【摘要】：醫(yī)療決策分析是傳統(tǒng)醫(yī)療研究結(jié)合大數(shù)據(jù)分析產(chǎn)生的新興研究方向。在大數(shù)據(jù)時代,醫(yī)療衛(wèi)生領(lǐng)域數(shù)據(jù)庫的信息量和信息種類均爆炸式增長。針對此類問題,醫(yī)療決策分析應(yīng)運而生,其中的重要一類就是病因分析。本文以孤獨癥為例來研究孤獨癥的影響因素對患兒病情的影響,數(shù)據(jù)支持來自上海市精神衛(wèi)生中心孤獨癥門診。孤獨癥業(yè)已成為一種重要且危害嚴(yán)重的小兒心理疾病,對患兒本身的成長危害巨大,對患兒的家庭也造成了沉重的心理壓力和經(jīng)濟(jì)負(fù)擔(dān)。為解決孤獨癥影響因素關(guān)系模型建立中遇到的數(shù)據(jù)缺失問題,本文引入了矩陣填充方法對缺失數(shù)據(jù)進(jìn)行填補,根據(jù)孤獨癥的患兒信息數(shù)據(jù)具有有效信息眾多,數(shù)據(jù)的秩較高等特征,本文改進(jìn)了現(xiàn)有的低秩矩陣填充算法,提出了兩種可應(yīng)用于高秩矩陣填充的算法,分別是基于交替方向乘子算法(ADMM)的填充算法(HRMC)和基于自編碼器的填充算法(AEMC)。前者結(jié)合了矩陣填充的邏輯和數(shù)據(jù)中各變量重要度不同的實際情況,令控制變量的權(quán)重因子根據(jù)變量的重要度取值,使得算法將更多的資源投入到重要變量的缺失數(shù)據(jù)的填充之上,從而提高算法的效率;后者利用自編碼器結(jié)合矩陣填充,在反向傳播的求導(dǎo)過程中同時求損失函數(shù)對矩陣本身的導(dǎo)數(shù)�；跀�(shù)據(jù)缺失問題的分析結(jié)果,本文進(jìn)一步建立了孤獨癥影響因素與孤獨癥病情的人工神經(jīng)網(wǎng)絡(luò)關(guān)系模型。首先,確定衡量孤獨癥癥狀嚴(yán)重程度的指標(biāo)和孤獨癥的待研究影響因素。然后,建立了關(guān)于孤獨癥行為量表(ABC)評分與影響因子關(guān)系的BP神經(jīng)網(wǎng)絡(luò)模型。緊接著,分析了神經(jīng)網(wǎng)絡(luò)的三個關(guān)鍵性參數(shù)對網(wǎng)絡(luò)精度的影響,分別是訓(xùn)練算法、訓(xùn)練樣本分配比例和隱含層的節(jié)點數(shù),提高了神經(jīng)網(wǎng)絡(luò)的預(yù)測精度。最后,對優(yōu)化過的網(wǎng)絡(luò)進(jìn)行敏感性分析,得到了影響孤獨癥癥狀較嚴(yán)重的因素,即患兒的基因在孤獨癥候選位點上是否異常,患兒的母親是否有孕期疾病。為了驗證矩陣填充模型和算法的有效性,以及合適的數(shù)據(jù)填補可以提高模型精度,降低統(tǒng)計偏差,本文進(jìn)行了矩陣填充的數(shù)值實驗。首先,利用生成的測試矩陣測試算法的表現(xiàn),然后,將兩種算法應(yīng)用到實際的孤獨癥患兒數(shù)據(jù)的填充過程當(dāng)中,將填充結(jié)果與多重插補法(MI)和奇異值閾值算法(SVT)進(jìn)行對比,結(jié)果證明兩種算法精度均優(yōu)于現(xiàn)有算法。最后,將矩陣填充前后的數(shù)據(jù)輸入孤獨癥影響因素神經(jīng)網(wǎng)絡(luò)模型,結(jié)果表明合適的數(shù)據(jù)填補確實可以有效提高模型的預(yù)測精度。
【圖文】：

圖 4-1 孤獨癥影響因素神經(jīng)網(wǎng)絡(luò)模型示意Fig. 4-1 Structure of Neural Network of Influence Factors ofASD圖 4-1 中可見，孤獨癥的影響因素神經(jīng)網(wǎng)絡(luò)模型是一個三層全連接模型，相鄰層的節(jié)點之間均存在連接，不相鄰層的節(jié)點間無連接，且隱含層（layer1）的激勵函數(shù)為 ReLu，輸出層的激勵函數(shù)為線性函數(shù)。

圖 4-2 收斂速度示意Fig. 4-2 Convergence of Neural Network，縱軸代表損失函數(shù)的取值，，橫軸代表迭代次數(shù)�？勺笥視r，損失函數(shù)的斜率急劇變小，整個網(wǎng)絡(luò)開始收斂數(shù)的值并無明顯變化。為了觀察更加直觀和細(xì)致，將
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R749.94;TP311.13;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 張瑋奇;張宏志;左旺孟;崔夢天;;基于加權(quán)核范數(shù)最小化的矩陣填充模型[J];計算機科學(xué);2015年07期

2 馬居飛;匡桂芳;衡中玉;趙永生;馬愛國;韓秀霞;;孤獨癥譜系障礙病因影響因素分析[J];中國兒童保健雜志;2015年06期

3 劉增明;陳運非;蔣海青;;基于PCA-BP神經(jīng)網(wǎng)絡(luò)方法的供應(yīng)商選擇[J];工業(yè)工程與管理;2014年01期

4 王健;戴琳;李克春;;氣象觀測站調(diào)整問題的實證分析[J];科學(xué)技術(shù)與工程;2011年25期

5 李瑞錫;江開達(dá);彭裕文;;孤獨癥研究新進(jìn)展[J];復(fù)旦學(xué)報(醫(yī)學(xué)版);2010年01期

6 何勇;李曉麗;邵詠妮;;基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究[J];光譜學(xué)與光譜分析;2006年05期

7 陳淑燕,王煒;交通量的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2004年04期

8 高大啟;有教師的線性基本函數(shù)前向三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)研究[J];計算機學(xué)報;1998年01期

相關(guān)博士學(xué)位論文 前1條

1 曾廣翔;面向推薦系統(tǒng)的矩陣填充算法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

本文編號：2623845