基于有監(jiān)督流形降維的自動化醫(yī)學(xué)診斷.pdf

1、隨著計算機技術(shù)的發(fā)展，人類社會已經(jīng)進(jìn)入到信息時代。在醫(yī)學(xué)診斷領(lǐng)域，不可避免地會遇到大量的高維數(shù)據(jù)。傳統(tǒng)的醫(yī)學(xué)診斷技術(shù)主要受人為主觀因素的影響，診斷的準(zhǔn)確率較低，診斷的時間花費較大。研究表明，自動化醫(yī)學(xué)診斷技術(shù)的診斷準(zhǔn)確率較高，能夠減少誤診率。
　　當(dāng)前，自動化醫(yī)學(xué)診斷技術(shù)還沒有被廣泛應(yīng)用，傳統(tǒng)的專家系統(tǒng)依賴于數(shù)據(jù)庫進(jìn)行醫(yī)學(xué)診斷，能夠被醫(yī)學(xué)工作者理解;但是專家系統(tǒng)所涉及的數(shù)據(jù)庫中收集的數(shù)據(jù)較雜，冗余度較高，醫(yī)學(xué)診斷準(zhǔn)確率較低。支持向

2、量機分類方法能夠?qū)⑹占降尼t(yī)學(xué)信息分類，一定程度上緩解了傳統(tǒng)專家系統(tǒng)數(shù)據(jù)庫的局限性，提高了診斷的準(zhǔn)確率，然而支持向量機分類方法存在黑盒效應(yīng)——即無法解釋推理過程和得出結(jié)論的“黑箱”特征，人們無法直觀地看到處理的過程，可理解性不強。機器學(xué)習(xí)中的流形降維算法能夠?qū)⒏呔S數(shù)據(jù)降維投影到低維的可視空間，中間過程的可視化易于醫(yī)學(xué)工作者的理解和分析，對醫(yī)學(xué)診斷具有指導(dǎo)意義。不少降維算法被應(yīng)用于自動化醫(yī)學(xué)診斷領(lǐng)域，然而流形降維算法只能對醫(yī)學(xué)信息降維而不

3、能進(jìn)行分類處理。本文提出先降維后分類的思想來處理高維的醫(yī)學(xué)數(shù)據(jù)。顯示的低維映射加上線性的分類決策面構(gòu)建有利于提高可理解性。降維流形算法對大量的醫(yī)學(xué)數(shù)據(jù)進(jìn)行了預(yù)處理，降低了數(shù)據(jù)的冗余度并且提高了計算分析的精度。
　　本文針對這一研究課題，對流形降維、分類技術(shù)進(jìn)行了深入研究。本文的研究工作和主要研究成果包括:
　　1.這篇文章提出了一種基于等度規(guī)映射的流形降維分類算法（簡稱SIMBA算法），SIMBA算法在ISOMAP算法的基礎(chǔ)

4、上融入監(jiān)督信息，對高維醫(yī)學(xué)數(shù)據(jù)進(jìn)行了特征提取，采用決策樹算法對降維后的結(jié)果分類，并且實現(xiàn)了測試數(shù)據(jù)擴展。中間過程的可視化增強了可理解性，更易于醫(yī)學(xué)工作者的理解。依據(jù)真實醫(yī)學(xué)數(shù)據(jù)集的測試，改進(jìn)后的SIMBA算法分類準(zhǔn)確率更高。
　　2.這篇文章提出了一種基于局部線性嵌入算法（簡稱LLE算法）的降維分類算法（簡稱DLLEA算法），DLLEA算法的思想為:在LLE算法的基礎(chǔ)上融入監(jiān)督信息并采用線性支持向量機算法對降維后的結(jié)果分類，并且實