天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁 > 科技論文 > 自動化論文 >

基于深度學(xué)習(xí)的老年人心臟健康分析與評估方法研究

發(fā)布時間:2022-01-20 00:12
  隨著國內(nèi)人口老齡化的速度不斷加快,老年人的健康問題得到越來越多的重視,已成為養(yǎng)老行業(yè)的最重要問題之一。心臟病作為一種對老年健康威脅最大的疾病,心臟健康問題成了當(dāng)前研究的主要課題。然而在以往的研究中,大多數(shù)學(xué)者都是對心臟病的發(fā)病率進行預(yù)測,便于制定疾病預(yù)防策略,所使用的指標(biāo)多數(shù)都是基于醫(yī)學(xué)專家知識選擇,很少有學(xué)者分析老年人整體健康度與其心臟狀態(tài)之間的關(guān)聯(lián),事實上,人體的各組織之間的運行是相互聯(lián)系、相互影響的,僅依靠專家知識選擇屬性進行心臟健康的分析遠(yuǎn)遠(yuǎn)不夠,而且體征數(shù)據(jù)的不斷變化也可能導(dǎo)致心臟狀態(tài)發(fā)生變化,因此本文將從個人健康整體的角度出發(fā),進行老年人心臟健康的相關(guān)研究。為了對老年人心臟健康分析與評估方法進行研究,本文首先建立老年人個人健康指數(shù)模型,根據(jù)老年人每年的體檢指標(biāo)估計其的整體健康度,其次提出衡量心臟健康相關(guān)的指標(biāo)并構(gòu)建心臟健康分析模型,研究心臟健康動態(tài)評估的方法,詳細(xì)工作如下:針對老年人個人綜合健康狀態(tài)的問題,本文模擬數(shù)據(jù)挖掘流程建立個人健康指數(shù)模型。數(shù)據(jù)預(yù)處理部分提出基于RBM的缺失值填充方法,特征工程部分使用嶺回歸算法選擇對結(jié)果影響較大的指標(biāo),使用人工神經(jīng)網(wǎng)絡(luò)算法對模型進行... 

【文章來源】:哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】:74 頁

【學(xué)位級別】:碩士

【部分圖文】:

基于深度學(xué)習(xí)的老年人心臟健康分析與評估方法研究


論文研究思路圖

模型圖,個人,特征提取,模型


哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-18-11xSigmoidwab(2-6)其中,Sigmoid表示激活函數(shù),1w和1b分別表示相鄰層不同神經(jīng)元之間的權(quán)重和偏置矢量。激活函數(shù)目的是使得每層神經(jīng)元的輸出都是非線性的。Step3:個人健康特征提取之后進行分類,兩種類別分別表示“健康狀態(tài)”和“不健康狀態(tài)”,為了能夠更加直觀的看出當(dāng)前的個人健康程度,經(jīng)過Softmax函數(shù),它可以解決多分類問題,把多分類問題的模型預(yù)測結(jié)果以概率的形式展示,最終將個人健康指數(shù)的取值控制在[0,1]的范圍。Step4:輸出PHI預(yù)測結(jié)果,以概率的形式展示。圖2-3個人健康特征提取模型2.3實驗與分析本節(jié)將從實驗數(shù)據(jù)集、實驗設(shè)置以及個人健康指數(shù)模型的計算結(jié)果三個部分介紹,其中,老年人個人健康指數(shù)計算過程中的三個重要模塊的結(jié)果也會詳細(xì)展示,最后將利用本章的個人健康指數(shù)模型與傳統(tǒng)的機器學(xué)習(xí)算法對實驗結(jié)果進行對比分析。2.3.1實驗設(shè)計(1)實驗數(shù)據(jù)集

準(zhǔn)確率,屬性,數(shù)目


哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-20-n表示所有樣本個數(shù)。2.3.2實驗結(jié)果分析(1)個人健康特征選擇結(jié)果分析使用嶺回歸算法,通過不斷調(diào)整參數(shù),將選擇的屬性個數(shù)與對應(yīng)準(zhǔn)確率結(jié)果輸出,最終ɑ的值設(shè)置為12,實驗結(jié)果如圖2-10所示。其中,橫坐標(biāo)是選擇的屬性個數(shù),縱坐標(biāo)是對結(jié)果的準(zhǔn)確率,藍(lán)色實線是得到的具體準(zhǔn)確率,黃色虛線的擬合出一個準(zhǔn)確率的變化趨勢,如圖2-4所示,隨著選擇的屬性數(shù)目增多,準(zhǔn)確率呈下降趨勢,另一方面,為了防止過擬合,最終選擇了前30個對預(yù)測結(jié)果影響較大的屬性。圖2-4屬性選擇數(shù)目與結(jié)果準(zhǔn)確率其次,在使用嶺回歸算法選擇30個屬性之后,再次對數(shù)據(jù)集分析,發(fā)現(xiàn)有兩個屬性的缺失值達(dá)到了90%,但是對標(biāo)簽的預(yù)測結(jié)果影響很大,為了使結(jié)果更具真實性,在填充缺失值時,不對這兩個屬性構(gòu)建模型,僅填充“0”,所以在填充模型訓(xùn)練時規(guī)定,缺失率大于20%的屬性,直接用0填充,小于20%的屬性才會為其構(gòu)建模型。(2)PHI訓(xùn)練過程分析實驗部分訓(xùn)練過程圖如圖2-5所示。隨著迭代次數(shù)增大,損失函數(shù)的值逐漸降低,在迭代次數(shù)為25次時,損失值cost趨于穩(wěn)定,函數(shù)逐漸收斂,cost值越小,表明個人健康指數(shù)預(yù)測結(jié)果越準(zhǔn)確。具體準(zhǔn)確率準(zhǔn)確率變化趨

【參考文獻(xiàn)】:
期刊論文
[1]心臟病可以加速大腦衰退[J]. 劉曉荻.  基礎(chǔ)醫(yī)學(xué)與臨床. 2019(12)
[2]用于心律失常識別的LSTM和CNN并行組合模型[J]. 張異凡,黃亦翔,汪開正,劉成良.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(10)
[3]超聲心動圖檢測正常人心臟指數(shù)及影響因素分析[J]. 葛升輝.  世界最新醫(yī)學(xué)信息文摘. 2019(29)
[4]一種基于特征組合和卷積神經(jīng)網(wǎng)絡(luò)的心臟病預(yù)測新方法[J]. 王健,李孝虔.  黑龍江大學(xué)自然科學(xué)學(xué)報. 2019(01)
[5]基于聚類和XGboost算法的心臟病預(yù)測[J]. 劉宇,喬木.  計算機系統(tǒng)應(yīng)用. 2019(01)
[6]基于殘差神經(jīng)網(wǎng)絡(luò)的充血性心力衰竭識別方法[J]. 王露笛,周曉光.  科研信息化技術(shù)與應(yīng)用. 2018(06)
[7]葛均波:大數(shù)據(jù)下的醫(yī)療質(zhì)量控制提升策略,《中國心血管健康指數(shù)》告訴你[J]. 費菲,張清涵.  中國醫(yī)藥科學(xué). 2018(21)
[8]中年男性體重指數(shù)和心肺耐力對心血管疾病發(fā)病風(fēng)險的提示意義[J]. 謝婧軍.  中西醫(yī)結(jié)合心腦血管病雜志. 2018(19)
[9]老年冠心病病人心血管疾病危險因素分析[J]. 楊竹君,唐敏.  中西醫(yī)結(jié)合心腦血管病雜志. 2018(20)
[10]基于深度信念網(wǎng)絡(luò)的個人健康評估模型[J]. 張珣,何東陽.  軟件導(dǎo)刊. 2018(10)

碩士論文
[1]基于CNN和LSTM結(jié)合的心律失常分類研究[D]. 梁小龍.西南大學(xué) 2019



本文編號:3597828

資料下載
論文發(fā)表

本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3597828.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶86039***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com