基于机器学习的医学辅助诊断算法研究

发布时间：2021-10-26 01:32

　　随着计算机技术及互联网的快速发展,医学临床数据不断累积,使得研究人员得以从大规模的数据中挖掘可用的信息,研究医学辅助诊断模型,并使之能够作为医学辅助诊断的技术手段成为医学研究领域的重要方向。机器学习算法不仅可以进行数据的模型学习,而且能够为用户快速做出医疗决策。近年来,大量的机器学习算法已成功应用于各种医学研究中。然而,单纯的分类模型已无法满足当前辅助诊断的需求,在机器学习算法的医学应用中,更加强调算法对生成结果的理解和可解释性。本文在国家自然科学基金（61471]24）项目的支持下,针对机器学习的分类解释性进行研究,提出数据预处理、可视化分类和规则提取算法,主要开展的工作和研究成果如下:一、本文设计结合missForest和合成少数类过采样技术的随机重采样预处理算法。针对医学数据存在的数据缺失和类别不平衡等特点,采用missForest处理样本中的缺失数据,在合成少数类样本的前提上,通过对不同类别样本有放回地随机重采样构建类别平衡的新数据集。在可视化分类和规则提取算法上验证了预处理算法的有效性。二、在经过预处理的数据集上,设计基于随机森林相似性矩阵的高维数据可视化（High-Qual... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

一原理示惫图

（ａ）线性可分?（ｂ）近似线性可分??图２４线性可分与近似线性可分情况??公式（２－９）被称作“间隔”。因此要找到具有“最大间隔”的超平面，即要找??出满足公式（２－７）式的《和６使得两个边界平面的距离最大：??

?基于机器学习的医学辅助诊断算法研宄???ｎ?ｊ?？?ｗ??ｍａｘ?；?ＺＨ?Ｗｙ?尺（ｘ，，＇?）??°?／＝１?＾?／＝１?７?＝?１??ｎ??ｓｔ．?［〇，＞＞，?＝?０，?（２－２２）??１＝１??０?＜“，，／？?＝?１，２，…，？??其中为核函数，见表２－４所示。最终构造的决策函数如公式（２－２３）。??ｆ｛ｘ）?＝?ｗ＇?（ｐ（ｘ）?＋?ｂ??＝么￥，扒?ｘ、ｒ?＜Ｋｘ、＋?ｂ?（２－２３）??／?二１??ｎ??＝Ｔ，ａ＜ｙｉＫ＾ｘ＾ｘ＜）＋ｈ??ｉ＝ｉ??

【参考文献】：
期刊论文
[1]无监督学习、GAN和强化学习将构建机器学习的未来[J]. Al Gharakhanian,张含阳.  机器人产业. 2017(02)
[2]基于SVM的肿瘤特征基因提取与基因表达数据分析[J]. 谭云,于彬,王琦然,王学敏,李珊,邱文莹.  重庆理工大学学报(自然科学). 2016(06)
[3]一种胎心率基线修正算法[J]. 李晓东,陆尧胜.  生物医学工程学杂志. 2015(05)
[4]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)
[5]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)
[6]粗糙集与支持向量机在肝炎诊断中的应用[J]. 王刚,刘元宁,陈慧灵,董浩,朱晓冬.  吉林大学学报(工学版). 2011(01)
[7]计算机辅助医学诊断系统的数据挖掘和知识发现研究[J]. 瞿爱珍,庄天戈.  国外医学.生物医学工程分册. 2002(03)

博士论文
[1]面向医学数据的随机森林特征选择及分类方法研究[D]. 姚登举.哈尔滨工程大学 2016
[2]面向智能决策问题的机器学习方法研究[D]. 陈慧灵.吉林大学 2012
[3]大肠早癌辅助诊断数据挖掘方法研究[D]. 廖志芳.中南大学 2008

硕士论文
[1]机器学习算法在医疗数据分析中的应用[D]. 叶雷.华中师范大学 2017
[2]基于特征提取和机器学习的医学图像分析[D]. 张旭亚.南京邮电大学 2011



本文编号：3458560