隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,醫(yī)療信息化與智能化成為一個主流發(fā)展趨勢。電子病歷（EMR）作為醫(yī)療信息的重要載體,解決了傳統(tǒng)紙質(zhì)病歷書寫混亂、不易于傳輸和保存的問題,成為重要的臨床數(shù)據(jù)資源。目前各大醫(yī)院都積累了大量的電子病歷數(shù)據(jù),如何利用數(shù)據(jù)挖掘技術(shù)對相關(guān)醫(yī)療病歷數(shù)據(jù)進行分析處理,發(fā)掘病歷數(shù)據(jù)中的潛在價值具有重要的研究意義。本文以心腦血管病歷為研究對象,針對現(xiàn)有的電子病歷挖掘研究中存在的病歷數(shù)據(jù)利用不充分、風險因子考慮較少、預測結(jié)果單一等問題,提出了兩個新的疾病預測模型,并在理論上取得了一定的進展。本文的主要研究內(nèi)容和成果如下:（1）提出了基于SVM的多視角分類預測模型。通過對電子病歷分析可知,病歷中不僅存在結(jié)構(gòu)化的病歷數(shù)據(jù),同時也存在文本數(shù)據(jù)特征,這些文本數(shù)據(jù)特征也是影響疾病預測的重要因素。為了更好的利用兩方面數(shù)據(jù),本文采用多視角分類方法進行疾病預測。此外,為了減少病歷數(shù)據(jù)中冗余和弱相關(guān)特征對預測模型的影響,對現(xiàn)有的多視角分類模型進行改進,將特征選擇和預測分類統(tǒng)一到一個學習范式中,提出了具有特征選擇的多視角支持向量機分類模型（MSVMCFS）。實驗采用檢查檢驗數(shù)據(jù)特征和文本數(shù)據(jù)特征作為兩個... 

【文章來源】：鄭州大學河南省 211工程院校

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

多視角數(shù)據(jù)示意圖

基于SVM的多視角分類預測模型研究28比較模型之間的性能，表中每行的最佳結(jié)果以粗體顯示，表中的最后一行列出所有數(shù)據(jù)集上每個方法的平均準確率的結(jié)果。圖3.1各個算法在30個數(shù)據(jù)集上的分類準確率圖3.2各個算法在30個數(shù)據(jù)集上的準確率提升程度

基于SVM的多視角分類預測模型研究28比較模型之間的性能，表中每行的最佳結(jié)果以粗體顯示，表中的最后一行列出所有數(shù)據(jù)集上每個方法的平均準確率的結(jié)果。圖3.1各個算法在30個數(shù)據(jù)集上的分類準確率圖3.2各個算法在30個數(shù)據(jù)集上的準確率提升程度

【參考文獻】：
期刊論文
[1]基于自適應(yīng)PSO的改進K-means算法及其在電子病歷聚類分析應(yīng)用[J]. 沐燕舟,丁衛(wèi)平,高峰,余利國,張瓊.  計算機與數(shù)字工程. 2019(08)
[2]《中國心血管病報告2018》要點介紹[J]. 馬麗媛,吳亞哲,陳偉偉.  中華高血壓雜志. 2019(08)
[3]基于間隔遷移的多視角支持向量機[J]. 唐靜靜,田英杰.  運籌學學報. 2018(03)
[4]基于關(guān)聯(lián)規(guī)則的電子病歷數(shù)據(jù)挖掘應(yīng)用研究[J]. 李照東,吳建林.  江蘇科技信息. 2018(08)
[5]基于電子病歷數(shù)據(jù)挖掘的疾病危重度動態(tài)預測研究[J]. 李季,丁鳳一,李翔宇.  信息資源管理學報. 2017(04)
[6]基于文本挖掘技術(shù)發(fā)現(xiàn)鼻炎治療規(guī)律[J]. 李艷紅,楊婭藝,周亞兵.  中華醫(yī)學圖書情報雜志. 2017(10)
[7]基于兩步聚類算法的高血壓電子病歷數(shù)據(jù)挖掘研究[J]. 楊美潔.  醫(yī)學信息學雜志. 2016(12)
[8]慢病管理模式的國內(nèi)外現(xiàn)狀分析[J]. 田華,李沭,張相林.  中國藥房. 2016(32)
[9]三種數(shù)據(jù)挖掘算法在電子病歷知識發(fā)現(xiàn)中的比較[J]. 牟冬梅,任珂.  現(xiàn)代圖書情報技術(shù). 2016(06)
[10]基于無監(jiān)督數(shù)據(jù)挖掘中藥內(nèi)服治療頸性眩暈的組方用藥規(guī)律分析[J]. 丁心香,王愛國,鄭昆侖,信金黨,胡馨宇,谷福順.  中國中藥雜志. 2016(05)

碩士論文
[1]基于機器學習的心血管疾病預測系統(tǒng)研究[D]. 鄭曉燕.北京交通大學 2018
[2]基于深度學習的心腦血管疾病預測方法研究[D]. 馬宗帥.西安建筑科技大學 2015
[3]基于關(guān)聯(lián)規(guī)則的電子病歷挖掘的應(yīng)用研究[D]. 曾勇.華南理工大學 2012



本文編號：3319235