基于图序列模型的病例近似搜索和疾病辅助诊断算法研究

发布时间：2024-02-27 05:20

　　随着互联网技术的爆发式发展,大量的数据随之产生,医疗行业的数据增长幅度尤为突出。医疗大数据具有巨大的价值,尤其是在临床辅助诊疗和健康管理方面。如今中国的医疗服务行业中,供需不平衡的问题还没有得到充分解决,而且农村的医疗资源和医疗水平相对城市更加有限。新型智能医疗模式是一种新的医疗服务模式,它将依赖于新一代用户友好、实时的大数据分析和人工智能及机器学习工具来提供医疗服务。有效利用医疗数据,挖掘数据的深层价值,是未来智能医疗发展的重点。医疗数据通常是多模式的,包括结构化数据和非结构化数据。医疗数据建模已成为医疗大数据分析中一个非常重要且具有挑战性的问题。大多数现有建模方法出现的问题主要有:忽略数据的多模式,忽略医疗记录的时间特性,或忽略各种医学特征之间的显性和隐性关系。本文研究了基于知识图谱和时间序列的方法来建立多模式数据之间的联系,并在此基础上进行病例近似搜索和疾病辅助诊断相关的算法研究,以支持智能医疗的高效分析任务。1.首先,使用医学词典和从医院收集的实际临床数据建立一个语义丰富的医疗知识图谱数据库。2.研究一种图建模方法来弥合不同类型数据之间的差距,将每个患者的多模式临床数据融合并建...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 医疗数据处理研究现状
    1.3 论文研究内容
    1.4 论文组织结构
第二章 相关理论介绍
    2.1 知识图谱
        2.1.1 图论
        2.1.2 图编辑距离
    2.2 时间序列
        2.2.1 时间序列相似性度量
        2.2.2 时间序列预测
    2.3 KNN学习算法
    2.4 本章小结
第三章 病例数据建模
    3.1 医疗知识图谱构建
    3.2 病例图模型设计
    3.3 病例演化图序列模型设计
    3.4 本章小结
第四章 病例近似搜索研究
    4.1 单元树
    4.2 图映射距离
    4.3 基于图模型的病例近似搜索算法
        4.3.1 两层倒排索引
        4.3.2 Top-k单元树查询算法
        4.3.3 图KNN查询算法
        4.3.4 图范围查询算法
    4.4 对比实验
        4.4.1 实验数据
        4.4.2 实验设计
        4.4.3 评价指标
        4.4.4 实验结果分析
    4.5 本章小结
第五章 疾病辅助诊断研究
    5.1 图序列对齐距离
    5.2 基于懒惰学习的疾病辅助诊断算法
        5.2.1 三层倒排索引
        5.2.2 图序列相似性搜索策略
        5.2.3 KNN学习算法
    5.3 对比实验
        5.3.1 实验数据
        5.3.2 实验设计
        5.3.3 评价指标
        5.3.4 实验结果分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士期间的研究成果
致谢



本文编号：3912431