本文選題：在線醫(yī)療 + 分詞　； 參考：《內(nèi)蒙古大學(xué)》2017年碩士論文

【摘要】：隨著如今物質(zhì)生活水平的不斷提高,以及人們在飲食習(xí)慣上的改變,導(dǎo)致一些非傳染性疾病對人類身體健康威脅越來越大,其中高血壓對人類身體健康的威脅尤為嚴(yán)重。本文通過提取在線高血壓患者的一些數(shù)據(jù),然后挖掘、分析出其中潛在的隱藏信息,并對患者的患病程度進(jìn)行分類�；谶@些數(shù)據(jù)進(jìn)行分類模型的構(gòu)建,最后可以利用該模型對患者的患病程度進(jìn)行預(yù)測�；颊咄ㄟ^分類模型的預(yù)測結(jié)果能夠?qū)ψ陨淼幕疾∏闆r有更準(zhǔn)確的了解,從而選擇合適的治療方式。本文的研究目標(biāo)是基于在線高血壓患者的病情描述,以及醫(yī)生給出的治療方案來進(jìn)行分類模型的構(gòu)建,然后利用模型開發(fā)高血壓在線病情自動診斷系統(tǒng)。該系統(tǒng)可將高血壓患者的患病程度分為三類:0(無病)、1(輕微)、2(嚴(yán)重)。本文的研究過程由數(shù)據(jù)預(yù)處理、模型構(gòu)建、系統(tǒng)開發(fā)三個模塊組成。具體內(nèi)容如下:(1)對文本數(shù)據(jù)進(jìn)行分詞處理。(2)提取患者在病情描述中的一些屬性(如年齡、性別等),同時對醫(yī)生給出的治療建議進(jìn)行分類處理。(3)進(jìn)行數(shù)據(jù)轉(zhuǎn)換,將文本數(shù)據(jù)轉(zhuǎn)換為數(shù)值型。(4)兩個模型的構(gòu)建,模型一用來對患者無病或者有病進(jìn)行分類,模型二用來確定有病患者的患病程度是輕微還是嚴(yán)重。(5)基于模型一、模型二進(jìn)行高血壓在線病情自動診斷系統(tǒng)開發(fā)。本文基于二項Logistic回歸模型所開發(fā)的高血壓在線病情自動診斷系統(tǒng)不僅可以對高血壓患者的患病程度進(jìn)行更準(zhǔn)確的預(yù)測,同時對在線醫(yī)療服務(wù)體系也有著一定的理論和現(xiàn)實意義。
[Abstract]:With the improvement of material living standards and the change of people's eating habits, some non-communicable diseases are threatening human health more and more, especially hypertension. In this paper, we extract some data of patients with hypertension online, then mining, analyze the potential hidden information, and classify the degree of disease of patients. The classification model based on these data can be used to predict the degree of disease. By predicting the classification model, the patients can know their own disease more accurately and choose the appropriate treatment. The purpose of this paper is to construct the classification model based on the description of the condition of the patients with hypertension online and the treatment scheme given by the doctor, and then to develop the automatic diagnosis system of the condition of hypertension online by using the model. The system classifies hypertension patients into three groups: 0 (mild) and 2 (severe). The research process consists of three modules: data preprocessing, model building and system development. The specific contents are as follows: (1) partitioning the text data. (2) extracting some attributes (such as age, sex, etc.) of the patient in the description of the disease, and at the same time classifying the treatment advice given by the doctor. (3) data conversion. (4) the construction of two models. Model 1 is used to classify the patients who are not ill or sick. Model 2 is used to determine whether the degree of illness is mild or serious. (5) based on model 1, Model 2 was used to develop an online automatic diagnosis system for hypertension. The online automatic diagnosis system of hypertension based on binary Logistic regression model can not only predict the degree of hypertension more accurately, but also has certain theoretical and practical significance to the online medical service system.
【學(xué)位授予單位】：內(nèi)蒙古大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R544.1;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 錢濤;姬東鴻;戴文華;;基于遷移的微博分詞和文本規(guī)范化聯(lián)合模型[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2015年11期

2 尹存燕;黃書劍;戴新宇;陳家駿;;中英命名實體識別及對齊中的中文分詞優(yōu)化[J];電子學(xué)報;2015年08期

3 韓冬煦;常寶寶;;中文分詞模型的領(lǐng)域適應(yīng)性方法[J];計算機(jī)學(xué)報;2015年02期

4 邵雙;劉芬;袁玉婷;楊中華;;我國在線醫(yī)療信息服務(wù)平臺現(xiàn)狀分析——以39健康網(wǎng)、尋醫(yī)問藥網(wǎng)和好大夫在線為例[J];現(xiàn)代商貿(mào)工業(yè);2014年07期

5 張紫;;第33次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[J];計算機(jī)與網(wǎng)絡(luò);2014年02期

6 張曉琴;;解析關(guān)聯(lián)規(guī)則技術(shù)在電力市場營銷分析中的應(yīng)用[J];經(jīng)營管理者;2014年01期

7 譚宏衛(wèi);曾捷;;Logistic回歸模型的影響分析[J];數(shù)理統(tǒng)計與管理;2013年03期

8 孫喜琢;顧曉東;;網(wǎng)絡(luò)醫(yī)療的發(fā)展對醫(yī)療模式的影響[J];中國醫(yī)院管理;2013年05期

9 陳鐵明;馬繼霞;Samuel H.Huang;蔡家楣;;一種新的快速特征選擇和數(shù)據(jù)分類方法[J];計算機(jī)研究與發(fā)展;2012年04期

10 安艷芳;;我國優(yōu)質(zhì)醫(yī)療資源分布特點與改善策略[J];中國衛(wèi)生質(zhì)量管理;2011年05期

相關(guān)碩士學(xué)位論文 前2條

1 杜曉飛;基于ID3改進(jìn)算法的乳品企業(yè)經(jīng)銷商滿意度分類方法的研究[D];內(nèi)蒙古大學(xué);2016年

2 閆俊甫;基于Ext JS與J2EE架構(gòu)的中小型企業(yè)辦公自動化管理系統(tǒng)的設(shè)計與實現(xiàn)[D];云南大學(xué);2012年

，

本文編號：2089031