首页 > 文献资料
-
基于机器学习的卒中后抑郁影响因素分析
目的 通过机器学习判断脑卒中患者发生抑郁的影响因素.方法 从病历系统中提取符合纳入条件的688例脑卒中患者的病历资料,包括年龄、性别、脉象、面色、舌质、舌苔、中医药干预方式、体重指数(BMI)、血压、血糖、血甘油三酯、血总胆固醇、吸烟史、饮酒史、抑郁家族史、影像学卒中病灶部位及终抑郁判断结果.采用单规则(1R)算法进行学习并判断提取信息中影响卒中后患者是否抑郁的危险因素,继而将所搜集病例分为训练数据集(500例)和测试数据集(188例),并使用随机森林模型形成优判别结果.结果 通过单规则算法得出脑卒中后是否抑郁重要的影响因素为卒中病灶所在部位,其中计算机推测卒中病灶位于额叶及颞叶者易发生卒中后抑郁,基底节、脑干、小脑、延髓、枕叶的病灶则不易引起抑郁,其准确分类率达到88.95％(612/688例).对前500例训练数据集进行随机森林模型判别,其抑郁判断的正确率为98.2％;188例测试集判断结果正确率达99.47％;将688例患者资料运用随机森林模型进行学习,总的正确率为98.84％.重要性测度结果显示,病灶位置、中医药干预手段及抑郁家族史是脑卒中后是否发生抑郁重要指标的前3位. 结论 病灶位于额颞叶的脑卒中患者以及具有抑郁史的患者更容易发生卒中后抑郁.
-
医学图像识别中多分类器融合方法的研究进展
计算机辅助医学图像分析识别对多种疾病的临床诊断有着重要的意义.由于医学图像自身的复杂性,单一分类器的识别性能常常难以满足临床上的要求,因此近年来,作为一种能有效改进单一分类器识别性能的方法,多分类器融合技术被逐步应用到包括乳腺X光片识别、肿瘤细胞识别以及内窥镜图像分析等领域,并取得了更为满意的识别结果.在参阅大量文献的基础上,对多分类器融合识别技术的理论分析及其在医学领域的研究及应用现状进行了综述,进而对其存在的问题进行了分析以及前景展望.
-
基于小波去噪的基因表达数据聚类集成算法的研究
目的:为基因表达数据的聚类提供方法学参考.方法:提出了一种小波去噪与模糊聚类集成算法结合起来进行聚类的新算法对酵母细胞的基因表达数据进行聚类,并同模糊聚类集成算法进行比较分析.结果:采用Micro-precision方法对新算法和模糊聚类集成算法进行评价.结果表明本文提出的算法具有较高的聚类精度,并且聚类精度高于模糊聚类集成算法.结论:利用本文提出的算法对基因表达数据具有较好的聚类效果.
-
基于语音样本重复剪辑和随机森林的帕金森病诊断算法研究
基于语音数据实现帕金森病诊断近年来已被证明是一种有效方式.但是,目前相关研究在样本预处理和集成学习方面还考虑不足,从而造成样本对分类器误导、分类准确率和稳定性还不令人满意等问题.本文提出了一种结合样本重复剪辑算法和随机森林的帕金森病诊断新算法,并基于新公共数据集进行了对比实验.实验结果表明,本文算法实现了对语音样本和受试者的分类诊断,针对受试者的平均分类准确率达到了100％,比原数据提供者高改善了29.44％.本文基于样本优选实现了一种新的语音帕金森病诊断算法;与同类算法相比,具有较高的准确率和稳定性.
-
基于集成学习的临床心电图分类算法研究
随着心电图数据量快速增长,计算机辅助心电图分析也有着越来越广阔的应用需求.本文在基于导联卷积神经网络的临床心电图分类算法上提出多种策略,进一步提升其在实际应用中的性能.首先用不同的预处理方法和训练方法获得两个不同的分类器,接着用多重输出预测法来增强每个分类器的性能,后用贝叶斯方法进行融合.测试了超过15万条心电图记录,所提方法的准确率和受试者工作特征曲线下面积(AUC)分别为85.04％和0.918 5,明显优于基于特征提取的传统方法.
-
嵌入欠采样技术的支持向量机集成分类算法的MicroRNA靶标预测
针对MicroRNA(miRNA)靶基因样本数据不平衡导致阳性样本预测准确率低和整体分类效果不佳的问题,提出一种基于欠采样技术的集成学习算法——支持向量机(SVM)-嵌入下采样和权重平滑(IUSW)集成学习算法.算法采用SVM作为基学习算法,以AdaBoost为集成框架,迭代过程中嵌入基于聚类的欠采样以降低阴阳样本数据分布不平衡程度,同时在自适应样本权重调整过程中,以样本权重平滑机制剔除阴性样本中的异常点以避免过学习,终以带权重的投票机制组合多个弱分类器预测结果作为miRNA集成分类器的预测结果.实验表明,在不平衡数据集上SVM-IUSW算法和其他算法相比,不但有效提高了阳性靶标的预测准确率和整体分类效果,还增强了miRNA靶标分类器的泛化能力.
-
基于集成学习融合模型的血糖预测
介绍集成学习预测方法,阐述集成学习在血糖预测中的应用,基于个体常规体检数据,使用集成学习的方法,融合线性回归、梯度提升决策树、随机森林等模型对血糖进行预测,实验结果表明该方法对血糖具有更高的预测精度并能更准确地识别血糖异常个体.
