基于机器学习算法的医疗数据处理与分析

发布时间：2021-03-03 04:47

　　随着医疗信息系统的不断优化进步,各个医疗单位都积攒了大量的信息。这些数据包括体检数据,临床上的电子病历,医学影像等等,还有各个医疗单位的数据,比如医保数据等。这些数据实际上蕴含着巨大的应用价值和商业价值。本论文分别基于从医疗数据机构获取的体检数据和医保数据,针对不同数据的特点设计了不同的算法方案,进行了预测分析与研究。本文主要做了以下工作:1.针对医院提供的体检数据和诊断数据的特点,对数据进行预处理,包括数据的清理,集成,转换和数据简化。对于特征矩阵中大量缺失的数据值,提出了使用矩阵填充的方法填充缺失的数据,生成新的数据集用于预测。实验结果表明,通过提出的矩阵填充方法,能够有效提升脂肪肝疾病预测的预测模型准确率。2.研究并提出了两种疾病的预测算法。对于诊断数据中患病人数最多的淋巴细胞增生,提出了基于决策树算法的训练预测模型,并且达到了 98.20%的准确率。论文对脂肪肝疾病也进行了预测,通过数据简化后的数据集并采用基于逻辑回归的算法预测,准确率为87.75%。通过分析了数据集的特点并对原始数据集进行一系列的优化处理,包括降维,特征选择,剔除缺失严重的数据,缺失值填充等,将预测准确率提升... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

原始的体检数据表和诊断数据表

为了更好的用图示表示出矩阵填充的效果，先使用－个较小的数据集来实验。??本实验先产生一个１０ｘ１０的随机数组，并且用ｍａｓｋ去取模，只保留矩阵的大约??４０％的数据，得到的矩阵Ａ和ｍａｓｋ如图３－４所示??２５??

?－２?０?２?４?６?８?１０??图３－６矩阵Ａ和ｍａｓｋ填充前后的图像??将这些数据前后的结果画成图像如图３－６所示。图３－６中左上角为原来缺失??的矩阵，右上角为补充之后的矩阵，下面的是ｍａｓｋ在填充前后的情况。??针对本文用到的数据集，由于数据量太大，这里截取出部分的填充效果如图??３－７所示。??０?１?２?３?４?５?６?７??〇?１．５６０?１２．０００?ｎａｎ?ｎａｎ?４．６００?２９．５０６?ｎａｎ?ｎａｎ??１?１．０８０?３１．６００?１．０６０?３３．０９０?５．１００?２３．７００?１．３００?０．７００??２?２．８３０?２２．０抑?１．２３０?２７．０００?６．５００?２３．９００?２．１０６?１?．〇０？??３?０．７６０?２１．０６６?０．８６０?１８．０００?４．１００?２１．１６０?１．１００?０．８６６??０?１?２?３?４?５?６?７??〇?１．５６０?１２．００８?１．５３１?４７．６６７?４．６０６?２９．５００?１．８７８?１．０１１??１?１．０８０?３１．８０６?１．０６０?３３．０００?５．１０６?２３．７的?１．３００?０．７０Ｃ??２?２．８３０?２２．０００?１．２３０?２７．９００?６．５９０?２３．９００?２．１６６?１．００６??３?０．７６０?２１．００８?０．８６０?１８．６００?４．１的?２１．１００?１．１００?０．８０＃崳?图３－７本文实验部分数据填充前后对比??对于那些有很多缺失数据的数据集

【参考文献】：
期刊论文
[1]决策树算法的研究综述[J]. 田欣.  现代营销(下旬刊). 2017(01)
[2]粗决策树动态规则提取算法研究及应用[J]. 陈丽芳,王云,张奉.  计算机应用. 2015(11)
[3]基于关联规则Apriori算法改进[J]. 邹金萍,高俊.  信息通信. 2015(06)
[4]决策树在诊断疾病中的应用[J]. 张晓慧.  蛇志. 2014(01)
[5]大数据时代中如何进行医疗数据挖掘与利用[J]. 吴汉华.  硅谷. 2014(05)
[6]支持向量机理论发展与应用综述[J]. 邵福波,董玉林,胡运红.  泰山学院学报. 2013(06)
[7]决策树模型在住院2型糖尿病患者死因预测中的应用[J]. 马瑾,孙颖,刘尚辉.  中国卫生统计. 2013(03)
[8]贝叶斯网络在医学领域中的应用研究[J]. 张月,黄钢,章小雷,田理政,曾词正.  中国医学创新. 2013(04)
[9]Logistic回归模型在医学上的一个应用[J]. 董永权,徐付霞.  数学的实践与认识. 2012(21)
[10]基于矩阵填充的小波图像压缩算法[J]. 郭慧杰,赵保军.  系统工程与电子技术. 2012(09)

硕士论文
[1]矩阵填充理论方法分析[D]. 马晓慧.浙江大学 2012
[2]人类基因组碱基组成的统计研究[D]. 李秋平.兰州大学 2008



本文编号：3060634