基于神经网络的2型糖尿病并发症预测模型的研究

发布时间：2017-10-21 16:21

  本文关键词：基于神经网络的2型糖尿病并发症预测模型的研究

  更多相关文章： 神经网络 预测模型 2型糖尿病并发症 中医

【摘要】：目的：本研究旨在使用人工神经网络技术,把中医指标,例如中医舌象、脉诊和发病节气等,与糖尿病患者临床检验的生理生化指标相结合进行建模,初步探讨人工神经网络技术在糖尿病并发症建模上的应用,并探讨不同输入指标和中间隐含层神经元数对模型预测效果的影响。方法：首先利用EXCEL表对我校附属医院的相关纸质病例和影印病例进行结构化,筛选出2型糖尿病酮症病例数172条,糖尿病肾病病例数276条。然后对其中某些指标(如性别、职业、就诊节气等)进行分类便于进行数据的预处理,再根据神经网络对输入值的要求,把全部指标的值进行归一化处理,得到的数据介于0和1之间,在MATLAB7.4环境下和利用SPSS19.0环境下用人工神经网络工具建模,用均方差(MSE)和相关系数(R)和正确百分比来评价模型的准确性和稳定性。结果：本研究建立的基于人工神经网络的2型糖尿病并发症预测模型,能根据糖尿病患者的临床检验指标和中医症候,包括分类指标、连续指标、线性指标、非线性指标进行分析预测。预测模型的预测结果(R值)能达到91.26%。当输入层神经元为55个,中间隐含层的数量从20增加到30时,检验效果大于70%的从50%增加为65%,当去除二分类指标,中间隐含层神经元数从20增加到30时,检验效果大于70%的保持不变,测试效果大于70%的从80%增加到85%,检验效果大于80%的从40%增加到55%。结论：不同的神经网络对建模的结果有影响,不同的输入指标和中间隐含层神经元数对模型也有影响,当去除输入指标中的二分类指标以后,预测模型的检验效果和测试效果明显提升,当增加中间隐含层神经元数时,模型的预测效果也越好。人工神经网络技术能为疾病风险预测人员提供一种根据主观经验和预测需要的简便灵活的建模方法,有一定的可靠性,所得到的结果是符合规律、可解释的,加入适当的算法和扩大数据量,建模效果更显著。
【关键词】：神经网络 预测模型 2型糖尿病并发症 中医
【学位授予单位】：广州中医药大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R587.2
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 引言8-16
• 1.1 糖尿病并发症预测模型的研究背景及意义8-11
• 1.1.1 糖尿病简介8
• 1.1.2 中医对于消渴的阐述8-9
• 1.1.3 糖尿病并发症的种类及其危害9
• 1.1.4 中医治未病理论在指导疾病预防上的应用9-10
• 1.1.5 研究意义10-11
• 1.2 糖尿病及其并发症预测模型的国内外研究现状11-15
• 1.2.1 国外研究现状12-13
• 1.2.2 国内研究现状13-14
• 1.2.3 神经网络在中医药领域的应用14-15
• 1.3 研究内容简介15-16
• 第二章 糖尿病并发症预测模型的研究内容与方法16-20
• 2.1 研究内容16-17
• 2.2 研究方法17-20
• 第三章 数据的采集与清洗20-23
• 3.1 资料的来源20-22
• 3.1.1 采集指标的确立20-22
• 3.1.2 数据整理归纳22
• 3.2 数据的清洗22-23
• 第四章 基于MATLAB的糖尿病并发症预测模型的研究23-36
• 4.1 选用指标23
• 4.2 实测数据的归一化23-25
• 4.3 确定神经网络的拓扑结构25-26
• 4.4 确定神经网络模型参数26-27
• 4.5 用MATLAB建模27-36
• 第五章 基于SPSS的神经网络建模36-45
• 5.1 五十五个输入层神经元的多层感知器模型36-40
• 5.2 五十五个输入层神经元的径向基模型40-41
• 5.3 三十八个输入层神经元的多层感知器模型41-43
• 5.4 三十八个输入层神经元的径向基模型43-45
• 第六章 基于MATLAB的模型与基于SPSS模型的对比45-48
• 6.1 基于MATLAB的四个模型的比较45-46
• 6.2 基于SPSS的四个模型的比较46-47
• 6.3 基于MATLAB和基于SPSS的模型比较47-48
• 第七章 结果分析展望48-51
• 结语51-52
• 参考文献52-55
• 在校期间发表论文情况55-56
• 致谢56-57
• 统计学审核证明57

【相似文献】

中国期刊全文数据库 前10条

1 戴康;王晓琼;;神经网络在药动学评价中的应用[J];医药导报;2007年09期

2 蔡云;;收敛非线性神经网络的稳定性[J];国外医学.生物医学工程分册;1991年01期

3 王继成,吕维雪;基于神经网络的心电数据压缩[J];生物医学工程学杂志;1993年03期

4 段新昱,林家瑞;神经网络在心电信号分析处理中的应用[J];国外医学.生物医学工程分册;1993年01期

5 Miller A S ,张永红;神经网络在医学信号处理方面的应用[J];国外医学.生物医学工程分册;1993年04期

6 王继成;吕维雪;;基于符号神经网络的心脏疾病自动诊断[J];北京生物医学工程;1993年03期

7 刘子皇;;胞神经与类胞神经网络的动力学范围的准确估计[J];中山大学研究生学刊(自然科学版);1995年03期

8 邹睿,欧阳楷,刘悦;神经网络中的微心理学——兼论人工神经网络框架[J];山东生物医学工程;1998年01期

9 邹凌云;王正志;黄教民;;基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测(英文)[J];遗传学报;2007年12期

10 成刚;吴小玲;夏杰;张炯;肖富男;崔燕南;周荃;刘永康;李珊;;基于神经网络的环孢素血药浓度预测[J];中国生物医学工程学报;2009年06期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1074281