基于网格的医学数据分析技术研究与实现

《基于网格的医学数据分析技术研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华中科技大学硕士学位论文基于网格的医学数据分析技术研究与实现姓名：田晶申请学位级别：硕士专业：计算机应用指导教师：章勤20080501华中科技大学硕士学位论文摘要随着数字化医学数据分析技术的发展，来自临床诊疗、科研教学等方面的强烈需求，促使医学数据分析技术一直是研究的热点课题。而专门针对职业病中典型疾病建立有效的预测模型成为急需解决的问题。目前国内外针对典型职业病主要采用通用型数据分析方法，建模分析结合疾病特点能力较差、预测精度低。同时每天都在各医院中产生大量医疗数据，数据处理利用率低、资源整合力差。针对上述情况，

2、医学主观导向分析系统MedicalSAS(MedicalSubjectiveAnalysisSystem)将医学数据分析技术同网格环境相结合，利用网格平台资源整合、高性能计算的优势，通过建立四大类通用数据分析模型和专有组合预测模型，实现了针对典型疾病的预测。针对典型疾病，给出了指数平滑-神经网络(ES-BP)和模糊C均值聚类-神经网络(FCM-BP)等组合建模预测方法，通过将指数平滑和模糊C均值聚类建模输出分别作为BP网络输入，构造自学习神经网络对患者未来得病情况做预测。同时基于网格平台，实现了数据分析算法的服务封

3、装部署和服务请求调度，提供了从数据预处理、模型训练评估到模型结果可视化的流程操作，使用简单且具有良好的可扩展性。系统功能测试与算法性能测试表明，基于传统数据分析方法实现的ES-BP、FCM-BP组合预测模型能较好的克服单独建模时的缺陷，并能结合疾病数据特征，综合各致病因子对工人未来得病情况进行预测。组合模型预测精度均高于Weka系统中单独建模预测精度，在矽肺、高血压疾病中针对工人是否得病、得病年龄等预测中取得了较好的测试效果。关键词：组合预测，矽肺，BP神经网络，指数平滑法，FCM聚类,网格I-华中科技大学硕士学位

4、论文AbstractWiththedevelopmentofmedicaldataanalysistechniques,thestrongdemandfromclinicaltreatment,researchlearningmakesitbecomeahottopic.Howtofindaneffectivepreventionmethodonoccupationaldiseasesbecomesanurgentproblemtosolve.Classicaldataanalysismethodsarewidel

5、yusedfordiseaseswithlowforecastaccuracy.Atthesametime,hospitalshavealargenumberofcasesofclinicaldataeveryday,whichmakesthesharingandusingofthewholeinformationextremelylowanddifficult.Accordingtothesecircumstances,themedicalsubjectiveanalysissystem(MedicalSAS)p

6、rovidesaprofessionalmedicalanalysisplatformformedicalexperts,withthecombinationofmedicalanalysisandthesharingofresources,jobschedulingongrid.Modellingonthesubmitteddiseasedatathrougheffectivedataanalysisalgorithm,itcanpredictthetypicalcharacteristicsofdisease,

7、andgivesuggestionsontheanalysisofdiseaseinformation.OneofthekeytechnologiesinMedicalSASistheestablishmentofcombinedforecastingmethodsonthesilicosisandhypertensiondiseases.TwocombinedforecastingmethodsbasedonBPneuralnetworkareproposedtopredictthepossiblerateand

8、agesofsuffererstosufferthediseases.Atthesametime,CGSP2.0isusedtoimplementtheencapsulationanddeploymentofdataanalysisgridservices,andtheoperationsondatapreparation,modelestablishmen