發(fā)布時間：2017-12-14 18:15

  本文關鍵詞：基于概率SVM的腫瘤預警系統(tǒng)的設計與實現

  更多相關文章： SVM 后驗概率估計 特征選擇 腫瘤預警

【摘要】：據世界衛(wèi)生組織（World Health Organization，WHO）腫瘤研究中心的全球監(jiān)測數據表明，如果按照現在的趨勢任其發(fā)展，20年后全球新增腫瘤病例將達到2600萬，，1700萬人將因患有腫瘤而死亡，而其中的大部分悲劇將在中低收入的發(fā)展中國家上演。盡管對腫瘤的確切病因還尚未定論，但是不良的生活習慣對細胞基因變異誘發(fā)的腫瘤有影響。如果能記錄腫瘤患者的生活細節(jié)，再以統(tǒng)計數據為基礎構造數學模型，進而預測隨機人群的患病概率。針對患病概率的大小，警示患病概率高的人群，要提早改善生活習慣來預防腫瘤，這在探求預防腫瘤的新方向上具有很重要的現實意義。 SVM作為一種借助于最優(yōu)化方法解決機器學習問題的工具，主要應用于統(tǒng)計分類問題與回歸分析問題中。同時，SVM的應用領域也是十分廣泛的。在醫(yī)學領域，SVM經常用作診斷腫瘤的輔助手段，比如可利用SVM對乳腺腫瘤X光圖像進行分類。在診斷腫瘤時，多數情況下依據的是臨床數據和組織病理學數據，但是臨床數據和組織病理學數據往往比較復雜，這大大影響了診斷腫瘤的效率和準確率。為此，Austin H Chen等人更是以SVM為主要方法，設計實現了一套以生物統(tǒng)計學中的基因數據為基礎，利用臨床特征和基因微陣列表達數據對腫瘤進行分類的腫瘤預測系統(tǒng)BCPP來輔助醫(yī)生對腫瘤進行診斷預測。這樣一套完整的計算機系統(tǒng)不僅可以輔助處理數據，提高數據處理效率，更主要的是可以減少人為操作的失誤，進而有助于診斷腫瘤的準確性。本文綜合考慮實際情況并以BCPP系統(tǒng)為借鑒，通過選用概率SVM，并引入特征向量的選擇和數據處理調整功能，以生活習慣等因素為切入點，設計并實現腫瘤預警系統(tǒng)。 在設計實現腫瘤預警系統(tǒng)時，本文先進行功能需求分析，進而得出系統(tǒng)的邏輯框架，最后設計與實現系統(tǒng)的訓練模塊、預測模塊、調整模塊，以及特征選擇功能。在論文的實驗部分，本文先對實驗數據進行整理，然后通過初步實驗，一方面驗證了腫瘤預警系統(tǒng)基本功能的可用性，另一方面驗證了SVM的分類原理等數學原理在腫瘤預警領域的適用性，也就是說，利用腫瘤患者的吸煙，飲食與遺傳等情況的統(tǒng)計數據，可以預測病人是否患有腫瘤。雖然與BCPP所使用的數據不同，但本系統(tǒng)引入了數據調整模塊，在預測功能上加入后驗概率估計，并且加入了特征選擇模塊，與BCPP相比，在預測的準確性上同樣取得了良好的結果。經過特征選擇后，雖然預測的準確率有所下降，但是考慮到其大大降低了計算量，在實際應用中，特征選擇依然可作為可選功能使用。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：R73;TP311.52

【參考文獻】

中國期刊全文數據庫 前10條

1 安欣;王韜;張錄達;;一種基于SVM分類的多類識別方法及應用[J];北京農學院學報;2006年02期

2 劉陽陽;申鉉京;王一棋;李翔;張維杰;;基于ARM的智能監(jiān)控系統(tǒng)的設計與實現[J];吉林大學學報(信息科學版);2011年02期

3 馮德坤;機器人動力學Lagrange方程計算的內積法[J];北京鋼鐵學院學報;1986年03期

4 王娟娟;任秋實;;基于SMO的不同懲罰系數的SVM算法[J];信息技術;2006年10期

5 奉國和;;SVM分類核函數及參數選擇比較[J];計算機工程與應用;2011年03期

6 王彬;孫蕾;;基于支持向量機的腫瘤形狀特征分類[J];計算機工程;2007年17期

7 張莉,周偉達,焦李成;核聚類算法[J];計算機學報;2002年06期

8 謝娟英;王春霞;蔣帥;張琰;;基于改進的F-score與支持向量機的特征選擇方法[J];計算機應用;2010年04期

9 夏國恩;;基于簡易支持向量機的客戶流失預測研究[J];計算機應用研究;2010年03期

10 王玉,楊秀珍;一個無約束最優(yōu)化問題的計算機解法[J];寧夏大學學報(自然科學版);1990年04期

中國博士學位論文全文數據庫 前1條

1 劉廣利;基于支持向量機的經濟預警方法研究[D];中國農業(yè)大學;2003年

中國碩士學位論文全文數據庫 前4條

1 孔波;基于邊界向量樣本的支持向量分類機[D];華中科技大學;2006年

2 蔡魁杰;基于支持向量機的漢語語音端點檢測和聲韻分離[D];哈爾濱工程大學;2007年

3 竇智宙;利用支持向量機對癌細胞識別的研究[D];內蒙古師范大學;2008年

4 王靜;SVM在參數選擇上的優(yōu)化[D];蘭州理工大學;2008年

本文編號：1288873