《基于智能算法的心血管疾病关联》
该文是有关心血管病和智能算法硕士论文范文与心血管疾病有关函授毕业论文范文.
摘 要：目前,心血管疾病已經成为重大的公共卫生问题,我国的心血管发病率呈持续长升趋势.对心血管疾病进行多因素关联分析可为临床决策提供指导作用.因此,通过加权似然函数法构建树,基于粒子群算法实现模型参数优化,选取具有最大加权似然函数值的路径为最优路径,从而实现疾病关联分析研究.通过仿真实验,充分表明基于粒子群算法的关联分析具有良好的稳定性.
关键词：心血管疾病;粒子群算法;关联分析
中图分类号：F24 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.07.044
0 引言
目前,中国心血管病的发病人数持续增长,且心血管疾病占城乡居民总死亡原因的首位,从近年来中国心血管病（CVD）与其它疾病的死亡率对比统计分析情况中可以看出,以10万为基数,农村与城市相对比,CVD死亡率比为295.63：261.99,其中心脏病死亡率比为143.72：136.21、脑出血比为74.51：52.25和脑梗死比为45.30：41.99.由此可见,心脑血管疾病的防治已成为重大的公共卫生问题.目前,尽管临床医生和研究者开展了与心血管疾病的大量相关研究,但更多地局限于某些指标的影响分析,缺乏普适的分析方法实现与疾病相关的致病因素研究.针对此问题,本文提出一种基于粒子群算法的疾病关联分析方法,为临床诊疗提供决策支持.
1 方法
2 实验分析
采用仿真实验数据对方法进行验证.分别生成疾病组和对照组,设置100个指标属性,并分别设置与心血管疾病相关的致病因素数量为50、60、70、80和90.在不同的人群风险度PAR下进行致病因素的识别.获得每组数据的四个性能指标,TP（真阳性）、FP（假阳性）、TN（真阴性）和FN（假阴性）,取其均值进行如下几个指标统计：（1）识别致病因素的准确率（Accuracy）;（2）总体准确率（TA）;（3）查全率（CR）;（4）误报率（FPR）;（5）F-Score;（6）相关系数φ.从实验结果可见,在不同的PAR和致病因素设置下,模型性能表现较为一致,充分说明算法具有一定的稳定性.识别致病因素的准确率均值可达到90%左右,总体准确率接近80%,查全率达到80%以上,F1值为80%以上.但误报率相对较高,为20%～40%,相关系数均值为0.5左右,说明此算法假阳性结果较高,仍有改善空间.
3 结论
本文方法采用粒子群算法优化模型参数,采用加权似然函数值识别出各指标属性构建的最佳路径.实验表明所提方法具有一定的识别能力,但仍存在相对较高的误报率,且相关系数偏低,说明在稀疏矩阵中粒子群算法表现性能一般,仍需考虑进一步优化,降低误识率.在未来研究中,还应充分考虑指标属性间的关联影响.
参考文献
[1]陈伟伟,高润霖,刘力生,等.中国心血管病报告2013概要[J].中国循环杂志,2014,（7）：487-491.
[2]Brandon C,Saonli B ,Sharmistha G,et al.Weighted Score Tests Implementing Model-Averaging Schemes in Detection of Rare Variants in Case-Control Studies[J].PLOS ONE,2015,10（10）：e0139355.
该文点评:这篇文章为关于对不知道怎么写心血管疾病论文范文课题研究的大学硕士、心血管病和智能算法本科毕业论文心血管病和智能算法论文开题报告范文和文献综述及职称论文的作为参考文献资料.
心血管病和智能算法引用文献:
[1] 心血管病和智能算法论文如何写 关于心血管病和智能算法类研究生毕业论文范文2000字
[2] 心血管病论文题目集 心血管病论文题目怎么定
[3] 心血管病护理类论文题目 心血管病护理论文题目选什么比较好
