基于主成分机器学习算法的慢性肝病的智能预测新方法

摘要：

运用新一代信息技术快速预测慢性肝病的机理和特征,是提高慢性肝病诊断率的有效途径.运用主成分分析机器学习算法,对描述慢性肝病的多项指标属性项进行降维处理,结合神经网络学习,构建了慢性肝病预测模型.实验分析了125组20维慢性肝病患者的医学检验指标数据项,利用ROC(Receiver Operating Characteristic)曲线优选出13维指标项作为慢性肝病敏感度高的检验指标属性项.通过主成分分析将13维指标项降至5维综合数据项.神经网络训练115组检验指标样本集,剩余10组样本集作为测试样本.与原始20维数据作为神经网络输入相比,所提模型不仅降低了复杂度,且预测精度提高了15.07％.

关键词：慢性肝病、主成分分析、神经网络、智能预测

所属期刊栏目：44

分类号：TP311.5(计算技术、计算机技术)

资助基金：湖南省重点研发计划2016GK2050

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：65-67,91