發(fā)布時間：2021-10-18 18:20

　　我國醫(yī)療數(shù)字化體系經(jīng)過十年的大規(guī)模建設(shè),積累了大量的電子健康記錄,這為疾病風(fēng)險預(yù)測研究提供了豐富的數(shù)據(jù)基礎(chǔ)。然而,這些醫(yī)療數(shù)據(jù)中存在著嚴重的數(shù)據(jù)缺失問題,即數(shù)據(jù)在收集或者保存時由于主客觀等因素所產(chǎn)生的數(shù)據(jù)值缺失或者屬性缺失,從而丟失系列信息和知識。目前,缺乏對于這種數(shù)量化及結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)進行學(xué)習(xí)的有效方法。疾病風(fēng)險預(yù)測所采用的深度學(xué)習(xí)模型,多數(shù)不能提供模型內(nèi)部的運行機制和解釋,而疾病診斷和臨床決策需要模型提供充分合理的證據(jù)支持。此外,傳統(tǒng)醫(yī)療診斷很大程度上依靠醫(yī)生的經(jīng)驗和領(lǐng)域知識,為使醫(yī)生在與機器交互的過程中迅速積累經(jīng)驗,補充知識的不足,模型需提供判斷的依據(jù)。因此,如何結(jié)合深度模型的優(yōu)良性能,同時增強預(yù)測模型的可解釋性,也需要做進一步的研究。針對上述問題,本文提出了一種適用于疾病風(fēng)險預(yù)測的模擬學(xué)習(xí)方法,采用譜正則化方法對不完備的醫(yī)學(xué)數(shù)據(jù)進行學(xué)習(xí)及填充。譜正則化方法可以準確地對原始數(shù)據(jù)的遺漏進行估測并且加以填充,該方法能夠處理大規(guī)模的矩陣并利用問題和數(shù)據(jù)自身結(jié)構(gòu)。經(jīng)實驗證明,在缺乏特定領(lǐng)域知識或領(lǐng)域?qū)＜覙俗⒌那闆r下,該方法可以獲得高質(zhì)量的填充數(shù)據(jù)并有效降低對后續(xù)算法所產(chǎn)生的累計誤差。在... 

【文章來源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同特征屬性的患者數(shù)量分布

圖 5.2 不同患者的特征屬性數(shù)分布橫坐標代表病人數(shù)量，縱坐標為特征數(shù)量的病情可以通過腫瘤分期進行監(jiān)測，由基于 PTNM，其中每個水平還包括原發(fā)性腫瘤，區(qū)域性淋巴結(jié)轉(zhuǎn)表 5.1 腫瘤階段及患者比例 Level Ⅰ Level Ⅱ Level Ⅲ Le占比 76% 2% 13% 9%索硬化數(shù)據(jù)硬化數(shù)據(jù)（PRO-ACT）①，包括參與臨床試驗的 85其中 6842 名患者的數(shù)據(jù)進行風(fēng)險預(yù)測。PRO-ACT 中為不同的數(shù)據(jù)文件涉及 ALSFRS 功能量表，死亡報驗，實驗室研究數(shù)據(jù)，利魯唑（藥物）使用，慢速過程和生命體征。原始數(shù)據(jù)患者及屬性分布情況見

圖 5.3 不同特征屬性的患者數(shù)量分布橫坐標代表特征數(shù)量，縱坐標為病人數(shù)量圖 5.4 不同患者的特征屬性數(shù)分布橫坐標代表病人數(shù)量，縱坐標為特征數(shù)量可以通過功能評定量表（ALSFRS）監(jiān)測，其中涉peech, Q2_Salivation, Q3_Swallowing, Q4_Handwriy, Q5b_Cutting with Gastrostomy, Q6_Dressingd, Q8_Walking, Q9_Climbing Stairs, Q10_Respirato

【參考文獻】：
碩士論文
[1]我國P2P網(wǎng)絡(luò)借貸的金融風(fēng)險與監(jiān)管對策[D]. 白雪.湖南大學(xué) 2017
[2]基于譜正則化算法的矩陣完備化及其應(yīng)用的研究[D]. 閆利霄.燕山大學(xué) 2015



本文編號：3443263