本文關鍵詞：基于復雜網絡特征的臨床分類分析方法研究

  更多相關文章： 證候網絡 體征時間序列 可視圖 多標簽分類 鏈路預測

【摘要】：基于人類疾病表型的診斷分析是一個復雜判別決策問題,涉及到多種不同類型的數(shù)據及其相互之間的復雜交互關系。如體征時間序列數(shù)據是人類健康的一個重要數(shù)據資源,傳統(tǒng)的基于時間序列分析的方法以發(fā)現(xiàn)局部的結構模式為主要目標,忽略了人體作為復雜系統(tǒng)所展現(xiàn)的整體信息規(guī)律和模式的發(fā)現(xiàn),從而存在一定的局限性。而中醫(yī)臨床證候預測作為中醫(yī)證候學研究的主要內容之一,是一個典型的多標簽分類問題,多標簽分類問題常用的標簽拆分方式將證候看作獨立的個體,而中醫(yī)理論認為證候之間存在著復雜的聯(lián)系。并且,證候辨證的主體是臨床醫(yī)生,辨證的過程受醫(yī)生經驗等因素的影響,在癥狀體征的獲取上存在較多的主觀性偏性從而導致癥狀數(shù)據存在嚴重的缺失問題。本文針對上述兩方面的問題,采用基于復雜網絡特征的機器學習方法進行探索,主要研究工作如下：(1)人體生理系統(tǒng)對體征的調節(jié)使體征時間序列數(shù)據呈現(xiàn)分形特性,且不同健康狀態(tài)的系統(tǒng)的調節(jié)能力不同使體征時間序列的分形特性也不同。本文中利用復雜網絡技術研究體征時間序列,采用可視圖方法將體征時間序列數(shù)據進行網絡化,將體征時間序列的網絡特征作為屬性,體征數(shù)據來源的人的健康狀態(tài)作為類別,分析了和健康狀態(tài)相關的主要網絡特征。文中分析了標準心率時間序列數(shù)據和穿戴醫(yī)療設備希盟(CIM)采集的老年人體征數(shù)據,發(fā)現(xiàn)和健康相關的主要網絡特征為圖密度。(2)針對臨床醫(yī)生在辨證論治過程中存在的主觀性問題,基于共現(xiàn)性原理,利用臨床病例數(shù)據樣本分別建立了癥狀關系網絡和證候關系網絡,在癥狀關系網絡中,利用基于網絡結構的DIAMOND算法進行了樣本癥狀的擴展,利用基于網絡結構傳遞的Prince算法和基于超圖的模型進行了證候的預測。實驗結果顯示Prince和DIAMOND結合的算法具有較好的預測效果,Hamming Loss為0.0925,Ranking Loss為0.2018,基于超圖的模型預測效果較差。這一結果表明癥狀關系和證候關系是證候預測問題需要考慮在內的因素。
【關鍵詞】：證候網絡 體征時間序列 可視圖 多標簽分類 鏈路預測
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R241;O157.5
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 研究背景11-13
• 1.1.1 現(xiàn)代醫(yī)學技術和社會健康問題11-12
• 1.1.2 大數(shù)據時代與物聯(lián)網12-13
• 1.2 研究現(xiàn)狀13-14
• 1.2.1 體征時間序列數(shù)據分析13
• 1.2.2 中醫(yī)證候預測研究13-14
• 1.3 問題的提出和意義14-16
• 1.3.1 體征時間序列數(shù)據與中醫(yī)癥狀關系14
• 1.3.2 辨證的主觀性和證候關系14-16
• 1.4 本章小結16-17
• 2 中醫(yī)臨床數(shù)據挖掘方法17-29
• 2.1 復雜網絡及網絡特征17-19
• 2.1.1 度分布和冪律擬合17-18
• 2.1.2 網絡特征18-19
• 2.2 時間序列數(shù)據分析19-23
• 2.2.1 多尺度熵19-21
• 2.2.2 可視圖方法21-23
• 2.3 鏈路預測23-27
• 2.3.1 Prince鏈路預測24-25
• 2.3.2 基于超圖模型的鏈路預測25-27
• 2.4 本章小結27-29
• 3 基于復雜網絡特征的體征時間序列數(shù)據分類分析29-43
• 3.1 生理體征時間序列數(shù)據29-31
• 3.1.1 分形與體征時間序列數(shù)據29-30
• 3.1.2 體征時間序列網絡化30-31
• 3.2 實驗數(shù)據31-34
• 3.2.1 標準心率數(shù)據31-32
• 3.2.2 老年人體征時間序列數(shù)據32-34
• 3.3 體征時間序列數(shù)據分類分析及探討34-42
• 3.3.1 基于可視圖方法的標準心率時間序列數(shù)據分析34-37
• 3.3.2 基于可視圖方法的老年人體征的分類分析37-39
• 3.3.3 基于多尺度熵的老年人體征時間序列數(shù)據分析39-42
• 3.4 本章小結42-43
• 4 基于復雜網絡特征的中醫(yī)證候預測43-58
• 4.1 中醫(yī)辨證問題43-44
• 4.1.1 辨證問題的定義43
• 4.1.2 中醫(yī)辨證的復雜性43-44
• 4.2 多標簽分類44-47
• 4.2.1 多標簽分類44-45
• 4.2.2 標簽量的評價45-46
• 4.2.3 多標簽分類評價指標46-47
• 4.2.4 多標簽分類平臺MULAN47
• 4.3 基于DIAMOND算法的癥狀擴展47-48
• 4.4 基于證候關系的證候預測48-50
• 4.4.1 基于Prince算法的證候預測48-49
• 4.4.2 基于超圖模型的證候預測49-50
• 4.5 實驗結果和分析50-57
• 4.5.1 Prince證候預測51-53
• 4.5.2 DIAMOND癥狀擴展和Prince證候預測53-55
• 4.5.3 超圖模型證候預測55-57
• 4.6 本章小結57-58
• 5 結論與展望58-60
• 5.1 工作總結58
• 5.2 討論與展望58-60
• 參考文獻60-64
• 作者簡歷及攻讀碩士學位期間取得的研究成果64-66
• 學位論文數(shù)據集66

【相似文獻】

中國期刊全文數(shù)據庫 前7條

1 胡平;周森;溫春龍;;產業(yè)集群網絡特征與創(chuàng)新活躍性的關系研究[J];中國科技論壇;2012年10期

2 王文超;丁彥蕊;陳t，

本文編號：745956