基于深度学习的糖尿病决策算法研究

发布时间：2021-06-05 23:58

　　由于糖尿病在世界范围内患病人数众多,对人造成的危害极大,近年来死亡率急剧上升。同时可怕的是会引发多种严重的并发症,比如高血压、肠胃疾病、糖尿病眼病、血管病变等等。当下还没有有效的治疗方案可以治疗糖尿病。因此,尽早发现是否患有糖尿病是降低糖尿病死亡率的关键。而近年来,随着深度学习在图片识别、自然语言理解、自动问答、机器翻译、情感分析以及股价预测等领域大放异彩,研究人员开始将深度学习应用于医疗诊断领域。糖尿病作为常见的非传染性疾病之一,深度学习应用于糖尿病预测上的研究更值得关注。目前学者们在研究糖尿病的预测课题时,一般会采用传统的机器学习方法。本文鉴于目前糖尿病预测的研究现状和深度学习的发展趋势,尝试利用开源深度学习平台—TensorFlow来搭建糖尿病预测模型,对糖尿病预测进行研究,主要工作有以下四个方面:1)深入研究了数据预处理的相关理论,对来自UCI的皮马印第安人糖尿病数据集进行数据的预处理,重点讨论了运用平均值替换缺失值的方法和利用信息增益算法（IG）进行特征选择来完成对糖尿病数据集的预处理工作。2)研究了基于K邻近算法（KNN）和渐进梯度回归树算法（GBDT）在糖尿病预测研究中的... 

【文章来源】：浙江理工大学浙江省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

感知机模型

图 2.6 感知机模型入和输出之间学习到一个线性关系，得到的中间输出结果，如公式 2-（18） = 2-着是一个神经元激活函数，如公式 2-（19）所示。 ( ) = < ≥ 2-而得到想要的输出结果 1 或者-1。个模型只能用于二元分类，且无法学习比较复杂的非线性模型，因此在工业而神经网络在感知机的模型上做了扩展，总结主要有三点：加入了隐藏层，隐藏层可以有多层，增强模型的表达能力，如图 2.7 所示，么多隐藏层模型的复杂度也增加了好多。

图 2.8 多个输入多个输出的神经网络图做扩展，感知机的激活函数是§ ￠( ) ，虽然简单使用的其他的激活函数，比如在逻辑回归里面使。 ( ) = T ￠ 、S￡ ¨ 和 R LU等。通过使用不同的激活知机的扩展，而 DNN 可以理解为有很多隐藏层的，DNN内部的神经网络层可以分为三类：输入层，

【参考文献】：
期刊论文
[1]深度学习技术在疾病诊断中的应用[J]. 王威,李郁,张文娟,田野,骞爱荣.  第二军医大学学报. 2018(08)
[2]基于深度学习的糖尿病患者的分类识别[J]. 刘飞,张俊然,杨豪.  计算机应用. 2018(S1)
[3]基于深度学习的电力骨干通信网故障诊断研究[J]. 张书林,刘军,闫龙川,王颖,张宁,刘识,唐佳,宋桂林.  软件. 2018(03)
[4]多媒体技术研究:2015——类脑计算的研究进展与发展趋势[J]. 黄铁军,施路平,唐华锦,潘纲,陈云霁,于俊清.  中国图象图形学报. 2016(11)
[5]2型糖尿病周围神经病变机制研究进展[J]. 杨秀颖,张莉,陈熙,杜冠华.  中国药理学通报. 2016(05)
[6]中国糖尿病的流行病学现状及展望[J]. 廖涌.  重庆医科大学学报. 2015(07)
[7]糖尿病相关心理痛苦的研究进展[J]. 陈玉凤,杨圣楠,楼青青.  中华护理杂志. 2015(03)
[8]数据挖掘技术在2型糖尿病风险评估模型中的应用[J]. 李剑,吴清锋,李舒梅.  赣南医学院学报. 2014(06)
[9]中国人群糖尿病疾病负担的系统评价[J]. 周海龙,杨晓妍,潘晓平,卢文学,刘祥,周欢.  中国循证医学杂志. 2014(12)
[10]决策树模型在住院2型糖尿病患者死因预测中的应用[J]. 马瑾,孙颖,刘尚辉.  中国卫生统计. 2013(03)

硕士论文
[1]基于深度学习的糖尿病辅助诊断及管理策略研究[D]. 刘阳.哈尔滨商业大学 2018
[2]中医药改善2型糖尿病胰岛功能的临床病例回顾性研究[D]. 刘彦汶.北京中医药大学 2018
[3]基于数据挖掘的销售预警模型分析与研究[D]. 黄嘉发.浙江理工大学 2018
[4]基于机器学习的肺癌患者预后模型的研究[D]. 宋一鸣.哈尔滨工程大学 2017
[5]基于机器学习算法的糖尿病预测模型研究[D]. 洪烨.哈尔滨工业大学 2016



本文编号：3213161