基于XGBoost算法的骨科辅助诊断模型研究

发布时间：2020-07-03 20:46

【摘要】：随着大数据时代的发展,社会各领域开始通过数据信息探索辅助日常业务的工作方式,拥有超大量患者病例数据的医疗行业亦是如此。医疗行业借助统计学、机器学习、人工智能方法从数据中获得信息,并推动医疗事业发展。目前,统计学、机器学习、人工智能方法已从基因测序、医学影像、辅助诊断和药物研发等方面辅助医疗行业的工作,正在逐步实现医务工作者与机器的协作与共进,以便为患者提供更精准且智慧的医疗服务。本文针对智慧医疗领域中辅助诊断方面进行探索研究。辅助诊断是使用患者基本信息和病症信息,通过机器学习算法将对应数据映射到病情的推断与确诊的一种诊断系统。本文根据骨科医疗数据,构建了基于XGBoost算法的骨科辅助诊断分类预测模型,为验证该模型具有更好的预测效果,研究中加入了对比试验。实验结果表明,与决策树算法和随机森林算法相比,基于XGBoost算法的分类预测模型更适用于骨科数据,且具有更好预测效果。文章具体研究工作如下:由于本文主要研究智慧医疗领域中的辅助诊断,文章首先将辅助诊断问题转化为分类问题,建立辅助诊断模型。本文数据源于医院真实数据,为保证数据能够适用于模型,在数据收集与整理过程中对数据进行了预处理。在分析数据结构特点后,本文选取了XGBoost算法对数据类型复杂的医疗数据进行探索,从而辅助医生进行诊断。其次,为验证基于XGBoost算法的骨科辅助诊断分类预测模型的优势,本文选取了具有良好分类效果的决策树算法、随机森林算法与XGBoost算法进行对比研究。经过对比表明,XGBooost算法是适用于骨科辅助诊断模型的最优分类算法。最后,文章设计了一个搭载基于XGBoost算法的骨科辅助诊断分类预测模型的平台,通过该平台,可进一步实现骨科疾病的辅助诊断,并可将理论研究转化为实际应用。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.13;R68
【图文】：

文章结构组织

决策树模型

【参考文献】

相关期刊论文 前10条

1 刘洋;邬杨;刘俊辰;许天敏;崔满华;;大数据在医疗领域的应用和展望[J];现代肿瘤医学;2017年10期

2 余丽玲;陈婷;金浩宇;徐彬锋;;基于支持向量机和自回归积分滑动平均模型组合的血糖值预测[J];中国医学物理学杂志;2016年04期

3 陈斌;孙海钰;王东;刘亮;赵峰;李渊;毋斌强;景英川;;闭合性跟骨骨折切口并发症的相关因素分析[J];中华临床医师杂志(电子版);2015年11期

4 高汉松;肖凌;许德玮;桑梓勤;;基于云计算的医疗大数据挖掘平台[J];医学信息学杂志;2013年05期

5 李瑞龙;张强;;股骨颈骨折的外科治疗进展[J];医学综述;2011年14期

6 白春清;;中医专家系统三十年[J];医学信息(上旬刊);2011年02期

7 余帅帅;叶云程;曾碧新;;自身免疫疾病辅助诊断专家系统[J];计算机应用与软件;2011年01期

8 叶明全;姚应水;;应用粗糙集差别矩阵筛选医学诊断因子的研究[J];中国卫生统计;2009年03期

9 艾自胜;张长青;刘粤;孙源;余金明;王刚;贾伟涛;;股骨颈骨折内固定术后随访资料的Harris评分分析[J];中国修复重建外科杂志;2009年04期

10 陈平;乔秀全;刘臻;田小萍;;数据挖掘网格中决策树并行算法设计及性能分析[J];北京邮电大学学报;2009年S1期

相关硕士学位论文 前2条

1 毛艳慧;关联规则挖掘相关算法研究[D];西南交通大学;2009年

2 胡波;基于知识库的AISCP导医系统的设计与实现[D];苏州大学;2006年

本文编号：2740154