基于深度学习的心脑血管疾病预测方法研究

随着计算机技术的发展,将计算机技术应用在医疗方面进行疾病预测已经成为当前研究的热点,并且具有非常重要的意义。深度学习技术是近几年机器学习的一个最新研究成果,论文尝试将深度学习技术应用到心脑血管疾病预测。论文完成的主要工作如下:(1)心脑血管疾病数据的归一化针对人体生理数据各个属性值的物理意义和数量级差异,消除指标之间的量纲影响,论文采用Z-score标准化方法计算出数据集中各个属性的平均值和数据集的标准差,完成数据集的归一化处理。(2)基于DBN,构建心脑血管疾病预测模型结合心脑血管疾病数据的特点,构建基于DBN的心脑血管疾病预测模型。该模型的学习训练核心包括受限玻尔兹曼机网络和BP神经网络,采用贪婪逐层学习算法进行训练,完成输入结点、隐含层的层数以及各个隐含层结点个数的确定,最终确定出最优的DBN预测模型结构。实验表明该模型比BP神经网络具有更高的识别率。(3)设计并实现心脑血管疾病预测系统原型结合论文构建出的DBN模型,设计并实现了心脑血管疾病预测系统原型。该系统主要包括三个模块:数据的预处理模块、心脑血管疾病预测模块、预测结果展示模块,为心脑血管疾病方面的预测提供了一种疾病预测方法。