基于RF-LR改进算法的疾病辅助诊断软件的研究与设计

发布时间：2021-04-30 22:33

　　近年来,随着“健康中国”政策的提出,医疗健康问题受到社会广泛关注。由于当前社会存在着医疗资源分配不均,城乡医疗服务水平悬殊的现象,所以疾病辅助诊断领域的研究与应用具有重要的实际意义。目前疾病辅助诊断领域存在着疾病预测算法精确度不够高,预测算法未考虑到疾病误诊代价以及传统疾病辅助诊断软件开发工具落后等问题。本文针对上述研究现状,提出了基于随机森林与逻辑回归（RF-LR）改进算法的疾病预测模型,使用真实的医疗数据对算法进行测试分析,基于改进的算法设计并实现了疾病辅助诊断软件。本文的主要工作如下:1.建立基于随机森林与逻辑回归（RF-LR）改进算法的疾病预测模型。针对疾病预测算法精确率有待提高的问题,使用基于随机森林和序列后向搜索策略的特征选择方法,消除数据集中的冗余特征,提高算法的精确率。针对疾病误诊代价问题,使用代价敏感学习方法,在逻辑回归的损失函数中加入代价权重参数,通过选择最优权值参数,降低疾病误诊所带来的代价。使用真实的医疗数据,将改进后的算法同逻辑回归、决策树、支持向量机进行预测效果的对比。测试结果证明,与其他算法相比,本文的疾病预测算法的性能表现较好,精确率、召回率和F1值分别... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 疾病辅助诊断系统研究现状
        1.2.2 疾病预测算法研究现状
    1.3 研究内容
    1.4 论文组织结构
第2章 相关理论研究与分析
    2.1 特征选择方法
        2.1.1 基于搜索策略的特征选择方法
        2.1.2 基于评价准则划分特征选择方法
    2.2 随机森林
    2.3 疾病辅助诊断分类算法
        2.3.1 逻辑回归算法
        2.3.2 支持向量机算法
        2.3.3 决策树算法
    2.4 本章小结
第3章 基于RF-LR改进算法的疾病预测模型
    3.1 数据预处理
        3.1.1 数据清洗
        3.1.2 数据填补
    3.2 随机森林特征选择
        3.2.1 特征重要性评分
        3.2.2 特征选择算法
    3.3 基于RF-LR的改进算法
        3.3.1 代价敏感学习
        3.3.2 引入代价权重的LR算法
        3.3.3 疾病预测模型
    3.4 算法测试与验证
        3.4.1 实验评价标准
        3.4.2 实验结果及分析
    3.5 本章小结
第4章 基于RF-LR改进算法的疾病辅助诊断软件的设计
    4.1 软件需求分析
        4.1.1 软件功能需求分析
        4.1.2 软件非功能需求分析
    4.2 软件整体方案设计
        4.2.1 软件架构设计
        4.2.2 软件功能设计
    4.3 软件相关技术
        4.3.1 MVC开发技术
        4.3.2 数据库连接技术
    4.4 软件数据库设计
        4.4.1 数据库逻辑模型设计
        4.4.2 数据库物理模型设计
    4.5 软件功能模块设计
        4.5.1 用户注册及登录功能
        4.5.2 用户信息管理功能
        4.5.3 疾病预测功能
        4.5.4 疾病咨询功能
        4.5.5 科普推送功能
    4.6 本章小结
第5章 软件测试与验证
    5.1 软件测试环境及方法
        5.1.1 软件测试环境
        5.1.2 软件测试方法
    5.2 软件功能测试
        5.2.1 用户登录及注册功能测试
        5.2.2 用户信息管理功能测试
        5.2.3 疾病预测功能测试
        5.2.4 疾病咨询功能测试
        5.2.5 科普推送功能测试
    5.3 软件非功能测试
        5.3.1 软件兼容性测试
        5.3.2 软件性能测试
    5.4 测试结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]医疗信息化的现状与发展趋势研究[J]. 任芳,刘硕.  通讯世界. 2020(01)
[2]基于XGBoost对肺鳞癌和肺腺癌的分类预测[J]. 冷菲,李巍.  首都医科大学学报. 2019(06)
[3]中国健康医疗大数据国家战略发展研究[J]. 李后卿,印翠群,樊津妍.  图书馆. 2019(11)
[4]信息化建设资讯：《全国基层医疗卫生机构信息化建设标准与规范（试行）》解读[J]. 沈剑峰,黄磊.  中国全科医学. 2019(25)
[5]代价敏感学习方法综述[J]. 万建武,杨明.  软件学报. 2020(01)
[6]基于Logistic回归和多层神经网络的Ⅱ型糖尿病并发症预测[J]. 王洁,乔艺璇,彭岩,陈晓.  高技术通讯. 2019(05)
[7]基于动态采样和迁移学习的疾病预测模型[J]. 胡满满,陈旭,孙毓忠,沈曦,王晓青,余天洋,梅御东,肖立,程伟,杨杰,杨焱.  计算机学报. 2019(10)
[8]基于电子健康档案相关研究现状、热点与前沿知识可视化分析[J]. 苟梦野,赵文龙,杨美洁,于跃,宋萍.  现代预防医学. 2019(01)
[9]我国基本医疗服务均等化存在的问题与对策[J]. 李静,王萍.  医学与社会. 2018(02)
[10]基于改进深度信念网络的心血管疾病预测研究[J]. 逯鹏,王玉辰,李奇航,刘艳红,郭赛迪.  计算机应用研究. 2018(12)

博士论文
[1]《比较统计学》框架的构建及在回归分析中的示范研究[D]. 鲍晓蕾.中国人民解放军军事医学科学院 2014

硕士论文
[1]糖代谢异常与糖尿病视网膜病变的相关分析[D]. 李丹妮.大连医科大学 2012



本文编号：3169607