面向矮小症的智能辅助诊断模型研究

发布时间：2020-05-21 07:15

【摘要】：矮小症是中国儿童内分泌科最为常见的疾病之一,目前我国患儿数量高达800万。身材矮小不仅给患者造成严重的心理问题,同时还会影响他们的工作以及生活。社会必须重视矮小患者的工作与生活不便,所以矮小发病率的上升,会造成社会成本的加重。对矮小患者进行及时的诊断与治疗显得尤为重要。但目前,由于矮小症发病原因复杂,有许多医生不能准确诊断矮小的具体发病原因。因此建立矮小智能辅助诊断模型是非常有价值的,这不仅可以预测矮小具体病因,减轻专家医生的负担,还可以帮助偏远地区进行及早的诊断治疗。本文主要针对矮小症,通过机器学习的方法建立矮小智能辅助诊断模型,为病因预测提供决策支持。本文主要研究内容如下:(1)针对矮小症的课题背景,学习有关矮小症的理论知识,包括矮小症的定义、矮小症的病因分类以及医生的诊断方式与流程等。同时,还学习了在实验过程中用到的理论知识,包括中文分词,机器学习的分类算法以及模型评估的指标等。(2)对矮小电子病历进行预处理,将其从半结构化的文本转化为结构化数据。首先,对电子病历进行解析,然后提取出实验需要的文本信息。对这部分文本进行分词,去停用词,添加自定义词典等通过计算TF-IDF来选取实验所需的候选特征词。然后结合协和专家知识,得到最终的属性来建立分类器。(3)构建模型,首先使用C4.5决策树算法构建辅助诊断模型。为提升模型的泛化能力,在此基础上以C4.5算法作为Adaboost算法的基分类器构建了诊断模型。又针对实验过程中正负样本不均衡的问题,使用基于采样方式改进的Adaboost算法构建模型。(4)模型评估评估,分别从真正类率、真负类率以及准确率三方面对模型进行对比。通过实验得出,对Adaboost改进后的性能有较大提高,基于采样方式改进的Adaboost分类准确率为85%,所以优化后的模型更有助于对矮小病因诊断进行决策支持。
【图文】：

体格检查,影像学检查,思路,实验室实验

中北大学学位论文集、体格检查、实验室检查以及影像学检查等得到的各项指标来确诊它的具体断思路分为临床思路以及实验室思路。诊断的临床思路依据体格检查，实验室实验室检查以及影像学检查。临床思路中通过体格检查的各项指标，如生长速率、体型是否均匀、肥胖是否有骨骼畸形等来对矮小病因进行大致分类。诊断的临床思路如图 2.1 所示

思路图,实验室

图 2.2 诊断的实验室思路图病史采集终身高常与遗传（如种族、家庭、性成熟早晚、营养状况的好坏）、母亲营养、情绪、疾病状况、有无产道畸形、药物、放射线、烟酒等接触）、否患病、是否存在激素分泌不足的情况、生活生长环境等因素有关，所注意上述方面问题。采集包括：个人史、母孕史、既往史、家族史等。史：包括出生史，了解胎儿生长情况（胎儿的胎龄、分娩方式、出生体是否窒息等），并告知医生青春期的到来时间（提前或者延迟），以及生龄等等，使医生掌握患儿生长发育阶段的全部情况。史：母亲的妊娠过程是一个生命成长的过程，因此母亲的怀孕史可能会生长发育。需要掌握母亲是否有流产史，，胎儿的胎次、产次、孕期是否
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R725.8;TP311.13

【相似文献】