基于血液检测数据的计算机辅助医疗诊断系统构建

发布时间：2021-05-08 05:42

　　近些年,随着医学信息数据库的不断建立和完善,人工智能+医疗健康成为当今医疗健康行业转型的重要方向,而计算机辅助医疗诊断逐渐成为人们关注的热点领域。本文利用机器学习方法对临床检验数据进行深入挖掘,基于临床需求建立稳健的计算机辅助医疗诊断系统去识别恶性疾病,从而辅助医生快速识别恶性疾病并及时采取应对措施。这套系统的成功构建不仅意味着能够发现本文研究的疾病和常规血液指标之间的深层关联,更有助于探索其他类型疾病和多组分血液指标之间的相关性。第一章,首先简单介绍了常规血液检测的临床现状、方法和意义,大致概括了医学大数据在实施精准医疗过程中发挥的重要作用,同时阐述了目前组织活检和液体活检在临床应用方面各自的不足之处,还对计算机辅助诊断的研究进展和优势进行了总结,最后详细介绍了本文主要涉及的机器学习算法——随机森林。第二章,利用随机森林算法对筛选出的19个常规血液指标进行复杂组合构建的模型可以从肺结核患者和健康人群中准确地识别出肺癌患者。这项研究总共收集了277名具有49项常规血液指标的患者,其中包括183名肺癌患者和94名非肺癌患者。经过10折交叉验证之后,该模型的敏感性、特异性和准确度分别达到0... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 临床上常规血液检测的现状
        1.1.1 常规血液检测的临床价值
        1.1.2 医学信息数据库的建立和完善
    1.2 液体活检和组织活检的现状
        1.2.1 组织活检的临床价值
        1.2.2 液体活检的潜力价值
    1.3 计算机辅助诊断系统的进展
        1.3.1 计算机辅助诊断的简介
        1.3.2 计算机辅助诊断的现状
    1.4 随机森林
        1.4.1 RF的原理
        1.4.2 RF的优缺点
        1.4.3 RF的应用
    1.5 研究的目的和意义
第二章 基于常规血液指标的肺癌与肺结核识别
    2.1 引言
    2.2 材料和方法
        2.2.1 材料来源
        2.2.2 机器学习方法
        2.2.3 验证方法
    2.3 结果与讨论
        2.3.1 模型选择
        2.3.2 临床相关性
        2.3.3 肺癌的常规血液指标模型的网站服务
        2.3.4 性能比较
        2.3.5 关键血液指标分析
    2.4 小结
第三章 基于机器学习和常规血液检测指标从多种胃部疾病和癌症中识别胃癌
    3.1 引言
    3.2 材料和方法
        3.2.1 材料来源
        3.2.2 机器学习方法
        3.2.3 验证方法
    3.3 结果与讨论
        3.3.1 交叉验证集和外部验证集都具有良好的识别性能
        3.3.2 GCdiscrimination的 Web服务器测试方法
        3.3.3 GCdiscrimination的显著优势
        3.3.4 不同群体的主要特征存在显著差异
    3.4 小结
第四章 基于血液常规检测和T-SPOT.TB结果对活动性结核识别
    4.1 引言
    4.2 材料和方法
        4.2.1 材料来源
        4.2.2 机器学习方法
        4.2.3 验证方法
    4.3 结果与讨论
        4.3.1 模型构建结果和分类性能
        4.3.2 性能比较
        4.3.3 分析选择的关键特征
        4.3.4 进一步分析肺内结核和肺外结核
        4.3.5 这种方法的网站服务
        4.3.6 ATBdiscrimination方法的限制和展望
    4.4 小结
参考文献
在学期间的研究成果
致谢



本文编号：3174784