数据挖掘算法在心脏病医疗诊断系统中的应用研究

发布时间：2021-07-11 09:56

　　心脏病是一种十分常见的高发性疾病,主要的疾病类型有风湿性心脏病、先天性心脏病、高血压心脏病、心肌炎、冠心病等,心脏病已经成为导致人类死亡的主要因素之一。现在心脏病的病发率普遍的年轻化趋势不由得引起医学研究的重视。由于心脏病的病理种类十分繁多、影响其变化因素也是多种多样,如何能提高心脏病的医疗诊断,并对其进行更早的干预与治疗是急需解决的问题。随着心脏病医疗诊断系统的研究越来越受到各界人士的广泛关注,对于心脏病的研究也成为各个学科交叉研究的热门研究领域。通过对各方面的资料了解,基于数据挖机技术的数据挖掘算法中的分类算法对于心脏病医疗诊断系统的研究众多,主要集中在神经网络算法、支持向量机算法等。论文在这两种算法的基础上增加了决策树算法与其相对比,参考三种经典分类算法的优劣,提出优化的分类算法Co-Svm。基于在数据挖掘算法建立心脏病诊断分类器,旨在心脏病诊断问题上,探究这四种算法究竟哪一种更加适用,并进行优化。对心脏病的病因、影响因素及获取的数据进行简要的说明,由此可知数据的准确性与科学性,进一步提升了创建心脏病临床诊断模型的真实性与可靠性。进行数字化的数据信息处理、针对四种不同数据的有效挖... 

【文章来源】：内蒙古财经大学内蒙古自治区

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

各省心脏病的患病情况分布

全国心脏病健康指数

图 2-1 数据挖掘实施流程图步骤一：业务理解。对于业务理解有很多误解，业务理解的实质就是要先确定要实施数据挖掘的问题和想要得到的目标。一般的过程是先要进行业务的调研理解明确问题的定位、制定相应的目标、最后进行业务的分析。只有全面的理解了业务法才能准确有效的进行实施。

【参考文献】：
期刊论文
[1]急性心肌梗死病人应用五级法早期康复的护理价值[J]. 王萍.  世界最新医学信息文摘. 2018(A1)
[2]关联规则优化的心脏疾病诱发因素检测算法[J]. 毛颉,王红玉.  控制工程. 2017(06)
[3]基于深度学习的疾病诊断[J]. 陆家发,张国明,陈安琪.  医学信息学杂志. 2017(04)
[4]数据缺失情况下基于支持向量机的心脏病诊断[J]. 陈将宏,万华舰,张清河.  数学的实践与认识. 2017(02)
[5]海量医学数据中的特定数据挖掘模型仿真分析[J]. 李翠霞,王有为.  计算机仿真. 2016(08)
[6]大数据背景下医学数据挖掘的研究进展及应用[J]. 秦文哲,陈进,董力.  中国胸心血管外科临床杂志. 2016(01)
[7]中国成人的心血管健康状况[J]. 李学永.  中国循证心血管医学杂志. 2015(03)
[8]一个广义三次样条光滑半监督支持向量机[J]. 张晓丹,马菁改.  工程科学学报. 2015(03)
[9]数据挖掘技术在心脏病诊断建模中的应用研究[J]. 邵峰峰.  福建电脑. 2015(02)
[10]支持向量机在心脏病数据分析中的应用[J]. 葛广为,王元亮.  现代计算机(专业版). 2015(06)

博士论文
[1]综合性医院医学检验资源优化管理研究[D]. 张波.第三军医大学 2016
[2]先天性心脏病标记物组关系模型的建立及其血清因子与易感基因关联的GO功能解析[D]. 刘敏.郑州大学 2015
[3]基于数据耕种与数据挖掘的系统效能评估方法研究[D]. 鞠儒生.国防科学技术大学 2006

硕士论文
[1]基于数据挖掘技术对心脏病诊断的研究[D]. 岳千.陕西科技大学 2018
[2]基于特征选择的医学图像分类方法及其应用研究[D]. 郭凯文.长春工业大学 2017
[3]三种机器学习方法在冠心病筛查中的比较研究[D]. 逄凯.吉林大学 2016
[4]基于DTW的冠心病舒张期信号特征提取研究[D]. 邵丹.西华大学 2015
[5]基于人群搜索—支持向量机的心脏病多生理参数诊断方法研究[D]. 董慧康.河北工业大学 2015
[6]医疗费用支付影响因素差异性研究[D]. 韩江霞.吉林大学 2014
[7]基于神经网络的数据挖掘分类算法比较和分析研究[D]. 常凯.安徽大学 2014
[8]基于学习的心脏病理识别技术研究[D]. 陶泳任.浙江大学 2014
[9]基于变量加权的核函数的SVM及其应用研究[D]. 胡蕾.湖南大学 2013
[10]粒子群优化算法及支持向量机应用研究[D]. 徐水华.广西民族大学 2011



本文编号：3277865