APP下载

基于改进深度置信网络在医疗分类问题中的研究

2021-11-30蔡莉莉侯珂珂

现代计算机 2021年29期
关键词:分类模型

蔡莉莉,侯珂珂

(1.中山大学新华学院生物医学工程学院,广州510520;2.中山大学新华学院健康学院,广州510520)

0 引言

分类问题作为数据挖掘和模式识别领域的重要问题之一,一直以来受到众多科研学者的广泛关注。在我们的生活实际应用中常常会遇到分类问题,最常见的如基于医疗数据集的疾病诊断问题,它是一种典型的分类问题。根据医疗仪器设备获取的疾病的生理指标数据,采用数据挖掘和机器学习算法可以构建出分类决策模型,从而实现对疾病类型的分类和诊断。

随着智慧医疗概念的提出,越来越多的人工智能算法技术被应用于医疗分类问题的研究中,用以辅助医生临床疾病诊断。杜权等人分别采用支持向量机、随机森林算法和1维卷积神经网络训练出心律失常检测模型,检测心律失常准确率高达97.17%[1]。苗丰顺等人提出了一种基于Cat⁃Boost算法的糖尿病诊断模型,取得了较为优异的预测结果[2]。神经网络具有强大的非线性映射能力,常用于分类问题研究中。吴燎将BP神经网络应用于中医疾病诊断中,实现了对高血压、胃病和冠心病的高效预测。王增辉构建出基于人工神经网络的心脏病预测模型,模型的分类准确率达到85.7%[3]。

医疗数据分类预测模型准确率的提高非常依赖模型能否有效挖掘出数据内在特征,将数据集的有效特征提取出来进行建模有助于改善模型分类精度。受限玻尔兹曼机(restricted boltzmann ma⁃chine,RBM)因为具有较为显著的特征表达能力,被广泛应用于神经网络中作为特征提取的有效手段[4]。……

登录APP查看全文

猜你喜欢

分类模型
一半模型
分类算一算
垃圾分类的困惑你有吗
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
给塑料分分类吧
一个相似模型的应用