基于不完備醫(yī)療數(shù)據(jù)的疾病風(fēng)險(xiǎn)預(yù)測(cè)研究
發(fā)布時(shí)間:2021-10-18 18:20
我國(guó)醫(yī)療數(shù)字化體系經(jīng)過(guò)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(xiǎn)預(yù)測(cè)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(yán)重的數(shù)據(jù)缺失問(wèn)題,即數(shù)據(jù)在收集或者保存時(shí)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(shí)。目前,缺乏對(duì)于這種數(shù)量化及結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)進(jìn)行學(xué)習(xí)的有效方法。疾病風(fēng)險(xiǎn)預(yù)測(cè)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(yùn)行機(jī)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(yàn)和領(lǐng)域知識(shí),為使醫(yī)生在與機(jī)器交互的過(guò)程中迅速積累經(jīng)驗(yàn),補(bǔ)充知識(shí)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(shí)增強(qiáng)預(yù)測(cè)模型的可解釋性,也需要做進(jìn)一步的研究。針對(duì)上述問(wèn)題,本文提出了一種適用于疾病風(fēng)險(xiǎn)預(yù)測(cè)的模擬學(xué)習(xí)方法,采用譜正則化方法對(duì)不完備的醫(yī)學(xué)數(shù)據(jù)進(jìn)行學(xué)習(xí)及填充。譜正則化方法可以準(zhǔn)確地對(duì)原始數(shù)據(jù)的遺漏進(jìn)行估測(cè)并且加以填充,該方法能夠處理大規(guī)模的矩陣并利用問(wèn)題和數(shù)據(jù)自身結(jié)構(gòu)。經(jīng)實(shí)驗(yàn)證明,在缺乏特定領(lǐng)域知識(shí)或領(lǐng)域?qū)<覙?biāo)注的情況下,該方法可以獲得高質(zhì)量的填充數(shù)據(jù)并有效降低對(duì)后續(xù)算法所產(chǎn)生的累計(jì)誤差。在...
【文章來(lái)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(yè)數(shù)】:45 頁(yè)
【學(xué)位級(jí)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(biāo)代表病人數(shù)量,縱坐標(biāo)為特征數(shù)量的病情可以通過(guò)腫瘤分期進(jìn)行監(jiān)測(cè),由基于 PTNM,其中每個(gè)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(yàn)的 85其中 6842 名患者的數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)。PRO-ACT 中為不同的數(shù)據(jù)文件涉及 ALSFRS 功能量表,死亡報(bào)驗(yàn),實(shí)驗(yàn)室研究數(shù)據(jù),利魯唑(藥物)使用,慢速過(guò)程和生命體征。原始數(shù)據(jù)患者及屬性分布情況見(jiàn)
圖 5.3 不同特征屬性的患者數(shù)量分布橫坐標(biāo)代表特征數(shù)量,縱坐標(biāo)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(biāo)代表病人數(shù)量,縱坐標(biāo)為特征數(shù)量可以通過(guò)功能評(píng)定量表(ALSFRS)監(jiān)測(cè),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(xiàn)】:
碩士論文
[1]我國(guó)P2P網(wǎng)絡(luò)借貸的金融風(fēng)險(xiǎn)與監(jiān)管對(duì)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(hào):3443263
【文章來(lái)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(yè)數(shù)】:45 頁(yè)
【學(xué)位級(jí)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(biāo)代表病人數(shù)量,縱坐標(biāo)為特征數(shù)量的病情可以通過(guò)腫瘤分期進(jìn)行監(jiān)測(cè),由基于 PTNM,其中每個(gè)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(yàn)的 85其中 6842 名患者的數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)。PRO-ACT 中為不同的數(shù)據(jù)文件涉及 ALSFRS 功能量表,死亡報(bào)驗(yàn),實(shí)驗(yàn)室研究數(shù)據(jù),利魯唑(藥物)使用,慢速過(guò)程和生命體征。原始數(shù)據(jù)患者及屬性分布情況見(jiàn)
圖 5.3 不同特征屬性的患者數(shù)量分布橫坐標(biāo)代表特征數(shù)量,縱坐標(biāo)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(biāo)代表病人數(shù)量,縱坐標(biāo)為特征數(shù)量可以通過(guò)功能評(píng)定量表(ALSFRS)監(jiān)測(cè),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(xiàn)】:
碩士論文
[1]我國(guó)P2P網(wǎng)絡(luò)借貸的金融風(fēng)險(xiǎn)與監(jiān)管對(duì)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(hào):3443263
本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/3443263.html
最近更新
教材專著