心臟病是各種心臟疾病的統(tǒng)稱,具體包括風(fēng)濕性心臟病、先天性心臟病、高血壓性心臟病、冠心病、心肌炎等。作為一種高死亡率的疾病,心臟病已成為人類死亡的首要因素,給患病者家庭帶來了巨大的經(jīng)濟(jì)負(fù)擔(dān)和生活災(zāi)難。在醫(yī)療領(lǐng)域,如果能夠?qū)π呐K病進(jìn)行早期確診,并由此開展早期干預(yù),可以使患者盡早采取有效治療手段,避免心臟病的突發(fā)造成災(zāi)難性的后果。因此,針對(duì)性地開展患者生理參數(shù)監(jiān)測(cè),有效開展心臟病的診斷研究,對(duì)心臟病的早期干預(yù)和治療具有很大的應(yīng)用價(jià)值。本文圍繞著疾病診斷領(lǐng)域中的心臟病診斷展開研究,通過借助對(duì)患者多生理參數(shù)的監(jiān)測(cè),結(jié)合先進(jìn)的數(shù)據(jù)分析和人工智能方法,建立了基于人群搜索-支持向量機(jī)（SOA-SVM）的心臟病多生理參數(shù)診斷模型,從而有效地對(duì)患者的心臟狀態(tài)進(jìn)行診斷,增強(qiáng)醫(yī)學(xué)領(lǐng)域心臟疾病診斷的準(zhǔn)確性。主要內(nèi)容包括以下方面:一、心臟病多生理監(jiān)測(cè)參數(shù)的選取與處理。圍繞著心臟病的機(jī)理和發(fā)展現(xiàn)狀展開分析,進(jìn)而明確了論文的分析對(duì)象。指出了醫(yī)學(xué)數(shù)據(jù)的特點(diǎn),并針對(duì)本文研究,論述了數(shù)據(jù)選取的基本來源和預(yù)處理方法。二、基于人群搜索SOA的支持向量機(jī)模型參數(shù)優(yōu)化方法研究。在基于支持向量機(jī)分類模型的應(yīng)用過程中,最重要的環(huán)節(jié)就是... 

【文章來源】：河北工業(yè)大學(xué)天津市 211工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 論文研究背景
    1.2 醫(yī)療診斷系統(tǒng)研究現(xiàn)狀
    1.3 心臟病診斷技術(shù)研究現(xiàn)狀
        1.3.1 心電自動(dòng)分析診斷技術(shù)
        1.3.2 多生理參數(shù)診斷技術(shù)
        1.3.3 典型心臟病診斷方法綜述
    1.4 當(dāng)前研究存在的問題
    1.5 本文思路與研究?jī)?nèi)容
        1.5.1 研究思路
        1.5.2 研究?jī)?nèi)容
    1.6 本文結(jié)構(gòu)
第二章 心臟病診斷模型相關(guān)理論
    2.1 支持向量機(jī)
        2.1.1 支持向量機(jī)線性分類原理
        2.1.2 核函數(shù)選取
    2.2 人群搜索智能優(yōu)化方法
        2.2.1 最優(yōu)化問題
        2.2.2 典型優(yōu)化算法分析
        2.2.3 人群搜索優(yōu)化算法
    2.3 本章小結(jié)
第三章 心臟病多生理參數(shù)監(jiān)測(cè)數(shù)據(jù)選擇與處理
    3.1 心臟病簡(jiǎn)介
    3.2 醫(yī)學(xué)數(shù)據(jù)特征
    3.3 心臟病多生理監(jiān)測(cè)數(shù)據(jù)選擇
    3.4 數(shù)據(jù)預(yù)處理
    3.5 本章小結(jié)
第四章 基于人群搜索的支持向量機(jī)模型參數(shù)優(yōu)化
    4.1 人群搜索算法SOA性能分析
        4.1.1 Sphere函數(shù)仿真分析
        4.1.2 Schaffer函數(shù)仿真分析
        4.1.3 Rastrigin函數(shù)仿真分析
    4.2 基于SOA的SVM模型參數(shù)優(yōu)化方法
    4.3 實(shí)例分析
        4.3.1 參數(shù)選取
        4.3.2 SVM模型參數(shù)優(yōu)化效果分析
    4.4 本章小結(jié)
第五章 基于人群搜索-支持向量機(jī)的心臟病多生理參數(shù)診斷
    5.1 基于人群搜索-支持向量機(jī)（SOA-SVM）的心臟病診斷方法
    5.2 Cleveland心臟病數(shù)據(jù)集分析
        5.2.1 訓(xùn)練與測(cè)試樣本劃分
        5.2.2 基于SOA的SVM模型參數(shù)尋優(yōu)
        5.2.3 基于SOA-SVM的心臟病診斷
    5.3 實(shí)際醫(yī)院監(jiān)測(cè)數(shù)據(jù)分析
    5.4 本章小結(jié)
第六章 SOA-SVM應(yīng)用效果分析
    6.1 核函數(shù)選取效果分析
    6.2 樣本劃分因子影響分析
    6.3 模型性能對(duì)比分析
    6.4 本章小結(jié)
第七章 結(jié)論
    7.1 全文總結(jié)
    7.2 下一步工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]遺傳算法在最優(yōu)化問題中的應(yīng)用研究[J]. 張青鳳.  山西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)
[2]遺傳算法和粒子群優(yōu)化算法的性能對(duì)比分析[J]. 張?chǎng)卧?胡曉敏,林盈.  計(jì)算機(jī)科學(xué)與探索. 2014(01)
[3]心血管病已成為我國(guó)重要的公共衛(wèi)生問題——《中國(guó)心血管病報(bào)告2011》概要[J]. 王文,朱曼璐,王擁軍,吳兆蘇,高潤(rùn)霖,孔靈芝,胡盛壽,代表中國(guó)心血管病報(bào)告編寫組.  中國(guó)循環(huán)雜志. 2012(06)
[4]基于云計(jì)算的遠(yuǎn)程醫(yī)療輔助診斷咨詢系統(tǒng)[J]. 陸陽(yáng),張書旭,袁克虹.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2012(12)
[5]基于雙種群遺傳算法的公交線路發(fā)車間隔優(yōu)化[J]. 姚錦寶,姚寶珍,尹智宏,于濱.  深圳大學(xué)學(xué)報(bào)(理工版). 2012(06)
[6]遠(yuǎn)程醫(yī)療發(fā)展現(xiàn)狀綜述[J]. 牟嵐,金新政.  衛(wèi)生軟科學(xué). 2012(06)
[7]探討120例急性心血管患者的臨床治療觀察[J]. 劉乃瑞.  中國(guó)醫(yī)學(xué)工程. 2012(05)
[8]粒子群算法的物流配送路徑優(yōu)化研究[J]. 王華東,李巍.  計(jì)算機(jī)仿真. 2012(05)
[9]疾病輔助診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 仇雷,丁晨曦.  中國(guó)數(shù)字醫(yī)學(xué). 2012 (05)
[10]基于稀疏分解和神經(jīng)網(wǎng)絡(luò)的心電信號(hào)波形檢測(cè)及識(shí)別[J]. 劉金江,王春光,孫即祥.  信號(hào)處理. 2011(06)

博士論文
[1]粒子群優(yōu)化算法及其應(yīng)用研究[D]. 田野.吉林大學(xué) 2010
[2]亞健康自評(píng)量表的編制與大學(xué)生亞健康中醫(yī)體質(zhì)研究[D]. 陳晶.南方醫(yī)科大學(xué) 2009
[3]支持向量機(jī)算法的研究及其應(yīng)用[D]. 范昕煒.浙江大學(xué) 2003

碩士論文
[1]基于人工智能的醫(yī)療診斷系統(tǒng)研究與設(shè)計(jì)[D]. 滕文龍.吉林大學(xué) 2013
[2]SVM在冠心病分類預(yù)測(cè)中的應(yīng)用研究[D]. 朱悅.華南理工大學(xué) 2013
[3]貝葉斯分類方法及其在冠心病診療中的應(yīng)用研究[D]. 鄭熠煜.大連海事大學(xué) 2013
[4]基于BP神經(jīng)網(wǎng)絡(luò)的心臟病預(yù)測(cè)研究與實(shí)現(xiàn)[D]. 龐顯濤.吉林大學(xué) 2012
[5]基于共享信息的新型輔助醫(yī)療智能診斷系統(tǒng)[D]. 劉劍鋒.吉林大學(xué) 2012
[6]基于人工神經(jīng)網(wǎng)絡(luò)的腎小球?yàn)V過率估算研究[D]. 李寧山.華南理工大學(xué) 2012
[7]基于FPGA的心電信號(hào)自動(dòng)診斷技術(shù)研究[D]. 張巖.河北工業(yè)大學(xué) 2011
[8]CBR-RBR融合推理模型構(gòu)建及其在醫(yī)療中的應(yīng)用[D]. 謝濤.天津大學(xué) 2010
[9]支持向量機(jī)方法在智能醫(yī)療診斷系統(tǒng)中的應(yīng)用與研究[D]. 何凱.浙江大學(xué) 2007
[10]基于粒子群優(yōu)化算法的研究[D]. 張利彪.吉林大學(xué) 2004



本文編號(hào)：3281225