数据挖掘技术在甲状腺疾病分类上的研究与应用

发布时间:2021-06-07 22:07
  随着信息化医疗的快速发展,传统医疗方式暴露出了很多问题,如海量数据的浪费以及诊断处理不及时等,这些问题正在被逐步解决,现代医疗技术正不断给人们提供更高质量和更高效率的医疗服务。随着越来越多临床数据被存储在医疗数据库中,将数据挖掘技术应用于患者的疾病数据,挖掘出有价值的信息,将会为医疗决策和医学研究做出相当重要的贡献。近些年,研究者主要将数据挖掘技术应用于糖尿病,高血压以及心血管疾病等慢性病,很少将其应用在甲状腺疾病方向上,而甲状腺疾病是内分泌领域常见的高发病率疾病,也是除糖尿病以外的第二大内分泌疾病。因此,本文提出将数据挖掘技术中的关联规则挖掘算法与机器学习分类算法相结合的框架(AR-ANN和ARB),不仅可以从海量信息中挖掘出有价值的信息,为甲状腺疾病的预防和管控提供科学依据,还有效的对甲状腺疾病进行了分类诊断。本文设计并实现了甲状腺疾病数据挖掘系统,挖掘隐藏在实际甲状腺疾病临床数据背后的知识,为医生提供有力的诊断依据。框架应用UCI机器学习库中的二组真实甲状腺数据集进行实验分析,验证了所提出框架的有效性和正确性。首先,利用数据清洗,变换,集成等数据仓库技术对二组原始数据进行预处理。... 

【文章来源】:辽宁科技大学辽宁省

【文章页数】:69 页

【学位级别】:硕士

【部分图文】:

数据挖掘技术在甲状腺疾病分类上的研究与应用


BP神经网络结构图

属性,甲状腺,数据集,预处理


辽宁科技大学硕士学位论文15SPSS软件进行完整的数据分析,流程为:数据获取,数据存储,数据预处理,建模与分析,可视化分析。利用SPSS软件将甲状腺数据集中年龄属性转换后的部分实验数据如图3.2所示。经过数据清洗与转换后的数据集属性如表3.1。图3.1sick-euthyroid甲状腺数据集的原始属性和预处理后的属性Fig.3.1Originalattributesandattributesafterpreprocessinginsick-euthyroiddataset图3.2SPSSStatistics对年龄属性预处理Fig.3.2DatapreprocessingofageattributebySPSSStatistics

属性,预处理,年龄,甲状腺


辽宁科技大学硕士学位论文15SPSS软件进行完整的数据分析,流程为:数据获取,数据存储,数据预处理,建模与分析,可视化分析。利用SPSS软件将甲状腺数据集中年龄属性转换后的部分实验数据如图3.2所示。经过数据清洗与转换后的数据集属性如表3.1。图3.1sick-euthyroid甲状腺数据集的原始属性和预处理后的属性Fig.3.1Originalattributesandattributesafterpreprocessinginsick-euthyroiddataset图3.2SPSSStatistics对年龄属性预处理Fig.3.2DatapreprocessingofageattributebySPSSStatistics

【参考文献】:
期刊论文
[1]数据挖掘技术在医学信息中的广泛应用[J]. 任芳,刘硕.  中国多媒体与网络教学学报(上旬刊). 2019(06)
[2]实验室按年龄、性别分组建立甲状腺功能五项指标参考区间的必要性[J]. 王明雪,杨必伟,张华.  国际检验医学杂志. 2019(04)
[3]大数据时代的数据挖掘综述[J]. 蔡萌萌,张巍巍,王泓霖.  价值工程. 2019(05)
[4]数据挖掘研究综述[J]. 周九常,刘智明.  河南图书馆学刊. 2018(08)
[5]基于关联规则Apriori算法的真实世界复方苦参注射液治疗食管恶性肿瘤联用西药特征的研究[J]. 张颖慧,谢雁鸣,张寅,陈岑,庄严.  中药药理与临床. 2018(04)
[6]基于Apriori算法探讨姚梅龄教授诊治哮喘发作期病案的辨证规律[J]. 陈聪,谌松霖,王永华,陈孝红,石强.  世界科学技术-中医药现代化. 2018(07)
[7]关联规则算法在临床医疗诊断中的应用[J]. 姚旭升,杨静,谢颖夫,贺建峰.  软件导刊. 2018(03)
[8]基于关联规则分析的“真实世界”复方苦参注射液治疗肺癌中西药联合应用特征研究[J]. 杨会生,谢雁鸣,陈岑,庄严,张寅.  中国中药杂志. 2018(08)
[9]基于BP神经网络和RBF神经网络预测老年痴呆症疾病进展的对比研究[J]. 张文茜,苏海霞,尚磊,孙丽君,张玉海.  现代生物医学进展. 2017(04)
[10]基于遗传BP神经网络的肺音分类识别算法研究[J]. 姚小静,王洪,刘盛雄.  航天医学与医学工程. 2016(01)



本文编号:3217399

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3217399.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户68070***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com