基于PCA-ELM的病理數(shù)據(jù)研究與應(yīng)用.pdf

1、經(jīng)濟(jì)社會(huì)不斷發(fā)展，人們的生活水平和受教育程度不斷提高，國(guó)民的健康問(wèn)題也受到越來(lái)越多的關(guān)注。近年來(lái)數(shù)據(jù)挖掘的研究火熱，在各行各業(yè)得以應(yīng)用，其對(duì)生活的影響慢慢得以體現(xiàn)。而利用好醫(yī)療數(shù)據(jù)也成為未來(lái)的一個(gè)研究熱點(diǎn)。其中對(duì)于疾病的病理分析有著越來(lái)越重要的意義，正逐漸受到人們的關(guān)注。目前對(duì)于病理的分析主要存在以下問(wèn)題：一是計(jì)算機(jī)等設(shè)備絕大多數(shù)還只是檢測(cè)臨床生理指標(biāo)的工具，最終還是需要有醫(yī)生進(jìn)行人工分析診斷，往往很多時(shí)候也受到醫(yī)生的經(jīng)驗(yàn)制約。二是由于

2、生理機(jī)體本身的復(fù)雜性，在很多疾病的臨床表現(xiàn)上其實(shí)有很多相似之處，但是醫(yī)生都有自己擅長(zhǎng)的疾病領(lǐng)域，不同領(lǐng)域的專家根據(jù)自己所掌握的知識(shí)和經(jīng)驗(yàn)所得出的診斷結(jié)果可能會(huì)有不同。而這種主觀上造成的某些局限性會(huì)帶來(lái)不少問(wèn)題。
　　為了挖掘病理數(shù)據(jù)的內(nèi)在屬性，為相關(guān)臨床醫(yī)療提供更好的指導(dǎo)價(jià)值，本文提出了將PCA（Principal Components Analysis，主元分析）和ELM（Extreme Learning Machine，極限學(xué)

3、習(xí)機(jī)）結(jié)合的數(shù)據(jù)驅(qū)動(dòng)算法，建立病理數(shù)據(jù)分析模型，并將其應(yīng)用在冠心病和病毒性肝炎預(yù)后的病理數(shù)據(jù)分析中?，F(xiàn)有研究還未將ELM應(yīng)用在病理分析方面。本方法首先通過(guò)主元分析（PCA）提取出病理數(shù)據(jù)空間中的顯著差異性特征，據(jù)此將數(shù)據(jù)降維，然后采用ELM算法訓(xùn)練和構(gòu)建數(shù)據(jù)分類器模型，用于數(shù)據(jù)分析。仿真實(shí)驗(yàn)結(jié)果顯示PCA-ELM所建立的模型在不損失精度的情況下比傳統(tǒng)的BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)SVM（Support V