甲状腺疾病诊疗模型库系统的研究与实现
发布时间：2021-07-09 05:24
随着中国医疗卫生事业的不断发展,“看病难”问题已日渐突出,亟待解决。只有利用信息化技术深度改变现有的医疗服务模式,方能从根本上破解这个难题。医疗信息化技术重要的研究方向是智慧医疗。随着智慧医疗研究的不断深入,医疗服务与智能化生活越来越接近。甲状腺疾病是一种常见的临床内分泌疾病,甲状腺疾病类型的正确诊断对甲状腺疾病的医治至关重要。在目前实际的临床诊疗中,甲状腺疾病仍然存在误诊或者治疗不当的情况。所以在甲状腺疾病诊疗中引入智慧医疗,具有理论意义和应用价值。本文针对甲状腺疾病诊疗中存在的问题,应用决策支持系统技术,整合实验室针对甲状腺疾病分类预测的研究成果,建立基础的模型库,将疾病诊疗和模型应用联系起来,集成具有优化训练、模型管理、预测分析和辅助决策等功能的甲状腺疾病诊疗模型库系统。本文的主要工作有四个方面:（1）建立基础模型库。收集实验室多年积累的与甲状腺疾病分类预测相关的研究成果,包括算法、数据和成熟的模型,按照实际用例分类,以二进制文件的方式存储,将算法信息、数据集信息和模型信息以及三者之间的对应关系都存储于模型字典中,最终建立基础的模型库。（2）实现基于主动学习的融合预测。针对模型库...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
训练集拆分系统截图
return X_train,X_test,Y_train,Y_testdef train(X_train,Y_train,targetmodel):svm_model = svm.SVC(kernel="linear").fit(X_train, Y_train)joblib.dump(svm_model, targetmodel,compress=3)if __name__ == '__main__':X_train,X_test,Y_train,Y_test = loaddata(par1)train(X_train,Y_train,par2)predict(X_train,Y_train,X_test,Y_test,par2)训练结束后，系统将训练结果返回给试验者进行审查，查看是否有运行错误、存储地址有误等问题，正常训练结束后，结果显示页会展示精确率 Precision、召回率 Recall、综合评价指标 F1-score 这三个数值，用以评价模型。模型训练成功后即自动入库，经测试人员测试好模型功能模块，即可上线供用户选择使用。系统效果图如下图 5-4、图 5-5 所示。
图 5-5 模型训练结果5.2 模型的维护在模型库管理系统中，最重要的部分就是模型的维护。模型的维护包括模型的新增、模型的修改、模型的查询、模型的删除这四个基本的操作。这些基本操作都是围绕模型展开，所以模型的分类规范极为重要。在本文研究的模型库中，模型除了基础的分类模型外，还包括了神经网络模型、回归分析模型、聚类模型等，种类繁杂，所以在呈现给使用者使用时，其呈现方式需要一定的组织逻辑结构。而且在实际使用中，用户对模型名称了解甚少，在选择辅助决策模型时，会没有主见导致使用者体验感极差，所以，模型的表示方式必须满足甲状腺疾病诊疗辅助决策时的使用者的需要。甲状腺的检查项目包括血检和超声检查。本文针对模型库系统的用户群体对模型知识了解甚少的问题，将这些模型按照实际用例来进行分类展示。针对甲状腺疾病的检查项目和系统的实际需求，将模型主要分为 3 个类别：甲功五项指标
【参考文献】：
期刊论文
[1]朴素贝叶斯算法在文本分类中的应用[J]. 邹晓辉. 数字技术与应用. 2017(12)
[2]甲状腺结节的现代诊疗进展[J]. 李冰,刘虔,丁小军,吴奇,孙圣荣. 现代生物医学进展. 2017(19)
[3]主动学习算法研究进展[J]. 杨文柱,田潇潇,王思乐,张锡忠. 河北大学学报(自然科学版). 2017(02)
[4]基于熵的自适应加权投票HRRP融合识别方法[J]. 王晓丹,李睿,薛爱军,孙向芳. 系统工程与电子技术. 2017(04)
[5]国内外医疗决策支持系统研究热点[J]. 刘洋宏,崔雷. 中华医学图书情报杂志. 2016(11)
[6]医疗大数据研究现状及其临床应用[J]. 罗旭,刘友江. 医学信息学杂志. 2015(05)
[7]杰卡德相似系数在推荐系统中的应用[J]. 张晓琳,付英姿,褚培肖. 计算机技术与发展. 2015(04)
[8]基于局部纹理特征的超声甲状腺结节良恶性识别[J]. 熊伟,龚勋,罗俊,李天瑞. 数据采集与处理. 2015(01)
[9]基于互信息的文本自动摘要[J]. 刘星含,霍华. 合肥工业大学学报(自然科学版). 2014(10)
[10]医疗大数据及其面临的机遇与挑战[J]. 张振,周毅,杜守洪,罗雪琼,梅甜. 医学信息学杂志. 2014(06)
硕士论文
[1]基于Gradient Boosting算法的海量健康数据挖掘研究与应用[D]. 刘玉尧.北京邮电大学 2017
[2]甲状腺结节良恶性预测方法的研究与实现[D]. 周东阳.东华大学 2016
[3]苹果生产决策支持系统模型库研究[D]. 王军.山东农业大学 2016
[4]基于人工智能的医疗诊断系统研究与设计[D]. 滕文龙.吉林大学 2013
[5]基于Gradient Boosting算法的癫痫检测[D]. 陈爽爽.山东大学 2013
[6]高速铁路与社会经济发展互动关系决策支持系统模型库开发及关键问题的研究[D]. 袁梦.北京交通大学 2011
[7]水稻生产智能决策支持系统模型库的研究[D]. 阮卫.江西农业大学 2011
[8]中文文本分类中互信息特征选择方法研究[D]. 邓彩凤.西南大学 2011
本文编号：3273118
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
训练集拆分系统截图
return X_train,X_test,Y_train,Y_testdef train(X_train,Y_train,targetmodel):svm_model = svm.SVC(kernel="linear").fit(X_train, Y_train)joblib.dump(svm_model, targetmodel,compress=3)if __name__ == '__main__':X_train,X_test,Y_train,Y_test = loaddata(par1)train(X_train,Y_train,par2)predict(X_train,Y_train,X_test,Y_test,par2)训练结束后，系统将训练结果返回给试验者进行审查，查看是否有运行错误、存储地址有误等问题，正常训练结束后，结果显示页会展示精确率 Precision、召回率 Recall、综合评价指标 F1-score 这三个数值，用以评价模型。模型训练成功后即自动入库，经测试人员测试好模型功能模块，即可上线供用户选择使用。系统效果图如下图 5-4、图 5-5 所示。
图 5-5 模型训练结果5.2 模型的维护在模型库管理系统中，最重要的部分就是模型的维护。模型的维护包括模型的新增、模型的修改、模型的查询、模型的删除这四个基本的操作。这些基本操作都是围绕模型展开，所以模型的分类规范极为重要。在本文研究的模型库中，模型除了基础的分类模型外，还包括了神经网络模型、回归分析模型、聚类模型等，种类繁杂，所以在呈现给使用者使用时，其呈现方式需要一定的组织逻辑结构。而且在实际使用中，用户对模型名称了解甚少，在选择辅助决策模型时，会没有主见导致使用者体验感极差，所以，模型的表示方式必须满足甲状腺疾病诊疗辅助决策时的使用者的需要。甲状腺的检查项目包括血检和超声检查。本文针对模型库系统的用户群体对模型知识了解甚少的问题，将这些模型按照实际用例来进行分类展示。针对甲状腺疾病的检查项目和系统的实际需求，将模型主要分为 3 个类别：甲功五项指标
【参考文献】：
期刊论文
[1]朴素贝叶斯算法在文本分类中的应用[J]. 邹晓辉. 数字技术与应用. 2017(12)
[2]甲状腺结节的现代诊疗进展[J]. 李冰,刘虔,丁小军,吴奇,孙圣荣. 现代生物医学进展. 2017(19)
[3]主动学习算法研究进展[J]. 杨文柱,田潇潇,王思乐,张锡忠. 河北大学学报(自然科学版). 2017(02)
[4]基于熵的自适应加权投票HRRP融合识别方法[J]. 王晓丹,李睿,薛爱军,孙向芳. 系统工程与电子技术. 2017(04)
[5]国内外医疗决策支持系统研究热点[J]. 刘洋宏,崔雷. 中华医学图书情报杂志. 2016(11)
[6]医疗大数据研究现状及其临床应用[J]. 罗旭,刘友江. 医学信息学杂志. 2015(05)
[7]杰卡德相似系数在推荐系统中的应用[J]. 张晓琳,付英姿,褚培肖. 计算机技术与发展. 2015(04)
[8]基于局部纹理特征的超声甲状腺结节良恶性识别[J]. 熊伟,龚勋,罗俊,李天瑞. 数据采集与处理. 2015(01)
[9]基于互信息的文本自动摘要[J]. 刘星含,霍华. 合肥工业大学学报(自然科学版). 2014(10)
[10]医疗大数据及其面临的机遇与挑战[J]. 张振,周毅,杜守洪,罗雪琼,梅甜. 医学信息学杂志. 2014(06)
硕士论文
[1]基于Gradient Boosting算法的海量健康数据挖掘研究与应用[D]. 刘玉尧.北京邮电大学 2017
[2]甲状腺结节良恶性预测方法的研究与实现[D]. 周东阳.东华大学 2016
[3]苹果生产决策支持系统模型库研究[D]. 王军.山东农业大学 2016
[4]基于人工智能的医疗诊断系统研究与设计[D]. 滕文龙.吉林大学 2013
[5]基于Gradient Boosting算法的癫痫检测[D]. 陈爽爽.山东大学 2013
[6]高速铁路与社会经济发展互动关系决策支持系统模型库开发及关键问题的研究[D]. 袁梦.北京交通大学 2011
[7]水稻生产智能决策支持系统模型库的研究[D]. 阮卫.江西农业大学 2011
[8]中文文本分类中互信息特征选择方法研究[D]. 邓彩凤.西南大学 2011
本文编号：3273118
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3273118.html
