模糊積分及多分類器融合在醫(yī)療診斷中的應(yīng)用.pdf

1、現(xiàn)有的醫(yī)學(xué)技術(shù)對于一些特殊疾病比如帕金森的診斷還不是十分準(zhǔn)確。嘗試找到一種新的行之有效的輔助醫(yī)療診斷的方法應(yīng)用于具體醫(yī)學(xué)病例，確?，F(xiàn)有診斷的準(zhǔn)確性，進而推廣這種思想到一般的病例是本論文的出發(fā)點。將機器學(xué)習(xí)方法、模糊積分以及具體的醫(yī)學(xué)病例相結(jié)合是本文總的指導(dǎo)思想。
　　 本文運用模糊積分的思想構(gòu)建了一個具體的醫(yī)療診斷的模型，當(dāng)醫(yī)生大致判斷就診者可能患某種疾病時，只需要測量就診者的幾個醫(yī)學(xué)指標(biāo)，輸入系統(tǒng)，便可得出就診者患有這種疾病的

2、概率，進而輔助醫(yī)生進行診斷。此診斷模型運用模糊積分的思想，將模糊的診斷，使用清晰化的數(shù)字準(zhǔn)確的表示出就診者患有某種疾病的概率。模糊積分思想的關(guān)鍵是如何確定模糊測度與隸屬函數(shù)。本文的主要工作有四點：⑴提出了將模擬退火算法應(yīng)用于多分類融合中單個分類器自身模糊測度的確定。同時將模糊積分做為融合算子與貝葉斯分類器做為融合算子在具體的醫(yī)學(xué)病例中進行了對比。⑵提出了使用神經(jīng)網(wǎng)絡(luò)和模擬退火組合算法確定病癥的關(guān)鍵指標(biāo)的模糊測度，進而使用模糊積分思想進行

3、醫(yī)學(xué)診斷。⑶針對有的病癥屬性維數(shù)太多，而模糊積分中測度的個數(shù)的增長是以指數(shù)方式的，為了簡化計算，將高維數(shù)據(jù)映射到低維空間，提出了使用主成分分析的方法確定模糊測度。⑷在使用神經(jīng)網(wǎng)絡(luò)和模擬退火組合算法和主成分分析的方法確定模糊測度時，對決定病癥的屬性的符合度（即隸屬函數(shù)）的確定是另一個難點，本文使用數(shù)學(xué)公式的方法去確定符合度。最后本文將理論和具體的醫(yī)學(xué)病例妊娠期糖尿病和帕金森癥相結(jié)合，驗證了三種方法確定模糊測度的可行性，并且表明了模糊積分及