基于數(shù)據(jù)挖掘的心血管健康狀態(tài)等級預測模型的研究.pdf

1、據(jù)統(tǒng)計，慢性病現(xiàn)如今已成為我國人口死亡的第一原因，其中慢病之一的心血管疾病對全球人類的危害也在持續(xù)增長，人們對心血管健康的訴求也持續(xù)升溫，有效的判別和預測心血管健康對心血管疾病有極大的預防作用。醫(yī)院體檢中心每年組織體檢不涉及心血管健康相關的生活特征數(shù)據(jù)，基于體檢數(shù)據(jù)預測體檢人群心血管健康狀態(tài)，通過傳統(tǒng)的時間序列的預測方法和基于醫(yī)學上常用方法都不在適用，但是數(shù)據(jù)挖掘可以彌補其不足，能夠探索數(shù)據(jù)的規(guī)律預測心血管健康狀態(tài)。本文根據(jù)上述目標和數(shù)

2、據(jù)挖掘的過程給出了預測心血管健康狀態(tài)的方法和過程，結(jié)合心血管健康狀態(tài)序列和篩選得到的體檢特征指標來探索心血管健康狀態(tài)預測模型，最后得到RBF神經(jīng)網(wǎng)絡構(gòu)建的心血管健康狀態(tài)等級預測模型。
　　本研究主要內(nèi)容包括：⑴構(gòu)建了一個基于數(shù)據(jù)挖掘流程的健康狀態(tài)判別與預測模型。基于現(xiàn)有的體檢數(shù)據(jù)和需要探索的目標進行需求分析，對數(shù)據(jù)進行提取和轉(zhuǎn)換，構(gòu)建數(shù)據(jù)挖掘模型進行心血管健康或者疾病的預測并且基于預測結(jié)果進行服務推薦。⑵提出基于融合過濾和封裝的屬

3、性約簡算法。調(diào)研了基于特征轉(zhuǎn)換和特征選擇的特征降維方法，并且對比了基于過濾的和封裝的特征選擇算法，為減少冗余性和提高性能，提出基于融合過濾和封裝的屬性約簡算法來實現(xiàn)特征選擇問題。⑶基于模糊聚類的健康狀態(tài)等級判別。以特征選擇篩選得到的特征為基礎，指出模糊邏輯推理和硬聚類算法進行健康狀態(tài)判別的不足及最后選擇模糊邏輯聚類算法來實現(xiàn)健康狀態(tài)等級劃分，因而得到了基于模糊聚類的等級判別模型。⑷基于RBF神經(jīng)網(wǎng)絡的心血管健康狀態(tài)等級預測模型?；诮】?/p>

4、狀態(tài)判別得到的健康狀態(tài)序列結(jié)合體檢過程中的部分靜態(tài)體檢指標構(gòu)建基于 RBF神經(jīng)網(wǎng)絡預測模型實現(xiàn)健康狀態(tài)等級的預測。⑸針對上述過程中的子模塊分別進行了真實數(shù)據(jù)模擬，使用兩家醫(yī)院連續(xù)6年的成年人體檢數(shù)據(jù)作為實驗數(shù)據(jù)訓練和測試，實驗驗證的環(huán)節(jié)首先基于體檢數(shù)據(jù)源分析了數(shù)據(jù)的結(jié)構(gòu)和現(xiàn)有數(shù)據(jù)問題，結(jié)合異常問題闡述了異常原因和介紹了不同數(shù)據(jù)清理方法，基于上述數(shù)據(jù)挖掘過程的不同算法模塊分別做了代碼分析，最后通過集成Weka源碼不同的模塊功能和接口實現(xiàn)心