基于多維生理大數(shù)據(jù)深度學(xué)習(xí)的健康狀態(tài)評(píng)估模型構(gòu)建方法.pdf

1、大數(shù)據(jù)開(kāi)啟了一次重大的時(shí)代轉(zhuǎn)型，正在改變我們的生活及理解世界的方式，成為新發(fā)明和新服務(wù)的源泉，更多的改變正蓄勢(shì)待發(fā)。同時(shí)，大數(shù)據(jù)也使得醫(yī)療健康領(lǐng)域展開(kāi)一系列的變革。其中，疾病預(yù)防和診斷是醫(yī)療領(lǐng)域變革的一個(gè)重要方向。大數(shù)據(jù)技術(shù)為醫(yī)療健康領(lǐng)域的發(fā)展帶來(lái)了新的契機(jī)，以數(shù)據(jù)驅(qū)動(dòng)為支撐的醫(yī)療健康信息化方興未艾。
　　醫(yī)療數(shù)據(jù)來(lái)源廣泛，數(shù)據(jù)類(lèi)型眾多且結(jié)構(gòu)復(fù)雜，利用一般的統(tǒng)計(jì)學(xué)習(xí)算法和機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)難以建立準(zhǔn)確的特征學(xué)習(xí)模型?；诖?，本文將

2、深度學(xué)習(xí)理論應(yīng)用到生理大數(shù)據(jù)分析中，設(shè)計(jì)一種以非監(jiān)督學(xué)習(xí)方式學(xué)習(xí)生理時(shí)序數(shù)據(jù)關(guān)鍵特征的深度人工神經(jīng)網(wǎng)絡(luò)。然后，基于多元高斯分布理論構(gòu)建健康狀態(tài)評(píng)估模型，將深度人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的數(shù)據(jù)特征作為該評(píng)估模型的輸入，以此評(píng)估用戶(hù)的健康狀態(tài)。論文主要研究?jī)?nèi)容如下：
　?、贂r(shí)序數(shù)據(jù)的深度特征學(xué)習(xí)研究
　　基于卷積神經(jīng)網(wǎng)絡(luò)理論，設(shè)計(jì)一種非監(jiān)督學(xué)習(xí)的深度人工神經(jīng)網(wǎng)絡(luò)模型，用于學(xué)習(xí)多維生理時(shí)序數(shù)據(jù)的深層次特征?；谧詣?dòng)編碼算法，研究怎樣從無(wú)標(biāo)

3、簽的數(shù)據(jù)中非監(jiān)督地學(xué)習(xí)數(shù)據(jù)特征。研究網(wǎng)絡(luò)模型的層數(shù)、網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)和學(xué)習(xí)率等關(guān)鍵參數(shù)，使模型能高效準(zhǔn)確地學(xué)習(xí)生理時(shí)序數(shù)據(jù)的關(guān)鍵特征。
　　②健康狀態(tài)評(píng)估模型研究
　　基于多元高斯分布理論構(gòu)建健康狀態(tài)評(píng)估模型。研究怎樣利用多元高斯分布理論，設(shè)計(jì)一個(gè)能高效準(zhǔn)確地評(píng)估用戶(hù)健康狀態(tài)的評(píng)估模型。
　?、巯到y(tǒng)的實(shí)驗(yàn)與仿真
　　利用Python和MATLAB軟件平臺(tái)，通過(guò)對(duì)32個(gè)自愿者的40組8×8064維生理大數(shù)據(jù)的實(shí)驗(yàn)與仿真，