)間的分布并不相同,無(wú)法滿足傳統(tǒng)機(jī)器學(xué)習(xí)問(wèn)題中獨(dú)立同分布的假定。對(duì)此,本文引入了遷移學(xué)習(xí)來(lái)通過(guò)特征映射達(dá)到減小(映射后的)數(shù)據(jù)分布差異的目的。本文在第3章中使用遷移成分分析方法(TCA)來(lái)減小兩家醫(yī)院病人數(shù)據(jù)的邊緣分布之間的距離,在第4章中使用聯(lián)合分布適配方法(JDA)來(lái)同時(shí)減小兩家醫(yī)院病人數(shù)據(jù)的邊緣分布和條件分布之間的距離。然后,將這兩家醫(yī)院映射后的數(shù)據(jù)分別用于訓(xùn)練和預(yù)測(cè)肝纖維化等級(jí)分類模型。本文還將基于遷移學(xué)習(xí)的肝纖維化無(wú)創(chuàng)診斷模型的效果與基于傳統(tǒng)機(jī)器學(xué)習(xí)的模型的效果進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,基于遷移學(xué)習(xí)的診斷模型的分類效果要優(yōu)于基于傳統(tǒng)機(jī)器學(xué)習(xí)的模型的效果。
【圖文】：

根節(jié)點(diǎn)和每個(gè)內(nèi)部節(jié)點(diǎn)則為判斷節(jié)點(diǎn)，不同的判斷結(jié)果指向相應(yīng)的內(nèi)部節(jié)點(diǎn)或葉節(jié)點(diǎn)。以圖2.1 為例，將一個(gè)二維測(cè)試數(shù)據(jù)輸入左圖中的決策樹模型。從根節(jié)點(diǎn)（最上面的菱形框）開(kāi)始，根據(jù)節(jié)點(diǎn)的判斷信息，將該測(cè)試數(shù)據(jù)對(duì)應(yīng)的維度（屬性/特征）與給定閾值相比較，就能得到相應(yīng)的判斷結(jié)果，從而進(jìn)入下一內(nèi)部節(jié)點(diǎn)（或葉節(jié)點(diǎn)）。重復(fù)以上步驟，直到測(cè)試數(shù)據(jù)進(jìn)入某葉節(jié)點(diǎn)（圖 2.1 左側(cè)中的方框），，則該葉節(jié)點(diǎn)對(duì)應(yīng)的決策結(jié)果即為該測(cè)試數(shù)據(jù)的預(yù)測(cè)結(jié)果。決策樹的學(xué)習(xí)目的是構(gòu)造一棵泛化性能良好（對(duì)測(cè)試數(shù)據(jù)的預(yù)測(cè)效果優(yōu)異）的決策樹。因此，判斷節(jié)點(diǎn)的形成至關(guān)重要，即構(gòu)造決策樹的關(guān)鍵在于選擇樣本數(shù)據(jù)中的哪個(gè)特征作為“分而治之”的決策維度以及如何確定該特征劃分?jǐn)?shù)據(jù)（集）

的樣本集為空，不能再繼續(xù)進(jìn)行劃分[30]。如果是上述第一種情況，則當(dāng)前節(jié)即為葉節(jié)點(diǎn)，這些樣本所對(duì)應(yīng)的類別即為該葉節(jié)點(diǎn)對(duì)應(yīng)的類別；如果是第二種況，則把當(dāng)前節(jié)點(diǎn)標(biāo)記為葉節(jié)點(diǎn)，當(dāng)前節(jié)點(diǎn)包含的樣本中數(shù)量最大的類別即為葉節(jié)點(diǎn)對(duì)應(yīng)的類別；如果是第三種情況，則把當(dāng)前節(jié)點(diǎn)標(biāo)記為葉節(jié)點(diǎn)，其上一點(diǎn)包含的樣本中數(shù)量最大的類別即為該葉節(jié)點(diǎn)對(duì)應(yīng)的類別。2.1.2 支持向量機(jī)（SVM）支持向量機(jī)（Support Vector Machine，簡(jiǎn)稱 SVM）最早由 Cortes 等人[31995 年正式發(fā)表，是一種應(yīng)用非常廣泛的監(jiān)督學(xué)習(xí)算法。以二維樣本數(shù)據(jù)集例，如圖 2.2 所示。要將這兩類數(shù)據(jù)進(jìn)行分類，比較直觀的方法是找到一條位正類樣本和反類樣本之間的直線從而將數(shù)據(jù)集分開(kāi)。將二維樣本空間推廣到高空間，設(shè)有數(shù)據(jù)集 { }1 1 2 2( , ),( , ), ,( , )m mD = x y x y x y，其中 { 1, 1}iy ∈ + 。則數(shù)據(jù)的分類問(wèn)題轉(zhuǎn)向了在樣本空間中尋找一個(gè)合適的超平面（在二維樣本空間中為線），從而能很好地將樣本數(shù)據(jù)劃分開(kāi)。但是能劃分?jǐn)?shù)據(jù)集的超平面可能會(huì)有多（如圖 2.2 所示），于是尋找劃分效果最好、泛化性能最好的超平面成為了要問(wèn)題。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R575.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 張莎莎;呂文良;張旭;陳蘭羽;楊廣棟;徐晨光;李川;李娟梅;;肝纖維化的治療研究進(jìn)展[J];浙江中醫(yī)藥大學(xué)學(xué)報(bào);2012年04期

2 梁健;唐艷芳;鄧鑫;吳發(fā)勝;劉紅丹;;肝纖維化無(wú)創(chuàng)性診斷研究進(jìn)展[J];實(shí)用中醫(yī)藥雜志;2011年11期

3 陳偉雄;;血清肝纖四項(xiàng)檢測(cè)在肝纖維化治療中的臨床價(jià)值[J];河北醫(yī)學(xué);2007年03期

本文編號(hào)：2677932