基于自编码器的肝病诊断模型的设计与实现

发布时间：2023-11-25 06:31

　　肝病因其高传染性、高发病率严重威胁着现代人的身体健康。深度学习的出现极大的促进了肝病诊断模型的发展,然而肝病数据的高维度、高噪声问题一直是影响模型准确率和效率的主要原因。因此如何利用深度学习从复杂的肝病数据中提取出重要的特征信息并建立准确、高效的肝病诊断模型是近年来肝病诊断研究的热点之一。本文以肝病诊断为主要研究对象,探讨诊断模型构建过程中的特征提取方法和诊断模型的建立。首先,基于改进的自编码器(AE)对肝病数据进行特征提取;然后建立了自适应集成栈式关联降噪自编码器肝病诊断模型(SISCDA);最后设计并实现了肝病辅助诊断系统。具体工作如下:(1)针对AE在特征提取过程中忽略了数据结构关系在重构过程中的变化,而导致特征提取能力不足的问题,提出了一种新的特征提取算法SCA。该算法通过在AE的目标函数中添加全局和局部关联性限制来保持重构前后的特征数据关系结构不变,并将添加了关联性限制的AE称为CAE。然后将多个CAE堆叠成栈式关联自编码器(SCA),以此来进一步提高算法的特征提取能力。在4组实验数据集上的实验结果表明,SCA特征提取算法的性能均好于其它机器学习特征处理算法以及传统的AE算法...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 肝病诊断
        1.2.2 基于深度学习的肝病诊断技术
    1.3 研究内容及论文结构
        1.3.1 研究内容
        1.3.2 论文结构
第二章 研究相关的基础知识介绍
    2.1 深度学习理论内容
        2.1.1 深度学习概念
        2.1.2 人工神经网络
        2.1.3 自编码器
        2.1.4 栈式自编码器
    2.2 特征处理
        2.2.1 特征选择
        2.2.2 特征提取
        2.2.3 自编码器特征提取
    2.3 集成学习
    2.4 本章小结
第三章 基于改进的自编码器特征提取算法
    3.1 概述
        3.1.1 关联性分析
        3.1.2 流形学习
    3.2 改进的自编码器SCA
        3.2.1 全局关联性限制
        3.2.2 局部关联性限制
        3.2.3 栈式关联自编码器
    3.3 实验与分析
        3.3.1 实验环境和数据
        3.3.2 实验评价指标
        3.3.3 实验及其结果分析
    3.4 本章小结
第四章 基于自适应集成学习的SISCDA肝病诊断模型
    4.1 降噪自编码器
    4.2 新提出的SISCDA肝病诊断模型
        4.2.1 SCDA模型
        4.2.2 SISCDA肝病诊断模型
        4.2.3 自适应权重
    4.3 算法流程
    4.4 实验与分析
        4.4.1 实验环境和数据
        4.4.2 实验及其结果分析
    4.5 本章小结
第五章 肝病辅助诊断系统的设计与实现
    5.1 系统分析
        5.1.1 需求分析
        5.1.2 开发环境介绍
    5.2 系统设计
        5.2.1 系统框架设计
        5.2.2 系统功能模块设计
        5.2.3 系统业务流程设计
        5.2.4 系统数据库设计
    5.3 系统核心功能模块实现
        5.3.1 数据预处理模块实现
        5.3.2 诊断模块实现
        5.3.3 统计分析模块实现
    5.4 系统运行界面展示
        5.4.1 系统主界面
        5.4.2 系统诊断界面
        5.4.3 结果统计界面
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
硕士期间研究成果



本文编号：3867456