基于深度置信網絡的腦血管病風險預警研究.pdf

1、腦血管病具有高死亡率和高致殘率的特點。提前識別腦血管病發(fā)病風險，采取一定的防控措施，可以降低腦血管病的發(fā)病率和死亡率。學術界和醫(yī)學界基于各自的研究角度，分別進行了不同風險因素和風險評估模型的研究。
　　本論文以腦血管病為研究對象，針對腦血管病一級預防中的風險預警環(huán)節(jié)，利用文獻分析、統計分析、實證分析等研究方法，研究如何使用腦血管病的主要風險因素，在已有技術的基礎上構建預警模型，實現腦血管病的風險預警。本文的
　　主要研究內容

2、如下:
　　(1)建立預警指標體系。通過文獻分析和總結建立較為全面的腦血管病初始預警指標體系，使用粗糙集理論中的信息熵算法對初始指標體系進行屬性約簡，提取高概括性和高敏感性的指標，最終建立適用于預警模型的指標體系。
　　(2)深度置信網絡模型構建。選用受限玻爾茲曼機和反向傳播算法，通過RBM的構建與堆疊建立深度置信網絡，在頂層使用反向傳播對網絡進行參數微調，最終生成深度置信網絡模型。
　　(3)模型訓練與效果分析。使用

3、訓練數據完成模型特征學習和參數調整，生成基于深度置信網絡的腦血管病風險預警模型。用測試數據仿真結果對模型預警能力進行評價，并將結果與LM-BP預警模型結果對比，分析深度置信網絡在腦血管病預警中的適用性。
　　(4)預警模型的應用。結合醫(yī)療云平臺信息共享系統現狀和數據存儲機制，實現預警模型在信息共享系統的應用。協同腦血管病醫(yī)療聯合體模式，提出基于預警結果的腦血管病協同防治系統干預策略。
　　本文在現有研究的基礎上，使用粗糙集理