基于人工智能和模糊数学的疾病辅助诊断研究

论文摘要

计算机技术的发展和人工智能的兴起,为医疗诊断提供了新的思路,利用神经网络可以改变网络中各指标的权值,实现对信息的处理,有效地解决医疗诊断系统中数据处理的瓶颈问题。另外在疾病诊断过程中,对于“食欲不振”、“头痛”等具有模糊性的概念,很难用传统的数学语言进行描述,模糊数学的出现为解决这类问题提供了一个很好的研究思路和方法,能够将医学诊断中的实际问题运用模糊数学的思想进行分析。本文研究的医疗诊断系统就是将人工智能与模糊数学相结合,建立相应的辅助诊断模型。该模型主要针对复杂的多指标病症辅助缺乏经验的医生进行疾病诊断。在该模型中,首先利用遗传算法优化的BP神经网络对多指标数据进行降维,然后利用模糊数学中的隶属度函数、模糊测度、Choquet积分等相关理论知识对降维后的指标进行计算,根据计算结果结合医学专家经验划分出被检查者在[0,1]区间的患病程度,将计算结果与标准值进行比较从而得出诊断结果。该模型能模拟医生的诊断疾病过程,对于缺乏经验的医生来说有非常大的帮助。本文研究的主要内容如下:1.使用神经网络和遗传算法来确定关键指标:采用matlab实现仿真医疗诊断,能自学习自适应对数据进行不断的调整,得到辅助诊断所需的关键检测指标,在诊断结果正确率可控的情况下对检测指标做降维处理。2.使用模糊理论的相关知识建立医疗辅助诊断模型:引入模糊测度的概念,计算出检测指标的相互作用关系下的非可加测度值;确定检测指标与患病之间的隶属函数关系;计算隶属函数在非可加测度下的Choquet积分、Sugeno积分、Wang积分的积分值,通过积分值判断最终的患病诊断结果。3.疾病辅助诊断系统的设计与实现:系统采用MVC开源架构,设计开发了输入被检查者的症状指标,系统自动算出患病的隶属度,从而确定患病的可能性重要功能模块;医学数据模型的增、删、改、查及被检查者、医学数据的维护功能等。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 模糊数学的应用及研究现状
•   1.3 人工智能的研究现状
•   1.4 本课题主要工作
•   1.5 论文的主要结构
• 第二章 预备知识
•   2.1 模糊数学理论基础
•     2.1.1 模糊测度
•     2.1.2 模糊积分
•     2.1.3 隶属度函数
•   2.2 人工智能技术
•     2.2.1 神经网络
•     2.2.2 遗传算法
•   2.3 本章小结
• 第三章 基于模糊数学和人工智能的疾病辅助诊断模型
•   3.1 医疗辅助诊断模型概述
•   3.2 建立医疗辅助诊断模型的具体步骤
•   3.3 标准值的设定
•   3.4 本章小结
• 第四章 医疗辅助诊断模型在肝炎病诊断中的应用分析
•   4.1 肝炎病检验指标数据分析
•   4.2 肝炎病辅助诊断模拟实验
•   4.3 实验对比分析
•   4.4 本章小结
• 第五章 肝炎病辅助诊断系统的设计及实现
•   5.1 系统设计
•     5.1.1 系统逻辑架构设计
•     5.1.2 功能模块设计
•     5.1.3 数据库设计
•   5.2 系统实现
•     5.2.1 系统首页
•     5.2.2 疾病诊断模块
•     5.2.3 模型训练模块
•     5.2.4 反馈模块
•     5.2.5 系统后台功能维护
•   5.3 系统模拟仿真实现过程
•   5.4 本章小结
• 第六章 总结与展望
•   6.1 全文总结
•   6.2 未来工作展望
• 参考文献
• 发表论文和科研情况说明
• 附录A
• 致谢

文章来源

类型: 硕士论文

作者: 杨春燕

导师: 宋金杰

关键词: 模糊测度,非可加测度,模糊积分,神经网络,医疗辅助诊断系统

来源: 天津理工大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 数学,生物医学工程,自动化技术

单位: 天津理工大学

分类号: TP18;O159;R319

总页数: 53

文件大小: 3570K

下载量: 424