改进的长短时记忆网络在慢性疾病预测中的应用研究
发布时间：2022-02-23 03:50
慢性心率血压疾病是一个世界性的公共卫生问题。在我国,心力衰竭的发病率逐年上升,但是治疗的效果差且成本高;全国约有35%的人群患有不同程度的血压疾病,这些疾病和心脏疾病形成更为严重的并发症,严重威胁我国居民的身体健康。据不完全统计,2018年接受降压和新增治疗的慢性心率血压疾病患者人数超过3200万人,预计到2020年将超过4000万人。2018年末,国家心脑血管疾病基金会在慢性心脑血管疾病工作组发表了一篇报告:报告显示慢性心率血压疾病患病率很高,而有慢性心率血压疾病的死亡率是无血压疾病的10到30倍。基于上述,我们可以看到,心率血压问题已经越来越成为影响我国居民身体健康的重要因素。因此,如何在早期及时发现疾病是一个亟待解决的问题。本文在此背景下,首先介绍了慢性心率血压疾病常见的预测算法,进而给出了本文中使用算法的详细介绍,然后进行慢性心率血压疾病预测设计:数据提取、参数选取等的详解,并得到了基于长短时记忆网络的慢性心率血压疾病预测模型的预测结果,最后找出基于长短时记忆网络的慢性心率血压疾病预测模型的缺欠。为了优化长短时记忆网络的结构,提出了改进的长短时记忆网络的慢性心率血压疾病预测模型...
【文章来源】：大连交通大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 本文的研究背景
1.2 国内外的研究近况
1.3 本文的研究目的与意义
1.3.1 本文的研究目的
1.3.2 本文的研究意义
第二章 慢性心率血压疾病概述预测方法
2.1 慢性心率血压疾病概述
2.2 慢性心率血压疾病概述预测
2.2.1 时间序列预测算法
2.2.2 自动化预测算法
2.2.3 模糊综合预测算法
2.2.4 机器学习预测算法
第三章 算法简介
3.1 RNN算法介绍
3.1.1 RNN算法原理
3.1.2 RNN算法特点
3.2 LSTM算法介绍
3.2.1 LSTM算法原理
3.2.2 LSTM算法特点
3.3 GRU算法介绍
3.3.1 GRU算法原理
3.3.2 GRU算法特点
第四章 改进的长短时记忆网络慢性疾病预测模型
4.1 模型的数据选取
4.1.1 慢性心率血压疾病特征
4.1.2 课题数据选取
4.2 慢性心率血压疾病预测设计
4.2.1 数据提取
4.2.2 特征映射
4.2.3 参数选取
4.2.4 Epoch个数的调节
4.2.5 批数据batch size的影响(这里我们固定训练参数为1000步)
4.2.6 双层结构神经元的数量(这里我们固定训练参数为1000步,batch_size选取为32的情况)
4.3 基于常规LSTM网络的慢性疾病预测
4.4 基于改进的LSTM的慢性心率血压疾病预测
4.4.1 问题分析
4.4.2 改进方法
4.4.3网络的传播过程
4.4.4使用GRU改进LSTM的慢性心率血压疾病预测
4.5 性能对比
4.6结果分析
第五章 系统实现
5.1 引言
5.2 慢性心率血压疾病预测模拟系统概述
5.2.1 系统需求分析
5.2.2 可行性分析
5.2.3 相关技术
5.2.4 系统开发环境
5.3 系统总体设计
5.3.1 系统总体设计概述
5.3.2 数据管理模块
5.3.3 模型预测模块
5.4 数据库设计
5.5 系统展示
5.5.1 数据展示模块
5.5.2 模型预测模块
第六章 总结与展望
6.1 全文总结
6.2 展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]城市化对慢性非传染性疾病影响的相关研究现状[J]. 李哲,刘剑君,韩晓燕,么鸿雁. 中国慢性病预防与控制. 2019(01)
[2]基于树结构长短期记忆神经网络的金融时间序列预测[J]. 姚小强,侯志森. 计算机应用. 2018(11)
[3]改进型LSTM变形预测模型研究[J]. 许宁,徐昌荣. 江西理工大学学报. 2018(05)
[4]LSTM与DeepLearning技术在疾病诊断中的应用[J]. 李晓坤,郑永亮,刘磊,陈虹旭,邵娜,杨磊. 黑龙江大学工程学报. 2018(03)
[5]基于小波包与长短时记忆融合的铁路旅客流量预测模型[J]. 成强. 计算机系统应用. 2018(07)
[6]大数据视阈下糖尿病患者管理模式探析[J]. 闫冠韫,陈洪恩,李舜,王长义,尹梅. 中国全科医学. 2018(09)
[7]机器学习在神经精神疾病诊断及预测中的应用[J]. 文宏伟,陆菁菁,何晖光. 协和医学杂志. 2018(01)
[8]基于LSTM循环神经网络的故障时间序列预测[J]. 王鑫,吴际,刘超,杨海燕,杜艳丽,牛文生. 北京航空航天大学学报. 2018(04)
[9]心血管疾病变化趋势预测方法研究[J]. 王语,高婷,韩冰柔. 九江学院学报(自然科学版). 2017(03)
[10]基于长短时记忆网络的旋转机械状态预测研究[J]. 赵建鹏,周俊. 噪声与振动控制. 2017(04)
硕士论文
[1]基于LDBN的心脏病发病风险模型研究[D]. 朱静阳.郑州大学 2017
[2]基于BP神经网络的心脏病预测研究与实现[D]. 庞显涛.吉林大学 2012
本文编号：3640812
【文章来源】：大连交通大学辽宁省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 本文的研究背景
1.2 国内外的研究近况
1.3 本文的研究目的与意义
1.3.1 本文的研究目的
1.3.2 本文的研究意义
第二章 慢性心率血压疾病概述预测方法
2.1 慢性心率血压疾病概述
2.2 慢性心率血压疾病概述预测
2.2.1 时间序列预测算法
2.2.2 自动化预测算法
2.2.3 模糊综合预测算法
2.2.4 机器学习预测算法
第三章 算法简介
3.1 RNN算法介绍
3.1.1 RNN算法原理
3.1.2 RNN算法特点
3.2 LSTM算法介绍
3.2.1 LSTM算法原理
3.2.2 LSTM算法特点
3.3 GRU算法介绍
3.3.1 GRU算法原理
3.3.2 GRU算法特点
第四章 改进的长短时记忆网络慢性疾病预测模型
4.1 模型的数据选取
4.1.1 慢性心率血压疾病特征
4.1.2 课题数据选取
4.2 慢性心率血压疾病预测设计
4.2.1 数据提取
4.2.2 特征映射
4.2.3 参数选取
4.2.4 Epoch个数的调节
4.2.5 批数据batch size的影响(这里我们固定训练参数为1000步)
4.2.6 双层结构神经元的数量(这里我们固定训练参数为1000步,batch_size选取为32的情况)
4.3 基于常规LSTM网络的慢性疾病预测
4.4 基于改进的LSTM的慢性心率血压疾病预测
4.4.1 问题分析
4.4.2 改进方法
4.4.3网络的传播过程
4.4.4使用GRU改进LSTM的慢性心率血压疾病预测
4.5 性能对比
4.6结果分析
第五章 系统实现
5.1 引言
5.2 慢性心率血压疾病预测模拟系统概述
5.2.1 系统需求分析
5.2.2 可行性分析
5.2.3 相关技术
5.2.4 系统开发环境
5.3 系统总体设计
5.3.1 系统总体设计概述
5.3.2 数据管理模块
5.3.3 模型预测模块
5.4 数据库设计
5.5 系统展示
5.5.1 数据展示模块
5.5.2 模型预测模块
第六章 总结与展望
6.1 全文总结
6.2 展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]城市化对慢性非传染性疾病影响的相关研究现状[J]. 李哲,刘剑君,韩晓燕,么鸿雁. 中国慢性病预防与控制. 2019(01)
[2]基于树结构长短期记忆神经网络的金融时间序列预测[J]. 姚小强,侯志森. 计算机应用. 2018(11)
[3]改进型LSTM变形预测模型研究[J]. 许宁,徐昌荣. 江西理工大学学报. 2018(05)
[4]LSTM与DeepLearning技术在疾病诊断中的应用[J]. 李晓坤,郑永亮,刘磊,陈虹旭,邵娜,杨磊. 黑龙江大学工程学报. 2018(03)
[5]基于小波包与长短时记忆融合的铁路旅客流量预测模型[J]. 成强. 计算机系统应用. 2018(07)
[6]大数据视阈下糖尿病患者管理模式探析[J]. 闫冠韫,陈洪恩,李舜,王长义,尹梅. 中国全科医学. 2018(09)
[7]机器学习在神经精神疾病诊断及预测中的应用[J]. 文宏伟,陆菁菁,何晖光. 协和医学杂志. 2018(01)
[8]基于LSTM循环神经网络的故障时间序列预测[J]. 王鑫,吴际,刘超,杨海燕,杜艳丽,牛文生. 北京航空航天大学学报. 2018(04)
[9]心血管疾病变化趋势预测方法研究[J]. 王语,高婷,韩冰柔. 九江学院学报(自然科学版). 2017(03)
[10]基于长短时记忆网络的旋转机械状态预测研究[J]. 赵建鹏,周俊. 噪声与振动控制. 2017(04)
硕士论文
[1]基于LDBN的心脏病发病风险模型研究[D]. 朱静阳.郑州大学 2017
[2]基于BP神经网络的心脏病预测研究与实现[D]. 庞显涛.吉林大学 2012
本文编号：3640812
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3640812.html
