基于深度学习的糖尿病视网膜病变诊断与分析

发布时间：2021-10-11 08:53

　　目前由于人类生活环境受到了比较严重的污染以及人们生活节奏较为快速,患病人数不断增加,疾病病因越来越复杂化,导致人类的健康受到了严重的威胁,针对患者是否患病的正确诊断显得尤为重要。本文以2型糖尿病视网膜病变为例,提出将机器学习传统方法和深度学习方法相结合,设计并实现了三种模型,共同解决两大问题,一是对该疾病特征进行分析,重点输出该疾病的重要性特征排序;二是对该疾病进行诊断。目前在疾病诊断领域中,深度学习方法更依赖所获取的图像进行诊断分析,本课题使用电子医疗记录信息进行相关实验,主要工作如下:（1）建立了基于逻辑回归的疾病特征分析模型,着重对疾病特征进行重要性排序,以便找出对疾病影响最为关键的指标,为医生提供诊断参考。实验分析结果显示,糖化血红蛋白浓度与慢性肾病是2型糖尿病视网膜病变的危险因素。（2）建立了基于多层感知机的诊断模型,以便自动精准地对病人病情进行诊断。实验结果显示,该模型取得了91.01%的诊断准确率。（3）提出一种基于卷积神经网络的诊断模型—BNCNN,该模型可以有效地防止梯度弥散,加速网络训练。实验结果显示,BNCNN模型取得了97.6%的诊断准确率。 

【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

决策树结构图

感知机Fig2-2Perceptron

第二章相关理论与技术概述22根据算法的形式来看两种算法都是相同的，但是两种算法在进行计算的时候实际上有着很大的区别，其差异为：①算法1需要依据对感知机输出的误差进行分析以后才能够实现对权值的更新。而算法2则需要依据对输入的非阈值化线性组合的误差进行分析以后才能够实现对权值的更新。②使用增量法则进行训练的时候，每一次都需要对全部的训练样本进行遍历，并且对每一个训练样本所获得的权向量的差值进行累加，最终将得到的这个差值与初始权向量进行相加得到最终的结果。而使用感知器学习规则进行训练的时候每增加一个训练样本都会进行权值的更新，最终将获得损失函数相对较小的权向量。使用增量法则在进行训练的时候其训练的效率较低。3.多层感知机多层感知器（Multi-LayerPerceptrons,MLP），包含多层计算。一个典型MLP的组成结构如图2-3所示。图2-3多层感知机Fig2-3Multi-LayerPerceptrons2.2.2卷积神经网络卷积神经网络作为一种高效识别算法实际上是近些年才开始逐渐发展的，并在出现以后就得到了广泛的关注[58]。1960年，Hubel和Wiesel在研究猫脑皮层中作用于局部敏感和方向选择的神经元时发现了其比较独特的网络结构能够使反馈神经网络的复杂性降低，并提出了CNN[58]。目前该网络已经在很多领域都成为了研究热点，尤其是模式分

【参考文献】：
期刊论文
[1]基于深度学习方法的慢性阻塞性肺疾病危重度分类研究[J]. 应俊,杨策源,李全政,薛万国,黎檀实,曹文哲.  生物医学工程学杂志. 2017(06)
[2]自然语言处理中的深度学习:方法及应用[J]. 林奕欧,雷航,李晓瑜,吴佳.  电子科技大学学报. 2017(06)
[3]用于糖尿病视网膜病变检测的深度学习模型[J]. 庞浩,王枞.  软件学报. 2017(11)
[4]预测恶性孤立性肺结节logistic回归诊断模型的建立[J]. 喻微,叶波,续力云,王兆宇,王善军,曹捍波,陈志军,张永奎.  温州医科大学学报. 2017(09)
[5]基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断[J]. 吕鸿蒙,赵地,迟学斌.  计算机科学. 2017(S1)
[6]面向自然语言处理的深度学习研究[J]. 奚雪峰,周国栋.  自动化学报. 2016(10)
[7]基于非监督特征学习的兴趣点检测算法[J]. 周来恩,王晓丹.  计算机科学. 2016(09)
[8]感染性疾病实验室诊断方法的Logistic回归分析[J]. 王春晖,刘露,吴学朕,廖惠贞.  检验医学与临床. 2016(07)
[9]基于弹性网-SVM的疾病诊断关键特征识别[J]. 梁丽军,刘子先,王化强.  计算机应用研究. 2015(05)
[10]一种新的组合分类器学习方法[J]. 郭华平,袁俊红,张帆,邬长安,范明.  计算机科学. 2014(07)

硕士论文
[1]基于深度学习的心脑血管疾病预测方法研究[D]. 马宗帅.西安建筑科技大学 2015
[2]基于深度学习的图像识别算法研究[D]. 丰晓霞.太原理工大学 2015
[3]基于ROC的分类算法评价方法[D]. 骆名剑.武汉科技大学 2005



本文编号：3430193