导读:本文包含了智能诊断模型论文开题报告文献综述及选题提纲参考文献，主要关键词:智能中医诊断,机器学习,主动集成学习,中医
智能诊断模型论文文献综述
任雪,郭艳[1]（2019）在《基于主动集成学习的中医智能诊断模型及构建方法》一文中研究指出作为医学和人工智能的交叉学科,智能诊断技术无论在学术界还是产业界都得到广泛关注。与基于标准化西医的智能诊断有所不同,以辨证论治为原则的中医个性化诊疗理念不同于西医,使得中医智能诊断面临有效训练样本缺失和机器学习模型失真等问题。本文提出了一种基于主动集成学习的中医智能诊断模型及其构建方法,该模型既可通过主动学习机制得到具有因人而异的个性分析能力的诊断分类器,也将多个不同机器学习的模型进行集成训练,获得更为准确的中医知识学习模型。首先将不同来源的中医病历进行大规模数据提取和组织,形成统一视图下的结构化中医数据库。然后以儿科常见病肺炎喘嗽为例,验证了基于主动集成学习的中医智能诊断模型的准确率明显高于机器学习方法,是一种新型、有效的中医诊疗机器学习模型。(本文来源于《中国循证医学杂志》期刊2019年09期）
胡金鹏,关毅[2]（2019）在《面向呼吸内科智能诊断模型研究》一文中研究指出随着科技的发展,智能医疗已经成为当下学界的热点研究内容。本文主要研究的是呼吸内科疾病的智能诊断,使用电子病历中的症状实体和异常检查结果实体来诊断患者可能患有的疾病。本文比较了不同的模型在该任务上表现,包括传统机器学习和深度学习。并且在深度模型中加入了不同的图表示学习方法以及提出了注意力机制来加强疾病和症状之间的联系。在实验中,本文提出的结合注意力机制和卷积神经网络以及外部向量获得了最优秀的表现。(本文来源于《智能计算机与应用》期刊2019年05期）
焦洋,张湛,黄晓明,景中奇,张勤[3]（2019）在《基于动态不确定因果图人工智能诊断模型对以关节痛为主诉风湿性疾病的诊断价值》一文中研究指出目的基于动态不确定因果图(dynamic uncertain causality graph,DUCG)理论建立以关节痛症状为主诉的疾病库的人工智能诊断模型,并验证其对整体疾病库疾病及其中风湿性疾病的诊断价值。方法结合临床经验和流行病学数据,确定关节痛为主诉的疾病库,优化疾病库内各疾病的诊断与鉴别诊断路径;根据DUCG理论的不确定因果知识表达方法,通过DUCG知识库编辑器,构建人工智能诊断模型;从两家叁级医院的电子信息病历系统中随机选择疾病库疾病相关病历,利用DUCG测试平台和推理机进行测试,验证模型的诊断能力。结果以关节痛症状为主诉的疾病库的人工智能诊断模型共包含170个症状、体征、血清学和影像学结果变量。疾病谱包括风湿性疾病12种,感染性疾病4种。按筛选条件纳入验证病例数为192例,184例诊断正确,整体诊断模型的平均准确率为95.8%。其中测试以关节痛为主诉的风湿性疾病病例共169例,对风湿性疾病诊断准确率达97.6%。结论基于DUCG的人工智能诊断模型可弥补个人知识和专业限制,降低误诊率,减轻公共卫生保健资源的负担。(本文来源于《中华临床免疫和变态反应杂志》期刊2019年04期）
侯瑞博,陈永峰,宋景[4]（2019）在《基于混合智能的故障诊断与维修决策模型建设研究》一文中研究指出随着科学技术的不断发展以及计算机技术的加入,故障诊断与维修决策已经进入了一个相对先进的时期,这一阶段就是智能化的诊断与维修。从客观的角度上分析,针对智能诊断技术而言,其通过不断的进步,已经获得了不晓得成功,然而在系统层面,其适应能力以及知识自动获取能力还发展的不够成熟,而这种问题,依靠一种智能技术是非常难以解决的,所以需要去研究一种混合的智能故障诊断方法与维修策略,本文将就混合智能的故障诊断与维修决策展开探讨与研究。(本文来源于《数字通信世界》期刊2019年08期）
胡金鹏[5]（2019）在《面向医疗领域的智能诊断模型研究》一文中研究指出近年来,各个医院的就诊人数不断增加,2018年,全国医疗卫生机构总诊疗人次达83.1亿人次,平均每人至医疗卫生机构就诊6.0次,以至于很多患者不能够获得及时和高质量的诊疗,该问题在基层医院尤其突出。基层医院医疗资源的匮乏是目前医疗资源与需求极为不平衡的典型表现,很多患者由于床位限制、医疗水平有限等原因不能够及时地就诊并且基层医院的医务人员专业水平的参差不齐,使得治疗效果难以保证。随着近几年计算机的不断普及以及计算机技术的不断进步,越来越多的医院开始重视电子病历的记录从而产生了大量有价值的医疗数据。同时,自然语言处理和其他机器学习模型近几年也获得了突飞猛进,这些都为电子病历的处理和智能诊断提供了数据和技术的支持。所以本文主要针对的是电子病历的诊断模型构建,本文的具体工作包括以下几个部分:(1)语料库以及实体识别模型的构建:本文首先构建了实体识别的语料库,语料中包含五种类型的实体,包括症状、治疗、异常检查结果、疾病、检查。接着在实体识别的技术上进行了调研,并且在调研的基础上对比了不同模型在电子病历上实体识别的表现。本文将实体识别任务看作为序列标注的典型任务,所以主要对比了CRF、Bidirectional Encoder Representations from Transformers(BERT)、LSTM、LSTM-CRF叁种实体识别模型。LSTM能够记忆更长的句子的上下文知识,CRF能够很好的描述序列标签之间的相关性,进一步提高实体识别的效果。并且针对LSTM-CRF模型改进了词向量并获得了最优的效果,我们将基于词的向量和基于字符的向量相结合。在本文我们使用LSTM和CNN来抽取字符特征,其中LSTM主要抽取每个词中字符的序列特征,CNN用来提取每个词中字符的局部特征也就是n-gram特征。(2)再入院诊断模型的构建,现如今有大量的再入院病人的出现,这些病人大大增加了医疗支出。我们提出了再入院风险诊断模型的构建,使用LSTM来抽取按照时间排列的医疗实体的特征,并且加入了病人的基本信息来诊断病人是否有再次入院的可能。我们还对比了基于CNN的再入院的模型。(3)疾病诊断模型的构建,在基于大量关于疾病诊断模型的调研之后,对比了不同模型在疾病诊断上的表现。包括传统机器学习模型和深度学习模型。在传统的机器学习中采用了决策树,随机森林,贝叶斯网络,感知机,k-近邻以及多模型融合的方法。在深度学习中,我们对比了深度信念网络、卷积神经网络和深度神经网络叁种方法,并且介绍了不同的图表示学习方法,除此之外还加入了attention机制,并针对不同的embedding做了对比实验。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
陈婧韵,李波,陈蒋科,李媛[6]（2019）在《基于均衡并行计算模型的充电桩故障智能诊断及准确度评价》一文中研究指出面对未来电动汽车充电桩使用过程中产生的大数据源分析,传统的人工数据运监管理方法处理效率无法和数据增长速率匹配,并且故障类型也会逐步增多,很多未预料到的故障出现,对整个充电桩运营系统会造成一定威胁。因此提出一种均衡并行计算方法应用于充电数据流的故障诊断和预测中,能够自适应学习诊断,处理速度更快,预测结果准确,非常符合充电桩运营大数据处理系统;利用了梯度学习算法的训练优势,与实际发生故障数进行对比,验证了算法的适应性和准确性。该研究成果对未来充电桩安全使用提供了技术支撑,具有较强的实践意义。(本文来源于《2019智能电网新技术发展与应用研讨会论文集》期刊2019-05-22）
王萌[7]（2019）在《面向矮小症的智能辅助诊断模型研究》一文中研究指出矮小症是中国儿童内分泌科最为常见的疾病之一,目前我国患儿数量高达800万。身材矮小不仅给患者造成严重的心理问题,同时还会影响他们的工作以及生活。社会必须重视矮小患者的工作与生活不便,所以矮小发病率的上升,会造成社会成本的加重。对矮小患者进行及时的诊断与治疗显得尤为重要。但目前,由于矮小症发病原因复杂,有许多医生不能准确诊断矮小的具体发病原因。因此建立矮小智能辅助诊断模型是非常有价值的,这不仅可以预测矮小具体病因,减轻专家医生的负担,还可以帮助偏远地区进行及早的诊断治疗。本文主要针对矮小症,通过机器学习的方法建立矮小智能辅助诊断模型,为病因预测提供决策支持。本文主要研究内容如下:(1)针对矮小症的课题背景,学习有关矮小症的理论知识,包括矮小症的定义、矮小症的病因分类以及医生的诊断方式与流程等。同时,还学习了在实验过程中用到的理论知识,包括中文分词,机器学习的分类算法以及模型评估的指标等。(2)对矮小电子病历进行预处理,将其从半结构化的文本转化为结构化数据。首先,对电子病历进行解析,然后提取出实验需要的文本信息。对这部分文本进行分词,去停用词,添加自定义词典等通过计算TF-IDF来选取实验所需的候选特征词。然后结合协和专家知识,得到最终的属性来建立分类器。(3)构建模型,首先使用C4.5决策树算法构建辅助诊断模型。为提升模型的泛化能力,在此基础上以C4.5算法作为Adaboost算法的基分类器构建了诊断模型。又针对实验过程中正负样本不均衡的问题,使用基于采样方式改进的Adaboost算法构建模型。(4)模型评估评估,分别从真正类率、真负类率以及准确率叁方面对模型进行对比。通过实验得出,对Adaboost改进后的性能有较大提高,基于采样方式改进的Adaboost分类准确率为85%,所以优化后的模型更有助于对矮小病因诊断进行决策支持。(本文来源于《中北大学》期刊2019-03-27）
张旭东,孙圣力,王洪超[8]（2019）在《基于数据挖掘的触诊成像乳腺癌智能诊断模型和方法》一文中研究指出为了辅助医护人员利用触诊成像技术判定乳腺癌,提出了触诊成像乳腺癌智能诊断模型和方法。采用乳腺癌早期筛查及风险评估的临床数据,以触诊成像诊断结果为对比数据,通过决策树等机器学习算法以及投票法,对乳腺肿瘤的良恶性质进行判定。使用SMOTE算法对数据进行处理,建立了诊断模型和方法,自动完成对乳腺肿瘤性质的诊断。实验结果表明,乳腺癌正确筛查的准确性达到98%,提出的方法具有很好的应用价值。(本文来源于《大数据》期刊2019年01期）
罗新宇,陈洋卓,段斌,张佐,章兢[9]（2018）在《智能车竞赛学习成果认知诊断模型》一文中研究指出近年来,教育模式由传统的"科学教育"向"工程教育"转变,解决复杂工程问题由单纯技术转变为模拟现代复杂工程产品.结合当前智能车竞赛学习成果评估现状,为提高学生解决复杂工程问题的能力,分析了智能车竞赛与复杂工程问题的相关性和达成的毕业要求能力指标点;运用人工智能的方法,以智能车竞赛路径识别环节为例展开分析,搭建智能车竞赛学习成果评价认知诊断模型;基于贝叶斯网络,提出一种先验概率、条件概率的设计方法;基于博弈论设计了团队合作能力的证据辨识规则.最后对认知诊断模型进行仿真,测量学生对知识的掌握程度和解决复杂工程问题能力的强弱,测量结果验证了模型的可靠性.(本文来源于《湘潭大学自然科学学报》期刊2018年06期）
王绍平,李永平,李广辉,刘继红,向东奎[10]（2018）在《基于SVM模型的油井工况智能诊断分析系统》一文中研究指出随着近年来油田生产行业发展和变化,传统数字化油水井工况监控系统无法达到智能、高效、闭环管理的目的。油水井智能诊断优化系统是运用物联网、知识库、机器学习等技术,实现单井问题实时诊断预警、治理措施辅助提出、措施进度及时跟踪、措施效果自动统计,结合单井历史大数据分析提出单井生产预测、优化建议,起到优化管理流程、提高工作效率、减轻劳动强度、提高油井时率、优化注水运行的作用。本文对油水井智能诊断优化系统的整体设计、核心功能及关键技术进行了介绍,并对系统运行流程以及现场应用效果进行了评价和说明。(本文来源于《石油知识》期刊2018年06期）
智能诊断模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着科技的发展,智能医疗已经成为当下学界的热点研究内容。本文主要研究的是呼吸内科疾病的智能诊断,使用电子病历中的症状实体和异常检查结果实体来诊断患者可能患有的疾病。本文比较了不同的模型在该任务上表现,包括传统机器学习和深度学习。并且在深度模型中加入了不同的图表示学习方法以及提出了注意力机制来加强疾病和症状之间的联系。在实验中,本文提出的结合注意力机制和卷积神经网络以及外部向量获得了最优秀的表现。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
智能诊断模型论文参考文献
[1].任雪,郭艳.基于主动集成学习的中医智能诊断模型及构建方法[J].中国循证医学杂志.2019
[2].胡金鹏,关毅.面向呼吸内科智能诊断模型研究[J].智能计算机与应用.2019
[3].焦洋,张湛,黄晓明,景中奇,张勤.基于动态不确定因果图人工智能诊断模型对以关节痛为主诉风湿性疾病的诊断价值[J].中华临床免疫和变态反应杂志.2019
[4].侯瑞博,陈永峰,宋景.基于混合智能的故障诊断与维修决策模型建设研究[J].数字通信世界.2019
[5].胡金鹏.面向医疗领域的智能诊断模型研究[D].哈尔滨工业大学.2019
[6].陈婧韵,李波,陈蒋科,李媛.基于均衡并行计算模型的充电桩故障智能诊断及准确度评价[C].2019智能电网新技术发展与应用研讨会论文集.2019
[7].王萌.面向矮小症的智能辅助诊断模型研究[D].中北大学.2019
[8].张旭东,孙圣力,王洪超.基于数据挖掘的触诊成像乳腺癌智能诊断模型和方法[J].大数据.2019
[9].罗新宇,陈洋卓,段斌,张佐,章兢.智能车竞赛学习成果认知诊断模型[J].湘潭大学自然科学学报.2018
[10].王绍平,李永平,李广辉,刘继红,向东奎.基于SVM模型的油井工况智能诊断分析系统[J].石油知识.2018