基于API 的疾病预测系统数据导入研究
2021-03-25邵荣强龚庆悦
软件导刊 2021年3期
邵荣强,陈 燕,龚庆悦
(1.南京中医药大学人工智能与信息技术学院,江苏南京 210023;2.宜兴市第二人民医院信息科,江苏宜兴 214221)
0 引言
自现代医学诞生以来,由于医学的发展极大地延长了人类的平均寿命,其研究一直吸引着大家的广泛关注,研究者希望通过研究揭示人体的运行规律,对其发病趋势进行预测。但是人体是一个十分复杂的系统,生理、心理和社会因素综合交织在一起使对疾病的预测研究变得非常困难。
机器学习可以通过从历史的行为和数据中分析、学习并找到更好的设计模式,可以解放很多复杂的工作。因此,机器学习已被广泛运用于各生产和科研领域[1-2]。随着大数据时代的到来,医学领域中的海量数据引起了许多学者的关注。机器学习方法,如:神经网络、支持向量机、决策树等方法被广泛应用于疾病预测领域[3-6],它们处理复杂及其大量数据上表现出的优势,解决了许多传统方法的局限性[7-10]。随着新的算法不断出现及各类超参数、业务参数的不断改进,疾病预测模型的准确率和召回率等指标也越来越高[11-13]。因此,相应的疾病预测模型也需要重新训练,模型重建周期也变得越来越短,需要通过提高训练效率以适应模型重建的快节奏。
1 相关工作
为提高疾病预测模型重建效率,近年来一些学者[14-18]针对算法和超参数选择进行研究,但随着研究的深入,训练效率改进越来越逼近天花板;也有学者[19-20]通过研究机器学习的云服务提高训练效率,但医学数据传到外部服务器则不可避免地面临患者隐私泄露问题;……
登录APP查看全文
