基于相似约束LDA模型的糖尿病并发症发现方法

发布时间：2020-06-24 20:51

【摘要】：利用智能诊断方法发现患者病情并制定个性化诊疗方案成为医疗行业改革发展方向,也是医疗大数据实际应用的重要组成部分。随着EMR、HIS、PACS等医疗信息软件在我国的广泛普及应用,医院信息系统中沉淀有大量文本和影像等临床医学数据,为智能诊断的普及奠定了大数据基础。同时,随着生活节奏的加快和营养水平的提高导致我国肥胖人群显著扩大,由于肥胖是糖尿病的重要发病因素之一,使得我国糖尿病患者数量也随之增加。糖尿病并发症是糖尿病患者主要致死原因,如何有效发现并发症是提高患者生活水平的关键。随着病历数据规模的不断增大,如何有效从复杂多模态电子病历中简单高效的发现糖尿病并发症成为了一项具有挑战性的任务。本文首先定义了一种改进的主题发现模型,在此基础上挖掘了不同病程记录的潜在主题,然后通过时间序列特征提取方法和多标签分类算法模型对糖尿病患者进行并发症发现,最后通过对比实验完成了算法的验证,具体的研究内容如下:(1)本文提出一种基于病历相似度约束的MRS-LDA模型(Medical Records Similarity based Latent Dirichlet Allocation)。病程记录主题挖掘是后续并发症发现的基础,在潜在主题挖掘的基础上,分析了相似患者在住院过程中产生的病程记录的主题分布具有一定的相似性,针对糖尿病患者病历之间的相似性约束,给出了改进LDA算法。(2)设计了基于主题的多标签糖尿病并发症发现的算法过程,由于住院期间病程记录呈现的多维时序性特征,本文使用奇异值分解提取多维时序主题特征,并利用ECC(Ensembles of Classifier Chains)组合分类器链思想进行糖尿病并发症的多标签分类数据处理,通过多种分类算法的比较,得出适用于糖尿病并发症预测的分类模型。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R587.2
【图文】：

图 2. 1 Sigmoid 函数示图形Fig 2.1 The graph of Sigmoid function认为逻辑回归的问题是一个线性模型，假设实际 ( ) ( ) ，属性权重向量 ( ) ( ) 训练数据为如下表达式：

糖尿病患者病程记录Fig3.2Diabeticdiseasecourserecord

【参考文献】

相关期刊论文 前10条

1 毕艳;;中国糖尿病慢性并发症的流行病学研究现况[J];中华糖尿病杂志;2015年08期

2 王志国;朱佳怀;邹郢;黄丽丽;朱智明;;应用ICD编码提高入出院诊断符合率[J];解放军医院管理杂志;2015年06期

3 江贵平;秦文健;周寿军;王昌淼;;医学图像分割及其发展现状[J];计算机学报;2015年06期

4 金建国;;聚类方法综述[J];计算机科学;2014年S2期

5 杨锦锋;于秋滨;关毅;蒋志鹏;;电子病历命名实体识别和实体关系抽取研究综述[J];自动化学报;2014年08期

6 霍蕊莉;刘保延;何丽云;倪青;周雪忠;庞博;;基于主题模型的消渴病痹痿症药关系研究[J];北京中医药;2014年03期

7 徐卫华;陈友凌;严峥;;呼吸系统常见住院疾病诊断专家系统的设计与实现[J];浙江大学学报(医学版);2014年02期

8 李思男;李宁;李战怀;;多标签数据挖掘技术:研究综述[J];计算机科学;2013年04期

9 杨静;蔡峰;谭勇;郑光;李立;姜淼;吕爱平;;基于文本挖掘技术的偏头痛临床诊疗规律分析[J];中国中医药信息杂志;2013年02期

10 韩晓晖;马军;邵海敏;薛冉;;一种基于LDA的Web论坛低质量回帖检测方法[J];计算机研究与发展;2012年09期

相关博士学位论文 前1条

1 张小平;主题模型及其在中医临床诊疗中的应用研究[D];北京交通大学;2011年

相关硕士学位论文 前1条

1 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

本文编号：2728338