基于PCA-ELM的病理數(shù)據(jù)研究與應用.pdf

1、經(jīng)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(guān)注。近年來數(shù)據(jù)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(xiàn)。而利用好醫(yī)療數(shù)據(jù)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(guān)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(shè)備絕大多數(shù)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(jīng)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(xiàn)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(lǐng)域，不同領(lǐng)域的專家根據(jù)自己所掌握的知識和經(jīng)驗所得出的診斷結(jié)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(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(jié)合的數(shù)據(jù)驅(qū)動算法，建立病理數(shù)據(jù)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(shù)據(jù)分析中?，F(xiàn)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(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。仿真實驗結(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SVM（Support V