基于深度置信網(wǎng)絡(luò)的腦血管病風(fēng)險(xiǎn)預(yù)警研究.pdf

1、腦血管病具有高死亡率和高致殘率的特點(diǎn)。提前識別腦血管病發(fā)病風(fēng)險(xiǎn)，采取一定的防控措施，可以降低腦血管病的發(fā)病率和死亡率。學(xué)術(shù)界和醫(yī)學(xué)界基于各自的研究角度，分別進(jìn)行了不同風(fēng)險(xiǎn)因素和風(fēng)險(xiǎn)評估模型的研究。
　　本論文以腦血管病為研究對象，針對腦血管病一級預(yù)防中的風(fēng)險(xiǎn)預(yù)警環(huán)節(jié)，利用文獻(xiàn)分析、統(tǒng)計(jì)分析、實(shí)證分析等研究方法，研究如何使用腦血管病的主要風(fēng)險(xiǎn)因素，在已有技術(shù)的基礎(chǔ)上構(gòu)建預(yù)警模型，實(shí)現(xiàn)腦血管病的風(fēng)險(xiǎn)預(yù)警。本文的
　　主要研究內(nèi)容

2、如下:
　　(1)建立預(yù)警指標(biāo)體系。通過文獻(xiàn)分析和總結(jié)建立較為全面的腦血管病初始預(yù)警指標(biāo)體系，使用粗糙集理論中的信息熵算法對初始指標(biāo)體系進(jìn)行屬性約簡，提取高概括性和高敏感性的指標(biāo)，最終建立適用于預(yù)警模型的指標(biāo)體系。
　　(2)深度置信網(wǎng)絡(luò)模型構(gòu)建。選用受限玻爾茲曼機(jī)和反向傳播算法，通過RBM的構(gòu)建與堆疊建立深度置信網(wǎng)絡(luò)，在頂層使用反向傳播對網(wǎng)絡(luò)進(jìn)行參數(shù)微調(diào)，最終生成深度置信網(wǎng)絡(luò)模型。
　　(3)模型訓(xùn)練與效果分析。使用

3、訓(xùn)練數(shù)據(jù)完成模型特征學(xué)習(xí)和參數(shù)調(diào)整，生成基于深度置信網(wǎng)絡(luò)的腦血管病風(fēng)險(xiǎn)預(yù)警模型。用測試數(shù)據(jù)仿真結(jié)果對模型預(yù)警能力進(jìn)行評價(jià)，并將結(jié)果與LM-BP預(yù)警模型結(jié)果對比，分析深度置信網(wǎng)絡(luò)在腦血管病預(yù)警中的適用性。
　　(4)預(yù)警模型的應(yīng)用。結(jié)合醫(yī)療云平臺信息共享系統(tǒng)現(xiàn)狀和數(shù)據(jù)存儲機(jī)制，實(shí)現(xiàn)預(yù)警模型在信息共享系統(tǒng)的應(yīng)用。協(xié)同腦血管病醫(yī)療聯(lián)合體模式，提出基于預(yù)警結(jié)果的腦血管病協(xié)同防治系統(tǒng)干預(yù)策略。
　　本文在現(xiàn)有研究的基礎(chǔ)上，使用粗糙集理