隨著信息技術(shù)的興起及其在醫(yī)療行業(yè)的廣泛應(yīng)用,醫(yī)療數(shù)據(jù)的數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng),且存在異構(gòu)高維等特點(diǎn),這使得通過傳統(tǒng)醫(yī)療數(shù)據(jù)可視化方法獲取有效診療信息以探尋特定疾病的潛在規(guī)律,往往存在效率低下等問題,甚至難以進(jìn)行。將機(jī)器學(xué)習(xí)方法融入醫(yī)療數(shù)據(jù)的分析處理,不僅能降低醫(yī)療數(shù)據(jù)的高維問題,也便于從中提取用于分析的主特征信息,可有效降低計(jì)算量,縮短時(shí)間復(fù)雜度,提高醫(yī)療數(shù)據(jù)分析的準(zhǔn)確性。為此,本文將機(jī)器學(xué)習(xí)方法應(yīng)用于醫(yī)療數(shù)據(jù)的可視化分析,提出了T-SNE-DBSCAN算法,用于醫(yī)療數(shù)據(jù)的相似度分析,構(gòu)建了相應(yīng)的可視化分析平臺(tái)。針對(duì)醫(yī)療數(shù)據(jù)的高維問題,論文首先將機(jī)器學(xué)習(xí)方法用于醫(yī)療數(shù)據(jù)的特征值重要性測(cè)度分析。以MIMIC-III醫(yī)療數(shù)據(jù)庫中的肺部腫瘤檢測(cè)數(shù)據(jù)為基礎(chǔ),通過預(yù)處理,應(yīng)用KNN算法、支持向量機(jī)算法和隨機(jī)森林算法等典型機(jī)器學(xué)習(xí)方法,對(duì)該數(shù)據(jù)進(jìn)行分類訓(xùn)練,從敏感性、特異性和檢測(cè)準(zhǔn)確性等方面構(gòu)建了分類性能評(píng)價(jià)方法,從而得到最優(yōu)算法用于計(jì)算特征值的重要程度值,作為實(shí)現(xiàn)數(shù)據(jù)降維處理的數(shù)據(jù)預(yù)處理方法。為醫(yī)療數(shù)據(jù)提供相似度分析工具,在特征值重要性計(jì)算處理基礎(chǔ)之上,基于降維思想,論文隨后給出了T-SNE-DBS... 

【文章來源】：山東理工大學(xué)山東省

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

缺失數(shù)據(jù)分析盒須圖

文 第二章 基于機(jī)器學(xué)習(xí)的4，小于 0.14 的測(cè)量數(shù)被選擇作為 mtry 值，最后得出模型誤差與決策樹的數(shù)量關(guān)系，如圖 2.4 所示，曲線逐漸呈現(xiàn)平緩狀態(tài)，由此可得到 ntree 值為 107 分析得到結(jié)果：對(duì)于類別 A 沒有患肺部惡性腫瘤的有肺部惡性腫瘤的正確分類率為 99.11%。

患有肺部惡性腫瘤的正確分類率為 99.11%。模型誤差決策樹數(shù)量圖 2.4 模型誤差和決策樹數(shù)量關(guān)系圖Fig. 2.4 Model error and number of decision trees chart

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)綜述[J]. 石弘一.  通訊世界. 2018(10)
[2]全麻下可視化椎間孔鏡技術(shù)治療腰椎間盤突出癥[J]. 吳星火,楊操,郜勇,張宇坤,華文斌,王琨,宋雨,涂計(jì),邵增務(wù),楊述華.  中國矯形外科雜志. 2018(19)
[3]牙髓干細(xì)胞基礎(chǔ)研究與臨床應(yīng)用:國內(nèi)外文獻(xiàn)計(jì)量與可視化分析[J]. 鄢雪川,宿玉成.  中國組織工程研究. 2018(29)
[4]腫瘤參數(shù)屬性偏序結(jié)構(gòu)可視化實(shí)現(xiàn)乳腺癌診斷[J]. 梁懷新,宋佳霖,鄭存芳,洪文學(xué).  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2018(04)
[5]基于主成分-線性回歸分析的煤炭熱值預(yù)測(cè)模型研究[J]. 李祥,杜政燁,劉翠茹,茌方,袁翠翠.  煤炭工程. 2018(07)
[6]腦纖維可視化綜述[J]. 劉義鵬,徐超清,蔣哲臣,蔣莉,馮遠(yuǎn)靜,梁榮華.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(01)
[7]基于多元線性回歸的螺紋鋼價(jià)格分析及預(yù)測(cè)模型[J]. 陳海鵬,盧旭旺,申鉉京,楊英卓.  計(jì)算機(jī)科學(xué). 2017(S2)
[8]Kmeans算法的Spark實(shí)現(xiàn)及優(yōu)化[J]. 張友海,李鋒剛.  西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(03)
[9]基于大數(shù)據(jù)研究的醫(yī)學(xué)數(shù)據(jù)可視化[J]. 許茜,黃子杰,蔡晶,劉志臻,俞向梅,陳桂芬,陳林,葛亮,張钘銘.  中國衛(wèi)生統(tǒng)計(jì). 2017(02)
[10]我國老年人長(zhǎng)期照護(hù)研究熱點(diǎn)與趨勢(shì)——基于Citespace的可視化分析[J]. 李文杰.  武漢理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(02)

碩士論文
[1]城市火災(zāi)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系研究[D]. 黨杰.西南交通大學(xué) 2018
[2]可動(dòng)態(tài)擴(kuò)展的醫(yī)療數(shù)據(jù)集成可視化系統(tǒng)設(shè)計(jì)與開發(fā)[D]. 丁同勤.浙江大學(xué) 2016
[3]基于數(shù)據(jù)挖掘的圖書推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 趙翀.東北石油大學(xué) 2014



本文編號(hào)：2993997