几类机器学习算法的比较及在过敏性鼻炎辅助诊断中的实证分析
发布时间：2021-11-05 17:41
近年来,我国的医疗信息化水平处于快速发展时期。各类临床数据包括居民的健康数据、临床试验数据、医学检验检查数据等数据的快速增长迎来了医疗行业的大数据时代,基于大数据技术的医疗改革大幕也就此拉开。因此从数据挖掘角度去探索医学数据的内在规律,对医学研究和疾病诊断具有极高的价值。本文主要研究的是三类机器学习算法的比较以及在智能医学领域辅助诊断方面的探索研究,比较了决策树、GBDT、XGBoost算法在计算机辅助诊断中应用。文章根据过敏性鼻炎的医疗数据,构建了基于XGBoost算法的过敏性鼻炎辅助诊断分类预测模型,并将基于该类算法过敏性鼻炎智能辅助平台应用到实际的诊疗工作中,提高了诊断的准确率,减轻了医生的诊疗负担。文章具体工作如下:本文首先研究了对医疗数据具有良好分类效果的决策树算法,GBDT算法以及XGBoost算法,比较了几类算法的优缺点。然后将医疗辅助诊断问题转化为分类问题,建立辅助诊断模型。为保证数据能够适用于模型,在数据收集与整理过程中对数据进行了预处理,特征做了扩充。在分析数据结构特点后,本文选取了XGBoost算法对过敏性鼻炎数据进行探索,进而建立了过敏性鼻炎辅助诊断智能平台。为...
【文章来源】：延安大学陕西省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
乳腺癌数据集的决策树图
几类机器学习算法的比较及在过敏性鼻炎辅助诊断中的实证分析-24-图3-3乳腺癌数据集的决策树模型Roc曲线Fig.3-3Roccurveofdecisiontreemodelforbreastcancerdataset图3-4乳腺癌数据集的GBDT模型Roc曲线Fig.3-4RoccurveofGBDTmodelforbreastcancerdataset图3-5乳腺癌数据集的GBDT模型准确率图Fig.3-5GBDTmodelaccuracydiagramofbreastcancerdataset
几类机器学习算法的比较及在过敏性鼻炎辅助诊断中的实证分析-24-图3-3乳腺癌数据集的决策树模型Roc曲线Fig.3-3Roccurveofdecisiontreemodelforbreastcancerdataset图3-4乳腺癌数据集的GBDT模型Roc曲线Fig.3-4RoccurveofGBDTmodelforbreastcancerdataset图3-5乳腺癌数据集的GBDT模型准确率图Fig.3-5GBDTmodelaccuracydiagramofbreastcancerdataset
【参考文献】：
期刊论文
[1]论物联网技术中大数据的应用[J]. 孙重阳. 电脑编程技巧与维护. 2018(10)
[2]单纯与合并过敏性鼻炎的支气管哮喘患者的临床特点比较分析[J]. 封敏,黄晓颖. 中国农村卫生事业管理. 2018(05)
[3]面向健康大数据的数据清洗技术[J]. 陈永红,廖欣,郑欣,陈雷霆. 现代计算机(专业版). 2017(17)
[4]血清IgG4和IgE在儿童过敏性哮喘和过敏性鼻炎中的应用[J]. 罗星星,陈展泽,许扬扬,区文华,麦智广,李炜煊. 国际检验医学杂志. 2017(04)
[5]支气管哮喘患者外周血Th1、Th2与Th17细胞表达水平及临床意义[J]. 高阳,杨帆. 解放军医药杂志. 2017(01)
[6]医疗体检数据预处理方法研究[J]. 林予松,王培培,刘炜,李润知,王宗敏. 计算机应用研究. 2017(04)
[7]C4.5算法的优化[J]. 黄秀霞,孙力. 计算机工程与设计. 2016(05)
[8]医疗健康大数据关键问题及对策研究[J]. 黄晓琴. 中国数字医学. 2016(05)
[9]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[10]美国联邦政府医疗信息化战略规划（2015-2020）内容简析[J]. 舒婷,梁铭会. 中国数字医学. 2015(02)
硕士论文
[1]基于Faster R-CNN的肺结节检测的研究与应用[D]. 张琦.济南大学 2019
[2]健康大数据预处理方法研究与实现[D]. 陈永红.电子科技大学 2018
[3]基于CT影像的肺癌检测与切除手术规划[D]. 许春媛.上海交通大学 2018
[4]基于特征选择的肺结节检测技术研究[D]. 朱禹萌.上海交通大学 2018
[5]基于Hadoop的医疗辅助诊断系统的设计与实现[D]. 周羿阳.东华大学 2016
[6]大数据环境下数据质量关键问题研究[D]. 范令.中国海洋大学 2015
[7]基于Hadoop的推荐系统的设计与实现[D]. 邓雄杰.华南理工大学 2013
[8]基于Relief特征选择算法的研究与应用[D]. 李晓岚.大连理工大学 2013
[9]基于Map-Reduce并行聚类算法的研究[D]. 于春深.西安电子科技大学 2012
[10]数据清洗算法的研究与应用[D]. 周奕辛.青岛大学 2005
本文编号：3478233
【文章来源】：延安大学陕西省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
乳腺癌数据集的决策树图
几类机器学习算法的比较及在过敏性鼻炎辅助诊断中的实证分析-24-图3-3乳腺癌数据集的决策树模型Roc曲线Fig.3-3Roccurveofdecisiontreemodelforbreastcancerdataset图3-4乳腺癌数据集的GBDT模型Roc曲线Fig.3-4RoccurveofGBDTmodelforbreastcancerdataset图3-5乳腺癌数据集的GBDT模型准确率图Fig.3-5GBDTmodelaccuracydiagramofbreastcancerdataset
几类机器学习算法的比较及在过敏性鼻炎辅助诊断中的实证分析-24-图3-3乳腺癌数据集的决策树模型Roc曲线Fig.3-3Roccurveofdecisiontreemodelforbreastcancerdataset图3-4乳腺癌数据集的GBDT模型Roc曲线Fig.3-4RoccurveofGBDTmodelforbreastcancerdataset图3-5乳腺癌数据集的GBDT模型准确率图Fig.3-5GBDTmodelaccuracydiagramofbreastcancerdataset
【参考文献】：
期刊论文
[1]论物联网技术中大数据的应用[J]. 孙重阳. 电脑编程技巧与维护. 2018(10)
[2]单纯与合并过敏性鼻炎的支气管哮喘患者的临床特点比较分析[J]. 封敏,黄晓颖. 中国农村卫生事业管理. 2018(05)
[3]面向健康大数据的数据清洗技术[J]. 陈永红,廖欣,郑欣,陈雷霆. 现代计算机(专业版). 2017(17)
[4]血清IgG4和IgE在儿童过敏性哮喘和过敏性鼻炎中的应用[J]. 罗星星,陈展泽,许扬扬,区文华,麦智广,李炜煊. 国际检验医学杂志. 2017(04)
[5]支气管哮喘患者外周血Th1、Th2与Th17细胞表达水平及临床意义[J]. 高阳,杨帆. 解放军医药杂志. 2017(01)
[6]医疗体检数据预处理方法研究[J]. 林予松,王培培,刘炜,李润知,王宗敏. 计算机应用研究. 2017(04)
[7]C4.5算法的优化[J]. 黄秀霞,孙力. 计算机工程与设计. 2016(05)
[8]医疗健康大数据关键问题及对策研究[J]. 黄晓琴. 中国数字医学. 2016(05)
[9]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹. 软件学报. 2015(11)
[10]美国联邦政府医疗信息化战略规划（2015-2020）内容简析[J]. 舒婷,梁铭会. 中国数字医学. 2015(02)
硕士论文
[1]基于Faster R-CNN的肺结节检测的研究与应用[D]. 张琦.济南大学 2019
[2]健康大数据预处理方法研究与实现[D]. 陈永红.电子科技大学 2018
[3]基于CT影像的肺癌检测与切除手术规划[D]. 许春媛.上海交通大学 2018
[4]基于特征选择的肺结节检测技术研究[D]. 朱禹萌.上海交通大学 2018
[5]基于Hadoop的医疗辅助诊断系统的设计与实现[D]. 周羿阳.东华大学 2016
[6]大数据环境下数据质量关键问题研究[D]. 范令.中国海洋大学 2015
[7]基于Hadoop的推荐系统的设计与实现[D]. 邓雄杰.华南理工大学 2013
[8]基于Relief特征选择算法的研究与应用[D]. 李晓岚.大连理工大学 2013
[9]基于Map-Reduce并行聚类算法的研究[D]. 于春深.西安电子科技大学 2012
[10]数据清洗算法的研究与应用[D]. 周奕辛.青岛大学 2005
本文编号：3478233
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3478233.html
