检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态特征的心血管疾病预测模型研究

基于多模态特征的心血管疾病预测模型研究

作者：付鹏飞兰州理工大学

学位级别：硕士

随着社会的不断发展进步,生活水平日益提升,心血管疾病成了当今世界最严重的疾病之一,因此对心血管疾病的研究也是当下的研究热点。许多学者正在努力研发一种更加准确、可靠、有效的预防和诊断心血管疾病的新技术。经过深入的研究发现,... 详细信息

随着社会的不断发展进步,生活水平日益提升,心血管疾病成了当今世界最严重的疾病之一,因此对心血管疾病的研究也是当下的研究热点。许多学者正在努力研发一种更加准确、可靠、有效的预防和诊断心血管疾病的新技术。经过深入的研究发现,目前心血管疾病预测模型的研究主要存在预测模型单一、预测性能差、泛化能力不强等问题,且大部分研究仅基于单一模态的数据建模,缺乏对多模态数据的研究。本文研究目的是为了提升心血管疾病预测的准确率和预测的可靠性,以及通过何种算法及改进算法来实现目的,并对基于多模态数据的心血管疾病预测方法作了尝试。论文的研究工作包括以下几个方面:(1)针对传统预测模型预测性能差,泛化能力不足的问题。本文通过对Stacking集成方法的应用,和模型超参数优化相结合的方法,构建了一个基于IMBODE优化的XGBLR心血管疾病预测模型XGBLR-IMBODE。该模型在多个公共数据集上表现了优秀的性能,证明了其较强的泛化能力,以及在心血管疾病预测的价值与有效性。(2)针对传统注意力模型所需计算资源量大,在小数据集上表现差,难以获取图像位置信息,以及神经网络卷积层难以获取特征的长端依赖性等缺点。本文构建了一种基于LKA模块和轻量化ParC卷积的Efficient-ECGNet模型。该模型在基于12导联心电图图像的心肌梗死预测中表现了优秀的性能,在保持模型参数量较低的同时能有较高的准确率。并在图像模态的基础上,加入了文本模态,建立了基于多模态融合特征的心肌梗死预测方法。实验结果证明,基于多模态特征的预测方法在单模态的基础上预测准确率得到了进一步的提升,证明了多模态实验的可行性与有效性。

关键词：心血管疾病预测多模态特征混合模型心电图超参数优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于电子病历的心血管疾病预测技术研究

基于电子病历的心血管疾病预测技术研究

作者：邱炎龙西北师范大学

学位级别：硕士

心血管疾病作为一种慢性疾病一直困扰着人类,是危害生命健康的严重疾病之一。因此,利用患者的电子病历信息来自动预测心血管疾病,在智能辅助诊疗中具有重要的应用价值,也是智慧医疗研究方面的热点问题。随着自然语言处理技术的发展,疾... 详细信息

心血管疾病作为一种慢性疾病一直困扰着人类,是危害生命健康的严重疾病之一。因此,利用患者的电子病历信息来自动预测心血管疾病,在智能辅助诊疗中具有重要的应用价值,也是智慧医疗研究方面的热点问题。随着自然语言处理技术的发展,疾病预测方面也迎来了其强劲的发展势头。本文在电子病历实际情况的基础上,提出利用现有成熟的命名实体识别技术识别并抽取导致心血管疾病的风险因素,为疾病预测任务提供了新的思路。由此,本文紧紧围绕“如何直接根据风险因素去预测心血管疾病”和“如何融合上下文和风险因素的信息去预测心血管疾病”两个问题提出了对应的预测模型。任务主要包含了风险因素的识别与抽取和心血管疾病预测两个阶段。对于第一个阶段,现有的命名实体识别模型已经发展非常成熟,秉着简单高效的原则,本文选择了Bi LSTM-CRF模型作为风险因素的识别抽取模型。对于第二个阶段,本文的研究内容主要包括了以下三点:(1)针对现有模型不能精确地利用电子病历中所包含的各种有价值的医学信息的问题,本文提出了用于心血管疾病预测的增强型字符级深层卷积神经网络(Enhanced Character-level Deep Convolutional Neural Network,En DCNN)模型。基于半监督的文本区域嵌入(Region Embedding)的字符级模型可以很好地将风险因素及其标签作为整个单元映射到一个向量中,以及下采样(Downsampling)在提高深层CNN的训练效率方面起着至关重要的作用。在人工标注的中文电子病历语料库上,本文的预测模型的F值达到了0.9516,并且预测结果优于大多数以前的相关方法。(2)针对基于风险因素进行心血管疾病预测研究时不能很好地利用电子病历上下文信息的不足,本文提出了一种基于心血管疾病风险因素和电子病历文本序列的方法。该方法采用深度神经网络的注意力机制,将电子病历文本中的字符序列信息与文本中所包含的心血管疾病风险因素进行融合。实验结果表明,该模型提高了心血管疾病预测的性能,F值达到了0.9586,优于相关方法。(3)针对注意力机制只是将注意力集中在上下文的一小部分上,并使用固定大小的向量对其进行汇总,在时间上耦合注意力,通常形成单向注意力的不足,本文提出了心血管疾病风险因素驱动的双向注意力机制(Risk Factor Powered Bidirectional Attention,RFPBi A)网络用于心血管疾病预测。它是一个多阶段的分层过程,表示了不同粒度级别的信息融合,并使用双向注意力机制来获取风险因素的文本表示,而无需进行早期汇总。实验结果表明,该模型的F值达到了0.9424,表现出了不错的性能。

关键词：中文电子病历风险因素识别与抽取心血管疾病预测深度学习

基于KM-SMOTE随机森林算法的心血管疾病预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于KM-SMOTE随机森林算法的心血管疾病预测模型研究

作者：李旖宁重庆大学

学位级别：硕士

现代医疗作为政府最重视的民生保障,在互联网+的时代不断地进行着变革。传统的人工医疗渐渐地不能够满足行业的发展和人民的需求,因此医疗系统的信息化与数字化转型迫在眉睫。许多学者将医学数据与人工智能、机器学习模型相结合,建立了... 详细信息

现代医疗作为政府最重视的民生保障,在互联网+的时代不断地进行着变革。传统的人工医疗渐渐地不能够满足行业的发展和人民的需求,因此医疗系统的信息化与数字化转型迫在眉睫。许多学者将医学数据与人工智能、机器学习模型相结合,建立了新兴的数字化医疗技术,辅助医生进行疾病诊断的同时,也大大节省了医疗行业的人力物力资源,这种双赢的局面使得互联网医疗技术成为不断发展的热点技术,为数字化医疗的发展带来更多更新的动力。心血管疾病作为当代全球发病率最高的疾病,由于心血管疾病有较为复杂的病因、较高的死亡率和愈后残疾的情况,结合现代人们压力大、作息不规律、暴饮暴食等问题,心血管疾病的发病朝着年轻化的趋势发展,因此对于心血管疾病患病情况的预测与防范是非常急迫的事情。本文选取了2019年Kaggle网站上的心血管疾病数据作为研究对象,首先将数据进行预处理,填补数据的缺失值并将心血管疾病数据的12个影响指标进行量化,将是否患有心血管疾病转化为定量二分类数据。接下来建立基于K-means算法的改进KM-SMOTE算法,该算法以SMOTE算法为基础,能够处理数据集中的数据不平衡问题。KM-SMOTE算法首先利用K-means算法聚类少数集样本,聚类后得到K组数据,并基于插值估算近似值,利用每一组内的样本生成更多少数类样本,这样做可以改善SMOTE算法影响源数据分布以及边缘化少数类样本的问题。以KM-SMOTE算法处理后的平衡数据为样本,前70%为训练集数据,后30%为测试集数据,建立随机森林模型对心血管疾病进行预测,得到的预测结果为:准确率为92.4%、召回率为90.0%、精确度为89.8%、FScore值为89.9%、AUC值为0.916,表示KM-SMOTE随机森林模型能够很好的预测心血管疾病。新增2021年心血管疾病数据集验证模型准确率,对2021年新数据建立KM-SMOTE随机森林模型,各指标均为0.9以上,表明KM-SMOTE随机森林模型对不同年份的数据均有较好的预测精度。同时,将KM-SMOTE随机森林与传统随机森林模型和SMOTE随机森林模型的预测情况进行对比,KM-SMOTE-RF模型的各项指标都明显高于其他两个模型,意味着改进的KM-SMOTE算法对不平衡数据集的处理有着较好的效果。

关键词：心血管疾病预测 K-means算法 SMOTE算法随机森林模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分类模型的心血管疾病预测研究

电脑编程技巧与维护 2021年第11期 23-24,30页

作者：刘焱付剑锋胡家锴上海立信会计金融学院信息管理学院上海201209

中国医疗领域数字化转型为心血管疾病防治工作提供了新思路。现有的疾病预测模型多基于单一算法,关注各算法模型间预测效果的比较或逻辑优化。在对逻辑回归、朴素贝叶斯等分类算法构建单一算法模型并进行评估的基础上,研究组合模型对预... 详细信息

中国医疗领域数字化转型为心血管疾病防治工作提供了新思路。现有的疾病预测模型多基于单一算法,关注各算法模型间预测效果的比较或逻辑优化。在对逻辑回归、朴素贝叶斯等分类算法构建单一算法模型并进行评估的基础上,研究组合模型对预测效果的影响。利用Stacking方法进行模型组合与评估比较,得到最优组合预测模型,实现了心血管疾病预测准确率的提高。

关键词：心血管疾病预测分类模型评估组合预测模型

基于改进金豺优化算法和CatBoost模型的心血管疾病风险预测研究

在线全文

学校读者我要写书评

暂无评论

基于改进金豺优化算法和CatBoost模型的心血管疾病风险预测研究

作者：邱昭斌北方民族大学

学位级别：硕士

心血管疾病(cardiovascular disease,CVD)是全球死亡率最高的疾病之一,使用机器学习方法对CVD风险进行精确预测,可以有效识别高风险患者和危险因素,为疾病的预防和治疗提供重要的指导。为实现快速而准确的心血管疾病风险预测以及探索相... 详细信息

心血管疾病(cardiovascular disease,CVD)是全球死亡率最高的疾病之一,使用机器学习方法对CVD风险进行精确预测,可以有效识别高风险患者和危险因素,为疾病的预防和治疗提供重要的指导。为实现快速而准确的心血管疾病风险预测以及探索相关危险因素,本文的主要工作如下:(1)提出了一种心血管疾病风险预测框架。该框架首先使用箱线图对异常数据进行识别和检查,然后结合Lasso回归良好的解释性和防止过拟合的优势进行特征选择,完成数据的预处理。最后,改进的金豺优化算法用于分类梯度提升树(Cat Boost)模型的超参数寻优,从而提升对心血管疾病风险的预测性能。(2)提出了一种基于对立学习策略和动态惯性权重的螺旋搜索路径的改进金豺优化算法OMGJO,该算法通过Tent映射进行种群初始化来增强种群分布均匀性,并引入基于对立的学习策略进行种群替换,促进全局探索和加速收敛。此外,对数螺线路径和动态惯性权重增强了局部开发能力和最佳个体位置的有效利用。经过23个基准函数的测试,实验结果表明OMGJO在收敛速度和精度方面优于其他比较算法。(3)提出了一种OMGJO-Cat Boost心血管疾病风险预测模型,使用改进的金豺优化算法训练Cat Boost模型,从而获得最优的超参数组合。为验证提出的OMGJOCat Boost心血管疾病风险预测模型,我们将其与主流机器学习模型和智能优化算法进行了比较。实验结果表明,OMGJO-Cat Boost模型具有更优异的预测效果,总体准确率、召回率和AUC值分别为73.66%、72.39%和0.8024。这些结果突出了OMGJOCat Boost在改善心血管疾病风险预测方面的潜力。

关键词：心血管疾病预测 Lasso回归 CatBoost 金豺优化算法对立学习

视网膜血管改变用于心血管疾病评估及预测的研究进展

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国医师杂志 2021年第5期23卷 641-644页

作者：张弘哲于伟泓陈有信中国医学科学院眼底病重点实验室北京协和医学院北京协和医院眼科100730

近年来我国心血管疾病的患病率逐年攀升,已成为一项重大公共卫生问题。慢性心血管疾病的防控工作离不开有效的早期筛查,但由于我国各地经济社会发展水平尚存在不平衡,在一些地区筛查的普遍性和可及性仍然有待提高。眼底视网膜血管是全... 详细信息

近年来我国心血管疾病的患病率逐年攀升,已成为一项重大公共卫生问题。慢性心血管疾病的防控工作离不开有效的早期筛查,但由于我国各地经济社会发展水平尚存在不平衡,在一些地区筛查的普遍性和可及性仍然有待提高。眼底视网膜血管是全身唯一一处可以直接观察的血管,研究发现其形态和功能改变与诸多心血管疾病的发生发展存在关联,具有成为相关疾病评估和预测工具的潜力。本文就视网膜血管在心血管疾病评估及预测中的作用,对近几年来的研究进展作一综述。

关键词：眼底视网膜血管心血管疾病预测冠心病高血压

在线全文

学校读者我要写书评

暂无评论

心血管疾病变化趋势预测方法研究

九江学院学报（自然科学版） 2017年第3期32卷 57-60页

作者：王语高婷韩冰柔安徽财经大学统计与应用数学学院安徽财经大学会计学院安徽蚌埠233030

文章针对心血管疾病的危险因素及发病预测问题,通过灰色预测、Meta分析和Logistic回归等多种方法,综合分析性别、年龄别心血管疾病死亡率和缺血性心血管疾病病例数据,建立了心血管疾病变化趋势预测模型、缺血性心血管病危险指标的多因... 详细信息

文章针对心血管疾病的危险因素及发病预测问题,通过灰色预测、Meta分析和Logistic回归等多种方法,综合分析性别、年龄别心血管疾病死亡率和缺血性心血管疾病病例数据,建立了心血管疾病变化趋势预测模型、缺血性心血管病危险指标的多因素分析模型,运用MATLAB、SPSS软件得出了心血管疾病的危险因素,提出了心血管疾病发病危险的预测方案。

关键词：心血管疾病预测灰色Verhulst预测 Logistic回归模型 MATLAB

心血管疾病数据集下基于机器学习的心血管疾病患者识别

在线全文

学校读者我要写书评

暂无评论

河北软件职业技术学院学报 2024年第1期26卷 6-11页

作者：曹桂林广州科技职业技术大学信息工程学院广州510080

以心血管数据集为研究对象,探究数据集中各种数据与心血管疾病的相关性。通过逻辑回归、K近邻算法、朴素贝叶斯、决策树分类器、随机森林和神经网络等六种类型的机器学习算法来预测心血管疾病。训练后,神经网络模型的得分最高;采用准确... 详细信息

以心血管数据集为研究对象,探究数据集中各种数据与心血管疾病的相关性。通过逻辑回归、K近邻算法、朴素贝叶斯、决策树分类器、随机森林和神经网络等六种类型的机器学习算法来预测心血管疾病。训练后,神经网络模型的得分最高;采用准确率、混淆矩阵和F1-score对各种算法的性能进行综合比较,得出神经网络为最佳模型。采用神经网络不仅可以准确预测心血管疾病,而且如果采取合适的方法对心血管疾病患者进行治疗,可能会延长患者的生命。

关键词：机器学习分类模型心血管疾病预测

光电容积脉搏波技术在可穿戴医疗设备中的应用及其未来发展

在线全文

学校读者我要写书评

暂无评论

现代仪器与医疗 2024年第3期30卷 58-63+76页

作者：徐成喜李志伟姚佳烽苏州健通医疗科技有限公司南京航空航天大学机电学院

光电容积脉搏波(Photoplethysmography, PPG)技术，作为一种非侵入式的生理参数监测方法，在心率、血氧饱和度以及其他生理指标的实时监测中已广泛应用。随着可穿戴技术的快速发展，PPG技术在医疗设备领域呈现出广阔的应用前景。本文详... 详细信息

光电容积脉搏波(Photoplethysmography, PPG)技术，作为一种非侵入式的生理参数监测方法，在心率、血氧饱和度以及其他生理指标的实时监测中已广泛应用。随着可穿戴技术的快速发展，PPG技术在医疗设备领域呈现出广阔的应用前景。本文详细讨论了PPG技术的基本原理、在可穿戴医疗设备中的应用现状及面临的挑战，同时探索了技术的未来发展方向。

关键词：光电容积脉搏波可穿戴医疗设备心律不齐监测睡眠质量分析心血管疾病预测