針對(duì)全國(guó)腦卒中篩查數(shù)據(jù)中存在的大量篩查數(shù)據(jù)未分級(jí)、數(shù)據(jù)利用率低與維護(hù)復(fù)雜等問(wèn)題,通過(guò)以相關(guān)分類算法與數(shù)據(jù)倉(cāng)庫(kù)技術(shù)為基礎(chǔ)進(jìn)行研究,訓(xùn)練篩查數(shù)據(jù)危險(xiǎn)級(jí)別預(yù)測(cè)模型并建立數(shù)據(jù)倉(cāng)庫(kù)維度模型,實(shí)現(xiàn)對(duì)腦卒中篩查數(shù)據(jù)的準(zhǔn)確統(tǒng)計(jì)分析與高效利用,為腦卒中防治臨床研究和醫(yī)療決策提供數(shù)據(jù)支持。為了解決由于醫(yī)療資源緊缺帶來(lái)的篩查數(shù)據(jù)未分級(jí)的問(wèn)題,提升危險(xiǎn)分級(jí)數(shù)據(jù)分析的準(zhǔn)確度,以全國(guó)腦卒中歷史篩查數(shù)據(jù)為研究對(duì)象,提出了一種C5.0算法與BP神經(jīng)網(wǎng)絡(luò)算法組合的危險(xiǎn)級(jí)別預(yù)測(cè)模型。首先通過(guò)分層抽樣與過(guò)采樣得到初始樣本數(shù)據(jù),采用特征劃分高效的C5.0算法選擇相關(guān)性較強(qiáng)的特征變量,并以此作為神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的初值,利用以高血壓、糖尿病等8個(gè)主要相關(guān)特征變量的神經(jīng)網(wǎng)絡(luò)進(jìn)行分類預(yù)測(cè),有效提升多變量和缺失信息數(shù)據(jù)下的危險(xiǎn)分類準(zhǔn)確性。測(cè)試結(jié)果表明,C5.0-BP組合預(yù)測(cè)模型的總體分類準(zhǔn)確率為93.68%,與當(dāng)前中國(guó)卒中數(shù)據(jù)中心基于C4.5算法的分類模型相比提升了8.65%,中危和高危等級(jí)預(yù)測(cè)綜合評(píng)價(jià)指標(biāo)分別提升了37.5%和63%。該模型實(shí)現(xiàn)了較為精準(zhǔn)的危險(xiǎn)分級(jí)預(yù)測(cè),對(duì)腦卒中疾病的預(yù)防與干預(yù)起到了促進(jìn)作用。針對(duì)當(dāng)前國(guó)家腦卒中防控?cái)?shù)...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢(shì)
    1.3 研究?jī)?nèi)容及章節(jié)安排
2 腦卒中篩查數(shù)據(jù)特點(diǎn)分析
    2.1 國(guó)家腦卒中篩查項(xiàng)目
    2.2 腦卒中篩查檔案的危險(xiǎn)分級(jí)
    2.3 腦卒中篩查數(shù)據(jù)特點(diǎn)
    2.4 本章小結(jié)
3 腦卒中篩查數(shù)據(jù)的危險(xiǎn)分級(jí)預(yù)測(cè)
    3.1 危險(xiǎn)分級(jí)數(shù)據(jù)挖掘設(shè)計(jì)
        3.1.1 危險(xiǎn)分級(jí)預(yù)測(cè)流程
        3.1.2 樣本數(shù)據(jù)抽樣方法
    3.2 基于決策樹算法的危險(xiǎn)分級(jí)預(yù)測(cè)
        3.2.1 決策樹算法
        3.2.2 基于C5.0算法的分類模型
    3.3 基于BP神經(jīng)網(wǎng)絡(luò)算法的危險(xiǎn)分級(jí)預(yù)測(cè)
        3.3.1 神經(jīng)網(wǎng)絡(luò)與逆差傳播算法
        3.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的分類模型
    3.4 基于特征劃分的神經(jīng)網(wǎng)絡(luò)的危險(xiǎn)分級(jí)預(yù)測(cè)
        3.4.1 一種改進(jìn)的C5.0-BP學(xué)習(xí)模式
        3.4.2 C5.0-BP分類模型
        3.4.3 實(shí)驗(yàn)結(jié)果及評(píng)價(jià)
    3.5 本章小結(jié)
4 篩查數(shù)據(jù)倉(cāng)庫(kù)維度模型的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 篩查數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)設(shè)計(jì)
        4.1.1 需求分析
        4.1.2 數(shù)據(jù)倉(cāng)庫(kù)維度模型結(jié)構(gòu)
    4.2 篩查數(shù)據(jù)倉(cāng)庫(kù)維度模型設(shè)計(jì)
        4.2.1 分析主題與指標(biāo)設(shè)計(jì)
        4.2.2 數(shù)據(jù)預(yù)處理
        4.2.3 維度模型邏輯結(jié)構(gòu)
        4.2.4 維度模型展示過(guò)程
    4.3 數(shù)據(jù)倉(cāng)庫(kù)維度模型實(shí)現(xiàn)
        4.3.1 ETL過(guò)程實(shí)現(xiàn)
        4.3.2 數(shù)據(jù)倉(cāng)庫(kù)建模過(guò)程
        4.3.3 維度模型展示開發(fā)
    4.4 本章小結(jié)
5 篩查數(shù)據(jù)倉(cāng)庫(kù)維度模型的應(yīng)用
    5.1 基本信息分析
    5.2 腦卒中危險(xiǎn)級(jí)別分析
    5.3 危險(xiǎn)因素相關(guān)性分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3874221