基于机器学习的智能医疗诊断辅助方法研究
发布时间：2021-01-31 20:50
智能计算技术的不断发展,推动了智能辅助系统在各行各业的广泛应用。在现代医疗中,医生运用其工作中积累的经验和医学知识对病情进行诊断,并得出结论。为了有效继承医生积累的诊断经验,研发人员提出了利用人工智能技术开发智能医疗诊断辅助系统的思路。本文针对上述问题,将机器学习技术引入医疗领域,讨论了一种基于机器学习的智能诊断辅助方法,并利用医院现有医疗病历数据,设计实现了相应的智能诊断辅助方法。本文的研究工作主要包括以下几个部分:首先,本文基于机器学习在自然语言处理中的应用技术,设计了面向电子病历的智能医疗诊断辅助系统的框架,将诊断辅助问题分别归纳为数据处理和病历文本分类问题。在数据处理部分,针对医疗病历数据文本具有明显医学专业语言的半结构化、信息多维等特性,本文研究设计了一种语义传播算法、基于医学语言特性的病历文本词库建立和创建具有医学语言特性的文本匹配模式,从而实现电子病历文本的向量化特征表达和基于匹配的特征提取。在病历文本分类部分,面向具体的电子病历文本数据,采用目前典型的支持向量机（SVM）和多层感知机（MLP）两种分类方法,分别进行疾病分类判别,通过对实验结果进行评测,对两种方法的性能进...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
机器学习应用于人脸识别
图 1.2 各模型在疾病诊断问题上的应用文献[11]表明基于人类大脑波动形成的图片，利用深度信念网络 (Deep BeliefNetwork, DBN)的相关技术建立一个有效的模型，可以实时有效的对脑部是否存在异常发病情况的主动检测有很显著的效果，并且它的速度甚至比 SVM 还快，为早期的治疗和判断提供有力帮助。文献[12]表明面对低级别鳞状上皮内病变，其数据来源于医疗设备检查结果，采用 DBN 的方法建立一个有效的模型进行诊断，实验中， DBN 在深度学习模型中分类效果处于较高水平。文献[13]表明基于医疗设备检查眼部后的图片，提供了一种卷积神经网络（ConvolutionalNeuralNetwork，CNN）和循环神经网络(RecurrentNeuralNetworks，RNN)相结合判断白内障疾病严重性的方式，判断准确性达到该领域历史最优。文献[14]表明基于脑部核磁共振的图像，利用堆叠自动编编码器（StackedAutoencoder,SAE）模型的方法建立一个有效的模型，可以将分类运用到小脑运动失调症的判断上，准确性得到显著提高。2、医学图像处理
图 1.3 各模型在医学图像处理问题上的应用文献[16]表明在超声波造影分析中，仅靠人工手段进行判断往往无法获得有效的诊断依据，甚至会被图像中存在的噪点干扰而形成误判，但是利用深度学习技术创建可定制的关于左心室心瓣内膜的超声波影像，却可以获得非常好的效果。文献[17]表明基于核磁共振后的前列腺图片分析中，仅靠人工手段设计的特征往往因为个人因素（即，知识、能力、素质等）的原因导致架构出来的特征不够全面的去表达需要的内容，容易造成遗漏甚至出错。然而利用深度学习技术分析而得到的抽象特征，却可以很好的分割图片，并且准确率比较高。1.3 本文研究内容与结构本文主要研究基于机器学习技术，设计一个智能诊断辅助方法。借助这个方法，为医护人员在诊疗时提供一个可靠的、有效的疾病分类辅助判断，对提高临床治疗、急救处理有着很大的帮助。对此，针对本课题研究内容和问题，本文结合医疗数据、分词工具等对课题进行研究，并将所做工作和文章结构安排如下：
【参考文献】：
期刊论文
[1]基于文本挖掘的电商企业评论打分机制有效性验证[J]. 胡发刚,谢军. 吉林工商学院学报. 2015(03)
[2]基于CRF的先秦汉语分词标注一体化研究[J]. 石民,李斌,陈小荷. 中文信息学报. 2010(02)
[3]基于TFIDF的文本特征选择方法[J]. 柴玉梅,王宇. 微计算机信息. 2006(24)
[4]一个面向文本分类的中文特征词自动抽取方法[J]. 付德宇,代成琴. 计算机工程与应用. 2006(15)
[5]中文文本分类中的特征选择研究[J]. 周茜,赵明生,扈旻. 中文信息学报. 2004(03)
[6]基于神经网络的智能诊断[J]. 虞和济,陈长征,张省. 振动工程学报. 2000(02)
[7]数据挖掘中的数据预处理[J]. 刘明吉,王秀峰,黄亚楼. 计算机科学. 2000(04)
[8]平面点集凸包的最优实时算法[J]. 王志强,洪嘉振,肖立瑾. 计算机学报. 1998(S1)
硕士论文
[1]基于BoW模型的图像分类方法研究[D]. 王莹.哈尔滨工程大学 2012
[2]中文文本分词研究[D]. 许林杰.山东师范大学 2003
本文编号：3011553
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
机器学习应用于人脸识别
图 1.2 各模型在疾病诊断问题上的应用文献[11]表明基于人类大脑波动形成的图片，利用深度信念网络 (Deep BeliefNetwork, DBN)的相关技术建立一个有效的模型，可以实时有效的对脑部是否存在异常发病情况的主动检测有很显著的效果，并且它的速度甚至比 SVM 还快，为早期的治疗和判断提供有力帮助。文献[12]表明面对低级别鳞状上皮内病变，其数据来源于医疗设备检查结果，采用 DBN 的方法建立一个有效的模型进行诊断，实验中， DBN 在深度学习模型中分类效果处于较高水平。文献[13]表明基于医疗设备检查眼部后的图片，提供了一种卷积神经网络（ConvolutionalNeuralNetwork，CNN）和循环神经网络(RecurrentNeuralNetworks，RNN)相结合判断白内障疾病严重性的方式，判断准确性达到该领域历史最优。文献[14]表明基于脑部核磁共振的图像，利用堆叠自动编编码器（StackedAutoencoder,SAE）模型的方法建立一个有效的模型，可以将分类运用到小脑运动失调症的判断上，准确性得到显著提高。2、医学图像处理
图 1.3 各模型在医学图像处理问题上的应用文献[16]表明在超声波造影分析中，仅靠人工手段进行判断往往无法获得有效的诊断依据，甚至会被图像中存在的噪点干扰而形成误判，但是利用深度学习技术创建可定制的关于左心室心瓣内膜的超声波影像，却可以获得非常好的效果。文献[17]表明基于核磁共振后的前列腺图片分析中，仅靠人工手段设计的特征往往因为个人因素（即，知识、能力、素质等）的原因导致架构出来的特征不够全面的去表达需要的内容，容易造成遗漏甚至出错。然而利用深度学习技术分析而得到的抽象特征，却可以很好的分割图片，并且准确率比较高。1.3 本文研究内容与结构本文主要研究基于机器学习技术，设计一个智能诊断辅助方法。借助这个方法，为医护人员在诊疗时提供一个可靠的、有效的疾病分类辅助判断，对提高临床治疗、急救处理有着很大的帮助。对此，针对本课题研究内容和问题，本文结合医疗数据、分词工具等对课题进行研究，并将所做工作和文章结构安排如下：
【参考文献】：
期刊论文
[1]基于文本挖掘的电商企业评论打分机制有效性验证[J]. 胡发刚,谢军. 吉林工商学院学报. 2015(03)
[2]基于CRF的先秦汉语分词标注一体化研究[J]. 石民,李斌,陈小荷. 中文信息学报. 2010(02)
[3]基于TFIDF的文本特征选择方法[J]. 柴玉梅,王宇. 微计算机信息. 2006(24)
[4]一个面向文本分类的中文特征词自动抽取方法[J]. 付德宇,代成琴. 计算机工程与应用. 2006(15)
[5]中文文本分类中的特征选择研究[J]. 周茜,赵明生,扈旻. 中文信息学报. 2004(03)
[6]基于神经网络的智能诊断[J]. 虞和济,陈长征,张省. 振动工程学报. 2000(02)
[7]数据挖掘中的数据预处理[J]. 刘明吉,王秀峰,黄亚楼. 计算机科学. 2000(04)
[8]平面点集凸包的最优实时算法[J]. 王志强,洪嘉振,肖立瑾. 计算机学报. 1998(S1)
硕士论文
[1]基于BoW模型的图像分类方法研究[D]. 王莹.哈尔滨工程大学 2012
[2]中文文本分词研究[D]. 许林杰.山东师范大学 2003
本文编号：3011553
本文链接：https://www.wllwen.com/yixuelunwen/yiyuanguanlilunwen/3011553.html
