【摘要】：隨著醫(yī)療信息化和可穿戴設(shè)備的快速發(fā)展,越來越多的健康數(shù)據(jù)可以從電子病歷或可穿戴設(shè)備中獲取。在醫(yī)療領(lǐng)域中,許多醫(yī)療健康數(shù)據(jù)是以時(shí)間序列的形式存在的,比如慢性疾病相關(guān)的血糖、血壓、血脂的持續(xù)監(jiān)測(cè)數(shù)據(jù),智能可穿戴設(shè)備連續(xù)監(jiān)測(cè)的心跳、脈搏和體位變化的數(shù)據(jù)等。在實(shí)際構(gòu)建時(shí)間序列健康數(shù)據(jù)預(yù)測(cè)模型的研究過程中,主要存在兩類問題,其一是針對(duì)連續(xù)的時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)測(cè),預(yù)測(cè)的結(jié)果該時(shí)間序列數(shù)據(jù)未來某時(shí)點(diǎn)的數(shù)據(jù),稱之為連續(xù)時(shí)間序列數(shù)據(jù)預(yù)測(cè)問題。另一類問題則是利用時(shí)序數(shù)據(jù)以及相關(guān)的截面數(shù)據(jù)預(yù)測(cè)將來特定時(shí)點(diǎn)的相關(guān)數(shù)據(jù),稱之為時(shí)間序列特征引導(dǎo)的預(yù)測(cè)問題。本文針對(duì)以上兩類問題展開深入研究,主要工作如下:(1)針對(duì)時(shí)間序列特征引導(dǎo)的預(yù)測(cè)問題,本文提出了一種基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)的時(shí)間序列特征引導(dǎo)的預(yù)測(cè)模型(TS-DNN)。該模型將時(shí)間序列數(shù)據(jù)和相關(guān)的截面數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的兩類輸入,通過深度學(xué)習(xí)自動(dòng)學(xué)習(xí)時(shí)間序列數(shù)據(jù)的潛在趨勢(shì),校正模型的預(yù)測(cè)結(jié)果,提升模型的預(yù)測(cè)精度。(2)針對(duì)連續(xù)時(shí)序數(shù)據(jù)預(yù)測(cè)問題,本文構(gòu)建了ARIMA-SVM的混合模型,將ARIMA(差分自回歸滑動(dòng)平均模型)與SVM(支持向量機(jī))兩種模型的優(yōu)勢(shì)相結(jié)合,提高連續(xù)時(shí)間序列數(shù)據(jù)預(yù)測(cè)的精確度�；旌夏Ｐ褪紫壤媒�(jīng)典的時(shí)序預(yù)測(cè)模型ARIMA模型對(duì)時(shí)序數(shù)據(jù)中的線性部分進(jìn)行建模,對(duì)于ARIMA模型的預(yù)測(cè)殘差通過SVM進(jìn)行預(yù)測(cè),將兩部分的結(jié)果相加得到最終的預(yù)測(cè)結(jié)果,從而完成連續(xù)時(shí)間序列數(shù)據(jù)的預(yù)測(cè)。(3)本文將上述兩種模型分別應(yīng)用在新生兒體重預(yù)測(cè)和連續(xù)血壓預(yù)測(cè)的場(chǎng)景中,在新生兒體重預(yù)測(cè)問題中,將孕婦的體重時(shí)序數(shù)據(jù)以及孕婦和胎兒的相關(guān)生理參數(shù)作為模型的輸入,與傳統(tǒng)的公式預(yù)測(cè)法和利用單次時(shí)點(diǎn)的截面數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比,TS-DNN模型精度更高,并提高了模型預(yù)測(cè)結(jié)果的穩(wěn)定性;在連續(xù)血壓預(yù)測(cè)的問題中,利用混合模型,將ARIMA和SVM模型的各自的優(yōu)勢(shì)充分利用,實(shí)驗(yàn)結(jié)果表明,混合模型可以更加精確的捕獲連續(xù)血壓時(shí)間序列數(shù)據(jù)中的潛在變化趨勢(shì),提升了血壓預(yù)測(cè)的精度,為未來的風(fēng)險(xiǎn)預(yù)警提供了技術(shù)支持。
【圖文】：

1 緒論1.1 研究背景與意義2016 年 6 月 17 日，由《中國(guó)衛(wèi)生信息管理雜志》社主辦的“醫(yī)療健康大數(shù)據(jù)——方法 應(yīng)用 發(fā)展”高端研討會(huì)在成都召開。會(huì)議的主旨是社會(huì)各機(jī)構(gòu)應(yīng)大力推廣醫(yī)療信息化，促使優(yōu)質(zhì)資源快速流動(dòng)、推進(jìn)健康化養(yǎng)老進(jìn)程，并且會(huì)議還指出云計(jì)算、機(jī)器學(xué)習(xí)等新技術(shù)可以為我國(guó)醫(yī)療健康信息化提供極大幫助，信息化技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用已經(jīng)成為推動(dòng)醫(yī)療服務(wù)創(chuàng)新發(fā)展的核心驅(qū)動(dòng)力[1]。同時(shí)，全國(guó)各地醫(yī)院為了順應(yīng)當(dāng)前醫(yī)療創(chuàng)新的發(fā)展趨勢(shì)，各類醫(yī)療信息系統(tǒng)開始為醫(yī)院日常的工作提供極其便利的服務(wù)(如圖 1.1)，并且大大增加了醫(yī)院收集和存儲(chǔ)數(shù)據(jù)的能力。信息化技術(shù)在醫(yī)療記錄中的廣泛使用，使得醫(yī)院存儲(chǔ)數(shù)據(jù)的能力大大增加，，醫(yī)療健康數(shù)據(jù)每時(shí)每刻都在快速增長(zhǎng)，這些真實(shí)可靠的醫(yī)療健康數(shù)據(jù)，可以為以后的醫(yī)療健康數(shù)據(jù)挖掘打下堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。

圖 2.2 SVM示意圖展而來的支持向量回歸(SVR)，其具有良好估計(jì)、時(shí)間序列預(yù)測(cè)問題等[14][15]。SVR 的高維度的特征空間，在此基礎(chǔ)上進(jìn)行線性回入向量， yi表示第 i 個(gè)輸入向量的預(yù)測(cè)值， 的目標(biāo)是從一組函數(shù)空間中找到最優(yōu)函數(shù)：( )Tf x = w X+b則化風(fēng)險(xiǎn)函數(shù) 2.5最小化估計(jì)的權(quán)向量，b2i 11+ ( , ( ))2ni iC L y f=w X
【學(xué)位授予單位】：杭州師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R-05;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 于海姝;蔡吉花;夏紅;;ARIMA模型在股票價(jià)格預(yù)測(cè)中的應(yīng)用[J];經(jīng)濟(jì)師;2015年11期

2 馬亮亮;;基于PCA-ARIMA模型的高血壓發(fā)病率預(yù)測(cè)[J];河北北方學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年02期

3 汪德琴;李衛(wèi)東;周玲;趙林輝;;超聲測(cè)量胎兒腹圍預(yù)測(cè)新生兒出生體重的研究[J];中國(guó)醫(yī)學(xué)工程;2013年03期

4 吳信東;葉明全;胡東輝;吳共慶;胡學(xué)鋼;王浩;;普適醫(yī)療信息管理與服務(wù)的關(guān)鍵技術(shù)與挑戰(zhàn)[J];計(jì)算機(jī)學(xué)報(bào);2012年05期

5 蔣曉敏;呂曉燕;宗亞玲;穆仲平;;B超測(cè)量胎兒徑線預(yù)測(cè)新生兒體重的臨床研究[J];中國(guó)婦幼健康研究;2011年03期

6 劉致君;李桂榮;郭興巧;;預(yù)測(cè)胎兒體重新方法與傳統(tǒng)方法的比較[J];中國(guó)婦幼保健;2008年24期

7 楊啟文,蔣靜坪,張國(guó)宏;遺傳算法優(yōu)化速度的改進(jìn)[J];軟件學(xué)報(bào);2001年02期

8 錢向東,張家明,張滬森;多元逐步回歸分析法預(yù)測(cè)新生兒體重[J];蘇州醫(yī)學(xué)院學(xué)報(bào);1990年02期

相關(guān)博士學(xué)位論文 前1條

1 許建強(qiáng);山東省衛(wèi)生總費(fèi)用分析與預(yù)測(cè)研究[D];山東大學(xué);2016年

本文編號(hào)：2680679