【摘要】：心血管疾病是一種嚴重威脅人類健康的重大疾病。冠心病作為一種常見的心血管疾病,其發(fā)病率和死亡率逐年上升,同時其昂貴的治療費用給國家和人民帶來了巨大的經(jīng)濟負擔,給患者家庭帶來了巨大的災難。冠狀動脈造影是近幾年常用的有創(chuàng)診斷技術,被認為是診斷冠心病的“金標準”,然而其費用較為昂貴,且對做操作者的技術水平要求較高,不適用于冠心病早期的篩查和診斷。因此,研發(fā)普適的冠心病早期無損篩查診斷方法,對于降低冠心病的發(fā)病率和死亡率具有重大意義。本文首先對國內(nèi)外冠心病危險因素及其篩查模型的研究現(xiàn)狀和發(fā)展趨勢進行了系統(tǒng)綜述,然后利用多種特征選擇方法篩選冠心病危險因素,并對冠心病的早期無損篩查模型的構建進行了系統(tǒng)研究。完成的主要創(chuàng)新性工作如下:(1)在某三級甲等醫(yī)院心內(nèi)科完成冠心病組和對照組數(shù)據(jù)的采集,并構建山東地區(qū)冠心病危險因素數(shù)據(jù)庫。構建的數(shù)據(jù)庫涵蓋的主要信息包括:臨床癥狀、生化指標、人口學信息、生活習慣、個人疾病史、家族疾病史、心電檢查結果等信息。(2)提出一種集成多種特征選擇方法的特征選擇策略。首先利用方差分析、卡方檢驗、互信息、循環(huán)遞歸消除、隨機森林特征權重系數(shù)、支持向量機特征權重系數(shù)和XGB(Extreme Gradient Boosting,XGB)特征權重系數(shù)七種特征選擇方法,對上述特征集完成特征重要性評估,篩選出重要的特征;然后,對篩選的特征投票,統(tǒng)計每個特征所得的票數(shù),票數(shù)相同的特征構成新的特征集;最后,新特征集分別用支持向量機構建模型,通過模型性能指標得出最重要的特征集。(3)篩選的重要特征基于支持向量機構建了冠心病篩查模型。模型的準確性、敏感性和F1-measure分別達到了89.39%、94.53%、90.68%。與使用原特征集訓練的模型、單一特征選擇方法訓練的模型相比,集成特征選擇方法訓練的模型準確性分別提高了9%和3.3%。該方法訓練的模型能有效識別冠心病,可為臨床上冠心病的篩查和診斷提供參考。
【圖文】：

１９９０邋＊邋９９５邋２０００邋２００５邋２００６邋２００７邋２００８邋２００９邋２０１０邋２０１１邋２０１２邋２０１３邋２０１４邋２０１５邋２０１６逡逑年份《年｝逡逑圖１－１邋１９９０－２０１６中國農(nóng)村居民主要疾病死亡率變化⑴逡逑３００邋？逡逑２６５邋２６５．１１逡逑２５５邋２５４邋２５７邋２５２邐＿＿？逡逑２５０．邐２３0邋２３４邐￣￣邐逡逑一邐一？？心血管病逡逑Ｓ邋２００＇邐＋舯描逡逑｜邋１５０－邐、＇一＂？．＂＊■＊＊＊、一？邐＊■邐■逡逑一一咖中匌逡逑１００－邋＊＿＿＊逡逑５０邋？逡逑ｉ邐－邐ｎ邐０邐，邐＿邐＿邐？：逡逑％邐邐，邋＿邋ｔ邋ｒ邋ｆ邋ｔ邋ｔ逡逑0＇邐＊邐．．．．．．．．．．．邐ｉ邐．邐■逡逑１９９０邋１９９５邋２０００邋２００５邋２００６邋２００７邋２００８邋２００９邋２０１０邋２０１１邋２０１２邋２０１３邋２０１４邋２０１５邋２０１６逡逑年份（年＞逡逑圖１－２邋１９９０－２０１６中國城市居民主要疾病死亡率變化逡逑２逡逑

解決上述問題的有效方法是通過Ｋ折交叉驗證（Ｋ－ｆｏｌｄ邋ｃｒｏｓｓ邋ｖａｌｉｄａｔｉｏｎ）邋［６５］逡逑來評估和驗證模型的性能。Ｋ折交叉驗證是一種典型的交叉驗證的方法，，其流程逡逑如圖３－１所示，先把數(shù)據(jù)分成ｋ等份，選其中Ｋ－１份作訓練集訓練模型，剩下一逡逑份作測試集驗證模型，該過程被重復Ｋ次，得到Ｋ次測試結果，再取平均值，逡逑即為模型的性能指標。該方法保證了測試集不參與模型訓練和參數(shù)選擇，同時有逡逑效利用了所有數(shù)據(jù)，使模型性能評估更客觀準確。本論文的實驗使用十折交叉驗逡逑證了模型的泛化能力。逡逑數(shù)據(jù)集逡逑邐邋邐逡逑邐邐邐逡逑第１輪｜邋訓練集邐測試集測試結果１、逡逑第２輪邐訓練集邋測試集訓練集測試結果２邐＾邋＾逡逑１邐＾１邐s6返回結果逡逑＊邋＊邋？逡逑第ｋ輪測試集邐訓練集邐１邐）測試結果１＾逡逑圖３－１邋Ｋ折交叉驗證流程圖逡逑３．１．４模型構建流程逡逑第二章的數(shù)據(jù)庫基于ＳＶＭ構建了冠心病篩查模型，模型訓練過程中應用十逡逑折交叉驗證將數(shù)據(jù)分成訓練集和測試集，訓練集基于網(wǎng)格搜索策略尋找最優(yōu)參數(shù)逡逑訓練最優(yōu)模型，測試集用于驗證模型的性能。構建流程如圖３－２所示。逡逑１９逡逑
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP311.13;R541.4

【相似文獻】

相關期刊論文 前10條

1 張紅濤,胡玉霞,邱道尹;遺傳算法在儲糧害蟲特征選擇中的應用[J];華北水利水電學院學報;2004年03期

2 徐雷;閻平凡;常迥;;用于特征選擇的BF算法及其與B&B算法的比較[J];自動化學報;1988年05期

3 楊錦英;王碧泉;;K—W檢驗和熵法在單個特征選擇中的應用[J];華北地震科學;1989年02期

4 陳晉蘇;特征選擇在電信行業(yè)客戶流失分析中的應用[J];科技資訊;2005年22期

5 范勁松,方廷健;特征選擇和提取要素的分析及其評價[J];計算機工程與應用;2001年13期

6 江乃雄;蔡民;;綜合距離特征選擇問題解的存在性與唯一性[J];計算機應用與軟件;1992年01期

7 錢學雙;多重篩選逐步回歸特征選擇法及其應用[J];信息與控制;1986年05期

8 趙帥;張雁;徐海峰;;基于成對約束分的特征選擇及穩(wěn)定性評價[J];計算機與數(shù)字工程;2019年06期

9 余勝龍;趙紅;;基于樣本鄰域保持的代價敏感特征選擇[J];數(shù)據(jù)采集與處理;2018年02期

10 杜政霖;李云;;基于特征聚類集成技術的在線特征選擇[J];計算機應用;2017年03期

相關會議論文 前10條

1 史彩娟;沙宇陽;劉健;閆曉東;劉利平;;基于自適應半監(jiān)督稀疏特征選擇的圖像標注[A];第十屆全國信號和智能信息處理與應用學術會議�？痆C];2016年

2 劉培磊;李滿生;王挺;;蛋白質(zhì)相互作用有向關系抽取的特征選擇[A];第五屆全國信息檢索學術會議論文集[C];2009年

3 袁帥;楊宏暉;申f;;基于云模型的特征評價準則[A];第三屆上�！靼猜晫W學會學術會議論文集[C];2013年

4 申f;楊宏暉;袁帥;;用于水聲目標識別的互信息無監(jiān)督特征選擇[A];第三屆上海——西安聲學學會學術會議論文集[C];2013年

5 李澤輝;聶生東;陳兆學;;應用多類SVM分割MR腦圖像特征選擇與優(yōu)化的實驗研究[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

6 李娜;曾向陽;;目標識別中的樣本選擇和特征選擇聯(lián)合算法研究[A];2009年西安-上海聲學學術會議論文集[C];2009年

7 宋鵬;鄭文明;趙力;;基于子空間學習和特征選擇融合的語音情感識別[A];第十四屆全國人機語音通訊學術會議（NCMMSC’2017）論文集[C];2017年

8 臧淼;徐惠民;張永梅;;基于局部約束和稀疏編碼的自動圖像標注[A];國防光電子論壇第二屆激光雷達成像探測技術及應用研討會論文集[C];2015年

9 俞士汶;王治敏;朱學鋒;;文學語言與自然語言理解研究[A];中文信息處理前沿進展——中國中文信息學會二十五周年學術會議論文集[C];2006年

10 薛富強;葛臨東;陳麗;;新的改進遺傳算法用于調(diào)制信號特征選擇[A];無線傳感器網(wǎng)及網(wǎng)絡信息處理技術——2006年通信理論與信號處理年會論文集[C];2006年

相關重要報紙文章 前7條

1 本報記者 李振輝;根據(jù)自身特征選擇健身方式[N];廣東科技報;2008年

2 海通證券 婁靜邋吳先興;把握風險收益特征選擇最適合自己的基金[N];上海證券報;2007年

3 鐵嶺市第二高中 高軍;讓學生“動”起來[N];鐵嶺日報;2005年

4 鄭衛(wèi)東;高產(chǎn)鵝選種方法和標準[N];中國畜牧獸醫(yī)報;2007年

5 《網(wǎng)絡世界》記者 周源;云平臺,只選對的[N];網(wǎng)絡世界;2012年

6 鄭軍;高產(chǎn)鵝選種方法和標準[N];河南科技報;2016年

7 記者 丁寧;2012年,我們一起“追”的創(chuàng)新產(chǎn)品[N];上海證券報;2012年

相關博士學位論文 前10條

1 袁明冬;基于圖的特征提取和特征選擇及其應用研究[D];西安電子科技大學;2017年

2 胡小娟;基于特征選擇的文本分類方法研究[D];吉林大學;2018年

3 任宇林;結構化預測中N元特征選擇算法的研究[D];華中科技大學;2018年

4 Reehan Ali Shah;基于稀疏模型組合的網(wǎng)絡入侵分類[D];浙江大學;2019年

5 滕旭陽;面向特征選擇問題的優(yōu)化方法研究[D];哈爾濱工程大學;2017年

6 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學習研究[D];清華大學;2004年

7 高青斌;蛋白質(zhì)亞細胞定位預測相關問題研究[D];國防科學技術大學;2006年

8 劉風;基于磁共振成像的多變量模式分析方法學與應用研究[D];電子科技大學;2014年

9 馮國忠;文本分類中的貝葉斯特征選擇[D];東北師范大學;2011年

10 梁建寧;特征選擇與圖像匹配[D];復旦大學;2011年

相關碩士學位論文 前10條

1 侯宇亮;基于極限學習機的分類方法研究及應用[D];中原工學院;2019年

2 尹春燕;基于集成特征選擇的冠心病篩查模型研究[D];山東大學;2019年

3 薛瑞;轉(zhuǎn)子故障診斷中的特征選擇問題研究[D];蘭州理工大學;2019年

4 周雨;基于互信息與決策樹的特征選擇[D];蘭州大學;2019年

5 余思成;基于特征選擇的集成分類方法及其應用研究[D];江蘇科技大學;2019年

6 Wei Wang;P值的不穩(wěn)定性與其他因素對統(tǒng)計特征選擇的影響[D];天津大學;2018年

7 游仁春;基于特征選擇聚類和張量分析的碳纖維增強復合材料超聲缺陷識別[D];廈門大學;2017年

8 閆文凱;基于特征選擇的致病SNP識別方法研究[D];南京農(nóng)業(yè)大學;2017年

9 周至;復雜環(huán)境下無人工干預的室內(nèi)定位算法研究[D];南京大學;2019年

10 馬必煥;一種多任務特征選擇金字塔及其在電力設備檢測的應用[D];浙江大學;2019年

本文編號：2651485