肺結(jié)核是由結(jié)核桿菌感染引起的一種能夠在人與人之間傳染的疾病。在中國所有種類的傳染病中,肺結(jié)核傳染病的發(fā)病數(shù)占據(jù)前列。雖然有模型能對其未來發(fā)展趨勢進(jìn)行預(yù)測,但是其考慮的因素有限,預(yù)測精度相對較差。隨著機(jī)器學(xué)習(xí)領(lǐng)域中深度學(xué)習(xí)不斷發(fā)展,其應(yīng)用已經(jīng)非常廣泛。因此,使用深度學(xué)習(xí)算法來預(yù)測肺結(jié)核傳染病是一個可以進(jìn)行研究和應(yīng)用的方向。本文通過深度學(xué)習(xí)技術(shù)對四川省各地市州肺結(jié)核傳染病的發(fā)病強(qiáng)度以及發(fā)展趨勢進(jìn)行研究。同時結(jié)合相關(guān)預(yù)警技術(shù),預(yù)測其未來流行規(guī)模并對異常情況進(jìn)行預(yù)警通知。本文首先研究影響肺結(jié)核疫情的因素,然后再通過現(xiàn)有數(shù)據(jù)采集手段獲取相關(guān)數(shù)據(jù),并通過數(shù)據(jù)預(yù)處理技術(shù)來規(guī)范不同數(shù)據(jù)源的數(shù)據(jù),同時從流行病學(xué)的角度研究影響因素與肺結(jié)核傳染病流行的關(guān)系。又由于肺結(jié)核傳染病具有時空特性,并且傳染病預(yù)測常用的差分整合移動平均自回歸（ARIMA）模型存在一些問題,所以根據(jù)深度學(xué)習(xí)中圖卷積神經(jīng)網(wǎng)絡(luò)和轉(zhuǎn)化器模型的特征,本文提出gcTrans模型來解決該模型存在的問題。同時為了更好說明該模型的有效性,本研究中還使用轉(zhuǎn)換器模型的編碼器部分作為另一個對比模型。然后通過均方根誤差（RMSE）、平均絕對誤差（MAE）和決定... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學(xué)位級別】：碩士

【部分圖文】：

卷積運(yùn)算示意圖

第二章相關(guān)理論與技術(shù)11太大，并且存在一些冗余信息，會影響任務(wù)的訓(xùn)練，所以使用卷積操作來提取圖像中的部分特征，從而減少計(jì)算量。當(dāng)卷積核在圖像上滑動時，每一個中心像素點(diǎn)會與其相鄰像素點(diǎn)進(jìn)行加權(quán)求和。卷積操作涉及到兩個變量，一個是步長(stride)，另外一個是填充(padding)。通過卷積操作計(jì)算后會輸出一個矩陣，其輸出矩陣大小的計(jì)算公式如式(2-7)。21npfs++(2-7)其中n表示圖像矩陣的大小，p即padding，s為stride，f表示kernel的大校假定n的大小為7，f的大小為3，令p為0，s為2，則其輸出3*3的矩陣，其計(jì)算過程如圖2-2所示。圖2-2卷積運(yùn)算示意圖線性整流層由激活函數(shù)構(gòu)成，神經(jīng)網(wǎng)絡(luò)通過激活函數(shù)來進(jìn)行增強(qiáng)其非線性擬合能力。常用的激活函數(shù)有sigmoid函數(shù)、雙曲正切函數(shù)和Relu函數(shù)，其中sigmoid函數(shù)圖像如圖2-3所示。圖2-3sigmoid激活函數(shù)圖從圖2-3可以看出，該函數(shù)將變量的范圍轉(zhuǎn)化到0和1之間。通過這樣的操作來增強(qiáng)神經(jīng)網(wǎng)絡(luò)的非線性擬合能力，同時還可以用于二分類。而雙曲正切函數(shù)圖像如圖2-4所示。

電子科技大學(xué)碩士學(xué)位論文12圖2-4雙曲正切激活函數(shù)圖從圖2-4可以看出，該函數(shù)是一個非線性函數(shù)，它的縱坐標(biāo)值限定在(-1,1)之間，并且由于其0均值的特性，使得訓(xùn)練效率得以提升。而Relu函數(shù)圖像如圖2-5所示。圖2-5Relu激活函數(shù)圖從圖2-5可以看出，該函數(shù)只保留了大于0的變量，因而會使得網(wǎng)格變得稀疏，從而減少過擬合。同時還可以加快訓(xùn)練過程以及增強(qiáng)神經(jīng)網(wǎng)絡(luò)的非線性擬合能力。2.3.2圖卷積神經(jīng)網(wǎng)絡(luò)由于圖像的像素矩陣是一個規(guī)則的網(wǎng)格矩陣，網(wǎng)格矩陣中的像素點(diǎn)與周圍8個像素點(diǎn)相鄰，所以我們可以使用卷積神經(jīng)網(wǎng)絡(luò)來處理這類數(shù)據(jù)。但是對于如圖2-6所示的圖形結(jié)構(gòu)，該神經(jīng)網(wǎng)絡(luò)則無法處理。而圖卷積神經(jīng)網(wǎng)絡(luò)通過重新定義卷積操作，使得卷積操作能夠處理這樣的圖形結(jié)構(gòu)。那么對于這類結(jié)構(gòu)的一些問題上，如交通領(lǐng)域流量問題，都可以考慮使用圖卷積神經(jīng)網(wǎng)絡(luò)來處理。圖2-6圖(graph)結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于可變形空間掃描統(tǒng)計(jì)量法的四川省肺結(jié)核聚集性探測研究[J]. 李婷,何金戈,楊長虹,李京,肖月,李運(yùn)葵,陳闖,吳建林.  寄生蟲病與感染性疾病. 2019(01)
[2]嘉峪關(guān)市肺結(jié)核病與氣象相關(guān)影響因素研究[J]. 李世雄,王玉明,董繼元.  疾病預(yù)防控制通報(bào). 2019(01)
[3]北京市空氣質(zhì)量指數(shù)與結(jié)核病發(fā)病關(guān)系的時間序列研究[J]. 劉夢陽,張英杰,馬圓,李琪歡,劉悅,馮巍,王肖南,李衛(wèi)民,郭秀花.  中華流行病學(xué)雜志. 2018 (12)
[4]肺結(jié)核診斷與治療的現(xiàn)狀[J]. 任東風(fēng),王穎.  中外企業(yè)家. 2017(12)
[5]結(jié)核病疫情現(xiàn)狀和控制策略[J]. 王巧智,龔德華.  實(shí)用預(yù)防醫(yī)學(xué). 2017(03)
[6]2014年四川省法定傳染病疫情分析[J]. 張?jiān)颇?康殿巨,藺紅,許軍紅,劉潤友,楊長虹.  職業(yè)衛(wèi)生與病傷. 2016(02)
[7]結(jié)核病現(xiàn)狀及其預(yù)防策略[J]. 鄭雅楠,張晨,辛秀梅,張海濤,馬金鳳.  中華保健醫(yī)學(xué)雜志. 2015(02)
[8]20082013年福建省肺結(jié)核患者職業(yè)分布[J]. 李衛(wèi)林,周娜,林勇明.  預(yù)防醫(yī)學(xué)論壇. 2014(10)
[9]2012年四川省結(jié)核病流行病學(xué)調(diào)查結(jié)果分析[J]. 李婷,何金戈,張佩如,夏勇,王丹霞,李運(yùn)葵,吳建林.  預(yù)防醫(yī)學(xué)情報(bào)雜志. 2013(11)
[10]基于神經(jīng)網(wǎng)絡(luò)的氣象條件對瀘州市肺結(jié)核發(fā)病率預(yù)測[J]. 胡婧媛,蔣夢姣,景元書,萬秉成,劉誠.  科技通報(bào). 2013(05)

博士論文
[1]結(jié)核病時空傳播模型與危險(xiǎn)因素評估[D]. 賈忠偉.北京郵電大學(xué) 2008

碩士論文
[1]新疆喀什地區(qū)結(jié)核病動力學(xué)模型與時間序列模型的建立與分析[D]. 李虎玲.新疆醫(yī)科大學(xué) 2019



本文編號：3392060