【摘要】：中風(fēng)也稱(chēng)腦卒中,是一種臨床常見(jiàn)病和多發(fā)病,嚴(yán)重地威脅著人們的健康。它也稱(chēng)為腦血管意外疾病,即指因各種誘導(dǎo)因素而引起腦內(nèi)動(dòng)脈狹窄、閉塞或這破裂的現(xiàn)象。腦卒中發(fā)病后第一天,約有10%~20%患者死亡,發(fā)病3周內(nèi)約有1/4~1/3患者死亡,第3周后死亡速率會(huì)減慢,5年存活率約為15%~40%,而且得過(guò)腦中風(fēng)的患者再發(fā)的可能性是普通人的4~15倍,并且發(fā)病后治療也會(huì)很困難。腦卒中具有發(fā)病率高、致殘率高、死亡率高和復(fù)發(fā)率高的“四高”特點(diǎn)。因此,預(yù)防腦中風(fēng)復(fù)發(fā)是非常重要的,要致力于降低發(fā)病率,提高治愈率。而大多數(shù)中風(fēng)發(fā)病之前都會(huì)出現(xiàn)中風(fēng)先兆證,因此,在中風(fēng)先兆癥的防治研究方面,本文主要的研究?jī)?nèi)容如下:首先,針對(duì)心血管疾病腦卒中的課題背景,論述了心腦血管的病因和發(fā)病機(jī)制,同時(shí),詳細(xì)闡述了心血管疾病復(fù)發(fā)預(yù)測(cè)模型國(guó)內(nèi)外的研究現(xiàn)狀,介紹了心血管疾病常見(jiàn)的評(píng)估工具:CVD總風(fēng)險(xiǎn)預(yù)測(cè)工具、中風(fēng)預(yù)測(cè)工具和腦血流動(dòng)力學(xué)檢測(cè)指標(biāo);其次,詳細(xì)介紹了心血管疾病的危險(xiǎn)因素,如性別、年齡、家族遺傳史、高血壓、吸煙等因素,闡述了機(jī)器學(xué)習(xí)的概念及其分類(lèi)情況,介紹了SPSS軟件的用途及其功能特點(diǎn)。然后,針對(duì)心血管疾病腦卒中特點(diǎn),本文建立了基于Cox回歸分析的預(yù)測(cè)模型,通過(guò)SPSS13.0軟件進(jìn)行實(shí)驗(yàn),給出了相應(yīng)的實(shí)驗(yàn)結(jié)果;同時(shí)建立了基于Logistic的預(yù)測(cè)模型,進(jìn)行相關(guān)實(shí)驗(yàn)及結(jié)果分析。最后,介紹了SVM算法的基本原理、核函數(shù)的選擇,闡述了SVM算法實(shí)現(xiàn)的具體步驟及其特點(diǎn),設(shè)計(jì)了一種基于SVM算法的預(yù)測(cè)模型,闡述了其性能指標(biāo):ROC曲線下的面積,詳細(xì)介紹了該算法的具體步驟:(1)導(dǎo)入相關(guān)數(shù)據(jù)集,進(jìn)行預(yù)處理操作;(2)影響因素的選擇,采用保守均值法(CM)來(lái)選擇相關(guān)的影響因素;(3)采用SVM算法來(lái)預(yù)測(cè)并評(píng)估其性能。給出了相關(guān)的實(shí)驗(yàn)結(jié)果與分析,同時(shí),與Cox模型和logistic模型進(jìn)行相比,通過(guò)計(jì)算ROC曲線下的面積(AUC)值,0.827_(cox)0.829_(log istic)0.836_(SVM),發(fā)現(xiàn)SVM結(jié)合CM選擇算法準(zhǔn)確度最好。
【圖文】：

工程碩士學(xué)位論文生理學(xué)等學(xué)科。機(jī)器學(xué)習(xí)的發(fā)展史是：從基于神經(jīng)元模型方法研究展到以符號(hào)演算為基礎(chǔ)的規(guī)則學(xué)習(xí)和決策樹(shù)學(xué)習(xí)，再而延伸到認(rèn)知納、類(lèi)比等概念，最后到最新的計(jì)算學(xué)習(xí)理論。同時(shí)，在生物信息最廣泛用到的方法是支持向量機(jī)(Support Vector Machines)和人工神cial Neural Networks)。廣義上定義，機(jī)器學(xué)習(xí)是一種能夠賦予機(jī)器學(xué)習(xí)的能力以此讓它完法完成的功能的方法，但從實(shí)踐意義上來(lái)說(shuō)，機(jī)器學(xué)習(xí)是一種通過(guò)練模型，然后使用模型預(yù)測(cè)的一種方法，如圖 2.1 所示。

圖 3.1 腦卒中復(fù)發(fā)預(yù)測(cè)模型的 ROC 曲線分析C 曲線來(lái)計(jì)算約登指數(shù)最大值等于 0.526。其對(duì)應(yīng)2.289 為截?cái)帱c(diǎn)。此時(shí)模型的靈敏度為 0.731，特異度測(cè)體的多變量實(shí)際值代入到 PI 方程中，求出其預(yù)后指數(shù)從而得出該個(gè)體的診斷。例如：某個(gè)腦卒中患者年齡壓 165mmHg，總膽固醇為 6.64 mmol/L。出現(xiàn)病情進(jìn)指數(shù)是：PI(1年復(fù) 發(fā))=0.613×1+0.753×1+0.945×2+1.1年復(fù)發(fā))>2.289。則可判斷該患者腦卒中后 1 年內(nèi)復(fù)發(fā)可，，截至隨訪終止，因?yàn)榧膊?fù)發(fā)死亡 35 例，患者 1 年年復(fù)發(fā)率是 20.18%。通過(guò)選擇 27 個(gè)主要危險(xiǎn)因素進(jìn)有 15 個(gè)對(duì)腦卒中復(fù)發(fā)有統(tǒng)計(jì)學(xué)上的意義，同時(shí)選擇了中家族史、高血壓病史、年齡、總膽固醇、病情進(jìn)展發(fā)預(yù)測(cè)模型 PI 方程。并且通過(guò) ROC 曲線下的面積來(lái)
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：R743.3;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 黃國(guó)榮;張林;王慶華;向穎;許斌;熊鴻燕;;芽胞氣溶膠表面滯留抗力預(yù)測(cè)模型研究[J];微生物學(xué)雜志;2010年05期

2 ;[J];;年期

相關(guān)會(huì)議論文 前5條

1 林楠;馬玉俊;韓在柱;宋魯平;Alfonso Caramazza;畢彥超;;基于體素水平腦損傷信息的口語(yǔ)命名能力預(yù)測(cè)模型研究[A];第一屆全國(guó)神經(jīng)動(dòng)力學(xué)學(xué)術(shù)會(huì)議程序手冊(cè) & 論文摘要集[C];2012年

2 吳振玲;宛公展;白玉榮;段麗瑤;劉彬賢;;72小時(shí)氣傳花粉預(yù)測(cè)模型研究[A];中國(guó)顆粒學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)暨海峽兩岸顆粒技術(shù)研討會(huì)論文集（下）[C];2008年

3 李習(xí)平;;基于GM(1,1)理論的中國(guó)居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)模型研究[A];中國(guó)高等院校市場(chǎng)學(xué)研究會(huì)2009年年會(huì)論文集[C];2009年

4 董志貴;王金武;;基于時(shí)序模型的經(jīng)濟(jì)預(yù)測(cè)模型研究[A];農(nóng)業(yè)系統(tǒng)工程理論與實(shí)踐研究——全國(guó)農(nóng)業(yè)系統(tǒng)工程學(xué)術(shù)研討會(huì)論文集[C];2006年

5 楊興斌;馮輔周;;發(fā)動(dòng)機(jī)油液光譜分析預(yù)測(cè)模型研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 常城;國(guó)家級(jí)高新技術(shù)開(kāi)發(fā)區(qū)經(jīng)濟(jì)發(fā)展灰色預(yù)測(cè)模型研究[D];哈爾濱工程大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 邢昊;邊坡地形的地震動(dòng)放大效應(yīng)預(yù)測(cè)模型研究[D];西南交通大學(xué);2015年

2 張蓉;基于多維多尺度數(shù)據(jù)的交通速度預(yù)測(cè)模型研究[D];浙江大學(xué);2016年

3 張宏智;流量分布不均下考慮動(dòng)力噪聲的交通噪聲預(yù)測(cè)模型研究[D];哈爾濱工業(yè)大學(xué);2016年

4 劉澤文;基于機(jī)器學(xué)習(xí)的腦卒中復(fù)發(fā)預(yù)測(cè)模型研究[D];湖南大學(xué);2015年

5 謝乃明;序列算子與灰色預(yù)測(cè)模型研究[D];南京航空航天大學(xué);2005年

6 王義昌;企業(yè)市場(chǎng)營(yíng)銷(xiāo)預(yù)測(cè)模型研究與分析[D];蘇州大學(xué);2007年

7 呂寧;地方財(cái)政一般預(yù)算收入預(yù)測(cè)模型研究[D];浙江大學(xué);2006年

8 張樨樨;營(yíng)銷(xiāo)人員選拔性測(cè)評(píng)的預(yù)測(cè)模型研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2005年

9 袁超;短期電力負(fù)荷混合預(yù)測(cè)模型研究[D];蘭州大學(xué);2015年

10 張路;重慶市某區(qū)交通事故流行病學(xué)分析及預(yù)測(cè)模型研究[D];第三軍醫(yī)大學(xué);2010年

本文編號(hào)：2647445