基于云平台的胎儿体征信号数据挖掘的研究

发布时间：2020-11-01 01:53

　　 随着生活水平不断的提高,人们对母婴健康的关注度与日俱增,与此同时针对母婴健康监护的研究有了迅猛发展。医学测量仪器技术的提高使得大量孕妇和胎儿体征信息可以被准确地记录下来,尤其随着智慧母婴健康监护信息系统在各大医院逐渐投入使用,医院数据库中存储的孕妇真实体检数据越来越多。建立医疗数据库可以从这些海量的数据集中运用各种数据挖掘技术建立胎儿健康预测模型,初步判断胎儿的健康情况,并将诊断结果实时的传输到云端数据库,最后将检查结果通过网络发送到用户手机上,让用户能够实时的了解腹中胎儿的健康情况。如若发现胎儿存在异常,及时寻求医生帮助,为营救胎儿争取宝贵的时间。本文主要研究数据挖掘算法在孕妇及胎儿体征信息分析中的应用,其中包括云平台的搭建、收集孕妇和胎儿的体征信息数据、提取孕妇体检检查项目、建立数据库存储模型以及胎儿健康预测模型,最后建立胎儿体征数据挖掘系统。论文主要工作如下:(1)在数据准备阶段,首先通过去医院向医生咨询,确定可以通过哪些检查项目判断胎儿的健康情况,并将这些检查项目汇总,设计电子档案存储结构,建立孕妇档案数据存储模型,并将数据存储到云端数据库;(2)数据预处理阶段,首先对收集的孕妇临床数据进行初步规范量化,然后采用遗传算法属性约简的优点提取能够判断胎儿健康情况的主要检查项目,期间通过实例展示了遗传算法的运行过程,为下一步胎儿体征信息数据挖掘做准备;(3)在数据挖掘阶段,通过实例分析了BP算法的运行过程,并针对BP算法的预测精度低、收敛速度慢等自身的不足,采用遗传算法与改进后的BP神经网络算法相结合的GABP算法,利用遗传算法寻优的优势对特征属性进行约简,将约简后的属性特征作为改进后的BP神经网络的输入,简化BP神经网络结构模型。对比约简前的BP神经网络算法与属性约简后的BP算法对胎儿诊断模型的准确率以及训练时间;(4)最后设计实现集孕妇档案管理数据库(增删改查)与胎儿健康预测分类于一体的孕妇及胎儿体征数据挖掘系统。
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R714.5;TP311.13
【部分图文】：

据以某妇产科医院实际采集的孕妇体检数据为基础，其中包括 7根据孕周的不同将数据进行分类，采集的数据主要集中在孕周为 条数据中有 102 条数据的医院检测结果为正常胎儿，有 48 条数据个数据样本包括孕妇的孕周、身高、体重、宫高、血压（高、低心监护、羊膜镜检查结果、血常规中 24 项生理指标、尿常规中标、肝功能肾功能等指标来判断胎儿的实际情况。在本项实验中，100 个数据做为神经网络训练集（其中包括胎儿正常的样本 68 个下的 50 个样本做为神经网络的测试集（其中，胎儿正常样本为 具体选取情况如表 4.3 所示。表 4.3 样本统计表总数： 150 胎儿健康： 102 胎儿异常： 样本总数 100 胎儿健康： 68 胎儿异常： 样本总数 50 胎儿健康： 34 胎儿异常： 首先运用 BP 神经网络进行学习计算，初始 BP 网络模型根据样本果的个数设置为 65-33-1 的三层结构。隐含层个数的设置利用综

杭州电子科技大学硕士学位论文数取对数之后在加 1 进行设置，最后将隐含层设置为 33 个箱中的神经网络函数，设置网络的学习训练目标为 0.0001，T=1层的传输函数采用 tansig 函数和 purekin 函数，利用 trainlm 作为为默认值。将优化前的 65 项特征属性利用 GA 算法进行约简计算，并将优化 神经网络的输入进行学习，优化后的特征属性为 36 项，决策属性调整为 1E-10，其他参数保持不变。GA 算法优化后的神经网络结

为 胎儿健康 。图 4.9 BP 模型分类结果图 4.9 为 GABP 模型的分类结果，其中 O 表示实际医院的检测结果，*表示 GABP 算法的预测结果。其中 1 1 表示医院和算法预测的结果相同，都表示胎儿正常。0 0 表示医院和算法预测的结果也相同，但是胎儿为异常。1 0 和 0 1 表示医院和算法预测的结果不同，则证明GABP 算法分类错误。最终将胎儿健康预测模型的分类结果总结为以下四种情况，如表 4.4所示。
【参考文献】

相关期刊论文 前10条

1 朱习军;陈亚楠;董国华;;Apriori改进算法在哮喘病案数据挖掘中的应用[J];徐州工程学院学报(自然科学版);2015年03期

2 张会敏;叶明全;孟婷玮;陈玥珠;;遗传算法优化BP神经网络的老年痴呆症智能诊断[J];中国数字医学;2014年07期

3 王春雨;王立准;魏瑜帅;;数据挖掘在结构化电子病历中的应用[J];医学信息学杂志;2014年03期

4 刘羿;陈宝钢;;数据挖掘的应用及优化浅析[J];电子商务;2014年03期

5 施俊华;叶保留;李朝品;;BP神经网络的医学数据挖掘[J];计算机与现代化;2013年03期

6 朱晨杰;杨永丽;;基于MapReduce的BP神经网络算法研究[J];微型电脑应用;2012年10期

7 汪菊琴;;医学数据挖掘综述[J];电脑知识与技术;2011年15期

8 冯锋;徐琪;;基于神经网络模式的遗传算法在CRM的数据挖掘优化研究[J];黑龙江大学自然科学学报;2010年06期

9 陈功;范晓薇;蒋萌;邹建东;沈宫建;姜险峰;;数据挖掘与医学数据资源开发利用[J];北京生物医学工程;2010年03期

10 吴学工;李桂霞;;医学数据挖掘及其隐私保护的研究[J];河北医科大学学报;2009年09期

相关硕士学位论文 前8条

1 董国华;基于数据挖掘的中医诊断智能信息化技术研究[D];青岛科技大学;2015年

2 黄新安;胎儿心率检测算法的研究[D];江南大学;2015年

3 方洪鹰;数据挖掘中数据预处理的方法研究[D];西南大学;2009年

4 王银年;遗传算法的研究与应用[D];江南大学;2009年

5 彭海强;基于智能算法的医学数据挖掘[D];北京交通大学;2009年

6 李保洋;特征选择在中医数据挖掘中的应用研究[D];北京交通大学;2008年

7 王鲁;基于遗传算法的多目标优化算法研究[D];武汉理工大学;2006年

8 蒋良孝;基于神经网络的医疗数据挖掘研究[D];中国地质大学;2004年

本文编号：2864850