基于数据挖掘技术的医疗影像检查量预测

《基于数据挖掘技术的医疗影像检查量预测》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、硕士学位论文题目:基于数据挖掘技术的医疗影像检查量预测研究生吴斌专业控制工程指导教师徐哲教授完成日期2014年12月万方数据杭州电子科技大学硕士学位论文基于数据挖掘技术的医疗影像检查量预测研究生：吴斌指导教师：徐哲教授2014年12月万方数据DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterPredictionofmedicalimagingexaminationbasedonDataMiningTechnologyCandidate:BinWuSupervisor:Prof.XuZheDecember，20

2、14万方数据杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。申请学位论文与资料若有不实之处，本人承担一切相关责任。论文作者签名：日期：年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电

3、子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密论文在解密后遵守此规定）论文作者签名：日期：年月日指导教师签名：日期：年月日万方数据杭州电子科技大学硕士学位论文摘要一种新的揭示数据关系的数据分析技术——数据挖掘技术应用到医疗影像信息系统中能够给医院管理者提供感兴趣的信息或相关知识，其中预测是数据挖掘中的重点内容之一。本文在了解数据挖掘的技术背景、在医疗领域研究应用情况以及当前典型的检查量预测算法基础上，分析当前最具代表性的预测算法在影像检查量预测中存在的问题。主要完成以下几个方面的研究工作：（

4、1）优化改进传统预测算法GM（1,1）模型参数。采用量子遗传算法对GM（1,1）模型参数进行优化，克服传统的灰色GM（1,1）模型存在边值问题和最小二乘法参数估计问题。通过对某大型医院2005年到2012年影像检查量的模型拟合及预测效果比较，发现基于量子遗传算法的GM（1,1）优化模型能够在影像检查量的预测中取得更高的精度。（2）研究关联规则数据挖掘技术在患者检查信息中的应用。运用Apriori算法对国内某大型医院2005年1月至2012年12月患者检查记录进行分析研究，挖掘影响影像检查量的潜在因素。获得CT检查量的影响因素有：①患者年龄大于70岁、②住院患者、③患有呼吸系统疾病的患者、④患

5、有神经系统疾病的患者。（3）提出了一种新的影像检查量预测模型——灰色向量机预测模型（GSVR）。该模型结合了灰色预测模型只需少量数据的优点和回归型支持向量机可以非线性映射的特点，实例证实了它在预测影像检查量中的可行性，且预测结果优于支持向量机和GM（1,N）模型。医疗影像信息系统中蕴含大量的隐性信息和知识。本文运用数据挖掘技术对医疗影像检查量预测进行研究应用，以辅助医院领导科学决策。关键词：数据挖掘；影像检查量；灰色预测；量子遗传算法；Apriori算法I万方数据杭州电子科技大学硕士学位论文ABSTRACTToprovideinterestinginformationorknowledget

6、ohospitaladministrators,dataminingtechnologywhichisanewkindofdataanalysistechnologytorevealdatarelationshipisappliedtoanalyzethedataofmedicalimaginginformationsystem.Thepredictionisoneofthekeycontentindatamining.Basedontheunderstandingofthedataminingtechnologybackground,thedataminingapplicationinth

7、emedicalfieldandthecurrenttypicalpredictionalgorithm,thispaperanalyzedtheexistingproblemsintheamountofmedicalimagingexaminationpredictionbythemostrepresentativepredictionalgorithm.Heresummarizedthemainresea