基于大数据的中医哮喘病诊疗智能化方法研究

发布时间：2021-09-29 18:20

　　近年来随着大容量存储设备、可穿戴技术以及医疗卫生行业信息化的迅速发展,中医病案数据的增长速度史无前例。中医哮喘病病案数据具有高维度、高复杂性以及非线性等特点,导致利用传统的机器学习算法和数学统计等方法很难建立准确的中医疾病预测模型。与传统的机器学习算法相比,深度学习可以从大量数据中自动地学习复杂的数据表示,并且具有较高的精度与泛化能力。因此本文主要研究基于深度学习的中医诊疗智能化方法,主要包括哮喘病主要症状中的大鱼际掌纹阴阳性的识别分类以及哮喘病症状-证型的分类研究,主要工作内容如下:（1）大鱼际掌纹的阴阳特征和哮喘病患病有直接的关联性,因此本文提出了优化的YOLO V3模型对手掌图片中阴阳两类大鱼际掌纹进行识别。首先使用改进的K-means算法对掌纹图像数据集进行聚类分析以确定YOLO V3的最佳的先验参数,优化模型参数;然后采用了数据增强的方式对图像数据进行模糊、翻转、缩放处理来扩大数据量,进一步并提高网络的性能。实验结果表明,优化后的YOLO V3模型具有更高的效率以及较高的识别准确率,对哮喘病症候-大鱼际掌纹的阴阳性识别准确率达到了92.5%;（2）数据挖掘的关键技术是构建标准... 

【文章来源】：青岛科技大学山东省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

论文的结构安排Fig.1-1Structureofthethesis

用这些知识和规律建立用于决策的知识模型，从而提供疾的方法或者工具[28]，在海量的病案数据中发现模型与数据掘数据挖掘简介代里，医院信息管理系统（HIS）所产生的数据每分每秒挖掘技术是中医哮喘病病案数据处理中最基础也是最关键对海量的数据中的有用知识进行提取，属于一种更先进的的来说，数据挖掘[29]就是一种知识发现，从海量的、随机数据之间的规律，从而挖掘出有价值和有用的知识信息。关的算法和分析工具找到数据和模型之间的关系，然后进归到真实的模型，主要目的就是从大型数据库中“淘金”案数据挖掘的应用场景。

图 2-2 数据挖掘的基本流程Fig.2-2 The basic procedure of data mining（1）制定业务对象：确定中医病案数据集的来源；（2）数据准备：这一阶段主要是根据用户需求采样目标数据，因为采样的数据通常是有噪声的、缺失的的甚至包含有不一致的数据。因此必须对数据挖掘中涉及的数据对象进行预处理。数据预处理还包括以下过程:A. 数据筛选过滤：利用数据筛选的方式可以从原始数据样本中过滤掉无用的观测值样本；B. 数据变量转换：数据变量的转换是为了使数据集和构建好的算法模型具有更好的拟合效果。首先根据需求将观测值数据进行某个变量的转换，随后将转换好的数值作为新的变量值存储在样本数据中；C. 缺失值处理：如果大量有用的信息丢失，样本数据中所包含的不确定性因素就会更加明显，这将对数据挖掘的过程产生不利的影响，造成不可靠的信息输出。为了降低数据挖掘结果与实际应用之间的误差，应采用特殊的方法对缺失

【参考文献】：
期刊论文
[1]集成学习算法在中医证型分类预测中的应用[J]. 张守宾,朱习军.  计算机工程与科学. 2019(02)
[2]中医证候模型的发展及意义[J]. 任汝静,杜成成,李晓强,洪坤,尹婷,沈建英,谭余庆.  中国中医药信息杂志. 2018(12)
[3]一种基于YOLO算法的鱼群检测方法[J]. 沈军宇,李林燕,夏振平,张艳宁,温尧乐,胡伏原.  中国体视学与图像分析. 2018(02)
[4]中医辨证方法体系概述[J]. 宋美芳,侯雅静,卞庆来,彭晨习,孙雪彬,陈家旭.  湖北中医药大学学报. 2018(03)
[5]咳嗽变异性哮喘中医证治用药规律数据挖掘分析[J]. 宋苹,张溪,张忠德.  新中医. 2018(06)
[6]基于卷积神经网络多层特征提取的目标识别[J]. 江彤彤,成金勇,鹿文鹏.  计算机系统应用. 2017(12)
[7]基于改进深度置信网络的大棚冬枣病虫害预测模型[J]. 张善文,张传雷,丁军.  农业工程学报. 2017(19)
[8]基于深度学习和医学图像的癌症计算机辅助诊断研究进展[J]. 陈诗慧,刘维湘,秦璟,陈亮亮,宾果,周煜翔,汪天富,黄炳升.  生物医学工程学杂志. 2017(02)
[9]BP改进算法在哮喘症状-证型分类预测中的应用[J]. 董国华,陈亚楠,朱习军.  计算机工程与设计. 2017(01)
[10]基于Hadoop的中医哮喘用药组合关联分析[J]. 陈亚楠,朱习军.  计算机工程与应用. 2017(13)

硕士论文
[1]人工神经网络在中医临床辨证模型研究中的应用[D]. 辛基梁.福建中医药大学 2017



本文编号：3414222