基于數(shù)據(jù)挖掘的心血管健康狀態(tài)等級(jí)預(yù)測(cè)模型的研究.pdf

1、據(jù)統(tǒng)計(jì)，慢性病現(xiàn)如今已成為我國(guó)人口死亡的第一原因，其中慢病之一的心血管疾病對(duì)全球人類(lèi)的危害也在持續(xù)增長(zhǎng)，人們對(duì)心血管健康的訴求也持續(xù)升溫，有效的判別和預(yù)測(cè)心血管健康對(duì)心血管疾病有極大的預(yù)防作用。醫(yī)院體檢中心每年組織體檢不涉及心血管健康相關(guān)的生活特征數(shù)據(jù)，基于體檢數(shù)據(jù)預(yù)測(cè)體檢人群心血管健康狀態(tài)，通過(guò)傳統(tǒng)的時(shí)間序列的預(yù)測(cè)方法和基于醫(yī)學(xué)上常用方法都不在適用，但是數(shù)據(jù)挖掘可以彌補(bǔ)其不足，能夠探索數(shù)據(jù)的規(guī)律預(yù)測(cè)心血管健康狀態(tài)。本文根據(jù)上述目標(biāo)和數(shù)

2、據(jù)挖掘的過(guò)程給出了預(yù)測(cè)心血管健康狀態(tài)的方法和過(guò)程，結(jié)合心血管健康狀態(tài)序列和篩選得到的體檢特征指標(biāo)來(lái)探索心血管健康狀態(tài)預(yù)測(cè)模型，最后得到RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建的心血管健康狀態(tài)等級(jí)預(yù)測(cè)模型。
　　本研究主要內(nèi)容包括：⑴構(gòu)建了一個(gè)基于數(shù)據(jù)挖掘流程的健康狀態(tài)判別與預(yù)測(cè)模型?；诂F(xiàn)有的體檢數(shù)據(jù)和需要探索的目標(biāo)進(jìn)行需求分析，對(duì)數(shù)據(jù)進(jìn)行提取和轉(zhuǎn)換，構(gòu)建數(shù)據(jù)挖掘模型進(jìn)行心血管健康或者疾病的預(yù)測(cè)并且基于預(yù)測(cè)結(jié)果進(jìn)行服務(wù)推薦。⑵提出基于融合過(guò)濾和封裝的屬

3、性約簡(jiǎn)算法。調(diào)研了基于特征轉(zhuǎn)換和特征選擇的特征降維方法，并且對(duì)比了基于過(guò)濾的和封裝的特征選擇算法，為減少冗余性和提高性能，提出基于融合過(guò)濾和封裝的屬性約簡(jiǎn)算法來(lái)實(shí)現(xiàn)特征選擇問(wèn)題。⑶基于模糊聚類(lèi)的健康狀態(tài)等級(jí)判別。以特征選擇篩選得到的特征為基礎(chǔ)，指出模糊邏輯推理和硬聚類(lèi)算法進(jìn)行健康狀態(tài)判別的不足及最后選擇模糊邏輯聚類(lèi)算法來(lái)實(shí)現(xiàn)健康狀態(tài)等級(jí)劃分，因而得到了基于模糊聚類(lèi)的等級(jí)判別模型。⑷基于RBF神經(jīng)網(wǎng)絡(luò)的心血管健康狀態(tài)等級(jí)預(yù)測(cè)模型?；诮】?/p>

4、狀態(tài)判別得到的健康狀態(tài)序列結(jié)合體檢過(guò)程中的部分靜態(tài)體檢指標(biāo)構(gòu)建基于 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型實(shí)現(xiàn)健康狀態(tài)等級(jí)的預(yù)測(cè)。⑸針對(duì)上述過(guò)程中的子模塊分別進(jìn)行了真實(shí)數(shù)據(jù)模擬，使用兩家醫(yī)院連續(xù)6年的成年人體檢數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練和測(cè)試，實(shí)驗(yàn)驗(yàn)證的環(huán)節(jié)首先基于體檢數(shù)據(jù)源分析了數(shù)據(jù)的結(jié)構(gòu)和現(xiàn)有數(shù)據(jù)問(wèn)題，結(jié)合異常問(wèn)題闡述了異常原因和介紹了不同數(shù)據(jù)清理方法，基于上述數(shù)據(jù)挖掘過(guò)程的不同算法模塊分別做了代碼分析，最后通過(guò)集成Weka源碼不同的模塊功能和接口實(shí)現(xiàn)心