基于高维统计判别的医疗诊断研究任务书

 2021-08-19 23:28:54

1. 毕业设计(论文)主要目标:

1、解决影响因素多、病理复杂而患病个体少容易造成误诊导致医疗风险的医疗诊断问题,提高医疗诊断的准确率。

2、降低医疗风险与医疗成本,从而提升患者的满意度,缓解医患矛盾。

2. 毕业设计(论文)主要内容:

本文为了解决影响因素多、病理复杂而患病个体少容易造成误诊导致医疗风险的医疗诊断问题,提出了基于Elastic net的支持向量机模型进行医疗诊断。文章采用UCI网站提供的Cardiotocography数据集进行模型的构建及测试,通过利用Elastic net方法对包含了22个胎心监护属性的样本进行特征选取有效的特征子集并通过构建SVM分类模型对其进行分类预测,得到了经过10折交叉验证优化参数后的训练集分类模型精度。证明该模型相比传统的Elastic net 回归模型以及SVM模型具有较好的分类效率与分类效果,能够实现对高维小样本医疗数据的分类诊断。在此基础上,本文考虑了该数据作为不均衡数据集对模型精度的影响,通过利用adaboost算法来迭代SVM弱分类器,组成强分类器的方法,对Elastic-SVM分类器在不均衡数据集的分类性能上进行了改进,使方法能够有效的改善非均衡的样本对模型分类准确度的影响,为医疗人员提供更加精准的进行医疗诊断。

3. 主要参考文献

[1]章永来,史海波,尚文利等.面向乳腺癌辅助诊断的改进支持向量机方法[J].计算机应用研究,2013,30(8):2373-2376

[2]赵紫奉,李韶斌,孔抗美.基于决策树算法的疾病诊断分析[J]. 中国卫生信息管理杂志,2011,8(5):67-69.

[3]KONG Gui-Lan,XU Dong-ling,BODY R,et al.A belief rule-based decision support system for clinical risk assessment of cardiac chest pain[J].European Journal of Operational Research,2012,219(3):564-573.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。