基于PCA-ELM的病理數據研究與應用.pdf

1、經濟社會不斷發(fā)展，人們的生活水平和受教育程度不斷提高，國民的健康問題也受到越來越多的關注。近年來數據挖掘的研究火熱，在各行各業(yè)得以應用，其對生活的影響慢慢得以體現。而利用好醫(yī)療數據也成為未來的一個研究熱點。其中對于疾病的病理分析有著越來越重要的意義，正逐漸受到人們的關注。目前對于病理的分析主要存在以下問題：一是計算機等設備絕大多數還只是檢測臨床生理指標的工具，最終還是需要有醫(yī)生進行人工分析診斷，往往很多時候也受到醫(yī)生的經驗制約。二是由于

2、生理機體本身的復雜性，在很多疾病的臨床表現上其實有很多相似之處，但是醫(yī)生都有自己擅長的疾病領域，不同領域的專家根據自己所掌握的知識和經驗所得出的診斷結果可能會有不同。而這種主觀上造成的某些局限性會帶來不少問題。
　　為了挖掘病理數據的內在屬性，為相關臨床醫(yī)療提供更好的指導價值，本文提出了將PCA（Principal Components Analysis，主元分析）和ELM（Extreme Learning Machine，極限學

3、習機）結合的數據驅動算法，建立病理數據分析模型，并將其應用在冠心病和病毒性肝炎預后的病理數據分析中?，F有研究還未將ELM應用在病理分析方面。本方法首先通過主元分析（PCA）提取出病理數據空間中的顯著差異性特征，據此將數據降維，然后采用ELM算法訓練和構建數據分類器模型，用于數據分析。仿真實驗結果顯示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）神經網絡和支持向量機SVM（Support V