CN106485054A - 基于bp神经网络算法的智能诊断用数据分析方法及*** - Google Patents

基于bp神经网络算法的智能诊断用数据分析方法及*** Download PDF

Info

Publication number
CN106485054A
CN106485054A CN201610840541.4A CN201610840541A CN106485054A CN 106485054 A CN106485054 A CN 106485054A CN 201610840541 A CN201610840541 A CN 201610840541A CN 106485054 A CN106485054 A CN 106485054A
Authority
CN
China
Prior art keywords
data
neural network
network algorithm
cluster
preliminary treatment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610840541.4A
Other languages
English (en)
Inventor
李志�
黄少伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201610840541.4A priority Critical patent/CN106485054A/zh
Publication of CN106485054A publication Critical patent/CN106485054A/zh
Pending legal-status Critical Current

Links

Classifications

    • G06F19/3418—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于BP神经网络算法的智能诊断用数据分析方法，涉及智能诊断的数据分析的技术领域，包含有以下步骤：S1、采集数据，该数据包括结构化数据与非结构化数据；S2、对所采集的数据进行初步处理；S3、将经过初步处理的数据进行关键词的聚类；S4、将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将该数学模型作为分析结果进行输出。本发明还公开了一种基于BP神经网络算法的智能诊断用数据分析***。本发明降低了诊断门槛，有效缓解看病难的形势。

Description

基于BP神经网络算法的智能诊断用数据分析方法及***
技术领域
本发明涉及智能诊断的数据分析的技术领域，具体涉及一种基于BP神经网络算法的智能诊断用数据分析方法。
背景技术
现有医疗基础设施难以满足患者的看病需求，偶尔发烧感冒去医院看病等小病，排队往往要个半天，对于患者来说，这个时间成本是非常昂贵的。再一个，一个医生的培养成本是非常高昂的，很自然的，这其中的一部分成本就会转移到患者的看病费用上。动辄几百的费用，对于底层的工薪的家庭来说，是笔不小的支出。
网络大数据是指“人、机、物”三元世界在网络空间中交互、融合所产生并在互联网上可获得的大数据，通过对数据的深度挖掘，得到大量有价值的数据，并利用BP神经网络学习算法对数据进行整体的学习分析，不断完善自身***，最后实现根据输入输出期望结果。
发明内容
针对现有技术的不足，本发明的目的旨在提供一种基于BP神经网络算法的智能诊断用数据分析方法，降低诊断门槛，有效缓解看病难的形势。
为实现上述目的，本发明采用如下技术方案：
基于BP神经网络算法的智能诊断用数据分析方法，包含有以下步骤：
S1、采集数据，该数据包括结构化数据与非结构化数据；
S2、对所采集的数据进行初步处理；
S3、将经过初步处理的数据进行关键词的聚类；
S4、将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将该数学模型作为分析结果进行输出。
进一步地，步骤S2中，初步处理包括清洗和格式转换。
进一步地，步骤S3中，将经过初步处理的数据进行关键词的聚类的步骤包括：
S31、从数据中任意选取K个数据对象作为聚类中心、从而形成K个聚类，其中K为大于1、小于数据量的正整数；
S32、分别计算聚类中心外其余数据到各个聚类中心的距离，并将聚类中心外其余数据分配到离自己最近的聚类中；
S33、顺序选取一个数据以代替原来的聚类中心，并计算替代后消耗的方差E，选择消耗的方差E最小的数据作为确定的聚类中心；
S34、重复步骤S32，若数据分配发生变化则继续按步骤进行数据处理，若数据分配未发生变化则输出聚类结果。
进一步地，该BP神经网络算法包括有输入部、训练部和输出部，在训练的过程中，该输入部用于输入样本数据与期待值，该训练部用于将待分析数据与期待值进行对比，并根据待分析数据与期待值之间的误差调整权重系数，该输出部用于输出对应的样本结果。
基于BP神经网络算法的智能诊断用数据分析***，包括：
数据采集模块，用于采集待分析数据；
数据初步处理模块，用于对所采集的数据进行初步处理；
数据聚类模块，用于将经过初步处理的数据进行关键词的聚类；
数据分析模块，用于将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将该数学模型作为分析结果进行输出。
进一步地，数据初步处理模块对数据进行初步处理的内容包括清洗和格式转换。
进一步地，数据聚类模块对数据进行关键词聚类的方式为：1)从数据中任意选取K个数据对象作为聚类中心、从而形成K个聚类，其中K为大于1、小于数据量的正整数；2)分别计算聚类中心外其余数据到各个聚类中心的距离，并将聚类中心外其余数据分配到离自己最近的聚类中；3)顺序选取一个数据以代替原来的聚类中心，并计算替代后消耗的方差E，选择消耗的方差E最小的数据作为确定的聚类中心；4)重复2)，若数据分配发生变化则继续按步骤进行数据处理，若数据分配未发生变化则输出聚类结果。
进一步地，数据分析模块中的BP神经网络算法包括有输入部、训练部和输出部，在训练的过程中，该输入部用于输入样本数据与期待值，该训练部用于将待分析数据与期待值进行对比，并根据待分析数据与期待值之间的误差调整权重系数，该输出部用于输出对应的样本结果。
本发明的有益效果在于：在当今看病难，看病贵的形势下，智能诊断可以使病人不用在医院进行挂号排队等繁琐手续，直接通过在线平台诊断自己的病情，足不出户就可以准确了解自己所得的病症，免去出门看病的烦扰；此外，在线平台诊断病情大大降低了诊断成本；智能诊断综合医科书和实际生活的病情诊断，对患者的疾病症状给出一个初步判断。
附图说明
图1是本发明中BP神经网络算法的流程结构图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
实施例1
基于BP神经网络算法的智能诊断用数据分析方法，包含有以下步骤：
S1、采集数据，该数据包括结构化数据与非结构化数据；
S2、对所采集的数据进行初步处理，初步处理包括清洗和格式转换，具体地，结构化数据直接经清洗和格式转换完成初步处理，非结构化数据还需要经过流式汇总、社交网络分析、语意分词等技术处理以提取有用信息，其中对于社交类的实时数据还需要经采集工具进行实时汇总计算完成初步处理，其中清洗包括去除数据中离散程度较大的数据、存在缺失的不完整数据以及重复出现的重复数据；
S31、从数据中任意选取K个数据对象作为聚类中心、从而形成K个聚类，其中K为大于1、小于数据量的正整数；
S32、分别计算聚类中心外其余数据到各个聚类中心的距离，并将聚类中心外其余数据分配到离自己最近的聚类中；
S33、顺序选取一个数据以代替原来的聚类中心，并计算替代后消耗的方差E，选择消耗的方差E最小的数据作为确定的聚类中心；
S34、重复步骤S32，若数据分配发生变化则继续按步骤进行数据处理，若数据分配未发生变化则输出聚类结果；
S4、将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将该数学模型作为分析结果进行输出，该BP神经网络算法包括有输入部、训练部和输出部，如图1所示，在训练的过程中，该输入部用于输入样本数据x1、x2、...、xn与期待值，该训练部用于将待分析数据与期待值进行对比，并根据待分析数据与期待值之间的误差e调整权重系数w1、w2、...、wn，从而使分析结果不断趋近于实际情况，该输出部用于输出对应的样本结果u：
其中n为数据量，
该分析结果与样本分析结果y(t)应一致。
实施例2
基于BP神经网络算法的智能诊断用数据分析***，包括：
数据采集模块，用于采集待分析数据，具备抽取外部业务平台数据的能力和接收开放业务***的推送能力；
数据初步处理模块，用于对所采集的数据进行初步处理，初步处理包括清洗和格式转换，具体地，结构化数据直接经清洗和格式转换完成初步处理，非结构化数据还需要经过流式汇总、社交网络分析、语意分词等技术处理以提取有用信息，其中对于社交类的实时数据还需要经采集工具进行实时汇总计算完成初步处理，其中清洗包括去除数据中离散程度较大的数据、存在缺失的不完整数据以及重复出现的重复数据；
数据聚类模块，用于将经过初步处理的数据进行关键词的聚类，进行关键词聚类的方式为：1)从数据中任意选取K个数据对象作为聚类中心、从而形成K个聚类，其中K为大于1、小于数据量的正整数；2)分别计算聚类中心外其余数据到各个聚类中心的距离，并将聚类中心外其余数据分配到离自己最近的聚类中；3)顺序选取一个数据以代替原来的聚类中心，并计算替代后消耗的方差E，选择消耗的方差E最小的数据作为确定的聚类中心；4)重复2)，若数据分配发生变化则继续按步骤进行数据处理，若数据分配未发生变化则输出聚类结果；
数据分析模块，用于将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将该数学模型作为分析结果进行输出，该BP神经网络算法包括有输入部、训练部和输出部，如图1所示，在训练的过程中，该输入部用于输入样本数据x1、x2、...、xn与期待值，该训练部用于将待分析数据与期待值进行对比，并根据待分析数据与期待值之间的误差e调整权重系数w1、w2、...、wn，从而使分析结果不断趋近于实际情况，该输出部用于输出对应的分析结果u：
其中n为数据量，
该分析结果与样本分析结果y(t)应一致。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (8)

1.基于BP神经网络算法的智能诊断用数据分析方法，其特征在于，包含有以下步骤：
S1、采集数据，所述数据包括结构化数据与非结构化数据；
S2、对所采集的数据进行初步处理；
S3、将经过初步处理的数据进行关键词的聚类；
S4、将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将所述数学模型作为分析结果进行输出。
2.如权利要求1所述的基于BP神经网络算法的智能诊断用数据分析方法，其特征在于，步骤S2中，所述初步处理包括清洗和格式转换。
3.如权利要求1所述的基于BP神经网络算法的智能诊断用数据分析方法，其特征在于，步骤S3中，将经过初步处理的数据进行关键词的聚类的步骤包括：
S31、从数据中任意选取K个数据对象作为聚类中心、从而形成K个聚类，其中K为大于1、小于数据量的正整数；
S32、分别计算聚类中心外其余数据到各个聚类中心的距离，并将聚类中心外其余数据分配到离自己最近的聚类中；
S33、顺序选取一个数据以代替原来的聚类中心，并计算替代后消耗的方差E，选择消耗的方差E最小的数据作为确定的聚类中心；
S34、重复步骤S32，若数据分配发生变化则继续按步骤进行数据处理，若数据分配未发生变化则输出聚类结果。
4.如权利要求1所述的基于BP神经网络算法的智能诊断用数据分析方法，其特征在于，所述BP神经网络算法包括有输入部、训练部和输出部，在训练的过程中，所述输入部用于输入样本数据与期待值，所述训练部用于将待分析数据与期待值进行对比，并根据待分析数据与期待值之间的误差调整权重系数，所述输出部用于输出对应的样本结果。
5.基于BP神经网络算法的智能诊断用数据分析***，其特征在于，包括：
数据采集模块，用于采集待分析数据；
数据初步处理模块，用于对所采集的数据进行初步处理；
数据聚类模块，用于将经过初步处理的数据进行关键词的聚类；
数据分析模块，用于将经过关键词聚类的数据通过训练好的BP神经网络算法建立数学模型，并将所述数学模型作为分析结果进行输出。
6.如权利要求5所述的基于BP神经网络算法的智能诊断用数据分析***，其特征在于，数据初步处理模块对数据进行初步处理的内容包括清洗和格式转换。
7.如权利要求5所述的基于BP神经网络算法的智能诊断用数据分析***，其特征在于，数据聚类模块对数据进行关键词聚类的方式为：1)从数据中任意选取K个数据对象作为聚类中心、从而形成K个聚类，其中K为大于1、小于数据量的正整数；2)分别计算聚类中心外其余数据到各个聚类中心的距离，并将聚类中心外其余数据分配到离自己最近的聚类中；3)顺序选取一个数据以代替原来的聚类中心，并计算替代后消耗的方差E，选择消耗的方差E最小的数据作为确定的聚类中心；4)重复2)，若数据分配发生变化则继续按步骤进行数据处理，若数据分配未发生变化则输出聚类结果。
8.如权利要求5所述的基于BP神经网络算法的智能诊断用数据分析***，其特征在于，数据分析模块中的BP神经网络算法包括有输入部、训练部和输出部，在训练的过程中，所述输入部用于输入样本数据与期待值，所述训练部用于将待分析数据与期待值进行对比，并根据待分析数据与期待值之间的误差调整权重系数，所述输出部用于输出对应的样本结果。
CN201610840541.4A 2016-09-21 2016-09-21 基于bp神经网络算法的智能诊断用数据分析方法及*** Pending CN106485054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610840541.4A CN106485054A (zh) 2016-09-21 2016-09-21 基于bp神经网络算法的智能诊断用数据分析方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610840541.4A CN106485054A (zh) 2016-09-21 2016-09-21 基于bp神经网络算法的智能诊断用数据分析方法及***

Publications (1)

Publication Number Publication Date
CN106485054A true CN106485054A (zh) 2017-03-08

Family

ID=58267330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610840541.4A Pending CN106485054A (zh) 2016-09-21 2016-09-21 基于bp神经网络算法的智能诊断用数据分析方法及***

Country Status (1)

Country Link
CN (1) CN106485054A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109330846A (zh) * 2018-09-28 2019-02-15 哈尔滨工业大学 一种基于深度学习算法的空气波压力按摩仪参数优化方法
CN109378064A (zh) * 2018-10-29 2019-02-22 南京医基云医疗数据研究院有限公司 医疗数据处理方法、装置电子设备及计算机可读介质
CN117171428A (zh) * 2023-08-04 2023-12-05 北京网聘信息技术有限公司 一种提升搜索和推荐结果准确性的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3231810B2 (ja) * 1990-08-28 2001-11-26 アーチ・デベロップメント・コーポレーション ニューラル・ネットワークを用いた鑑別診断支援方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3231810B2 (ja) * 1990-08-28 2001-11-26 アーチ・デベロップメント・コーポレーション ニューラル・ネットワークを用いた鑑別診断支援方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尹咪咪等: "《基于BP算法的血液指标联合检测在肝癌及肝炎诊断中的应用》", 《郑州大学学报（医学版）》 *
高君杰: "《基于聚类和BP网络集成的中医耳穴智能诊断仪研究》", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109330846A (zh) * 2018-09-28 2019-02-15 哈尔滨工业大学 一种基于深度学习算法的空气波压力按摩仪参数优化方法
CN109330846B (zh) * 2018-09-28 2021-03-12 哈尔滨工业大学 一种基于深度学习算法的空气波压力按摩仪参数优化方法
CN109378064A (zh) * 2018-10-29 2019-02-22 南京医基云医疗数据研究院有限公司 医疗数据处理方法、装置电子设备及计算机可读介质
CN117171428A (zh) * 2023-08-04 2023-12-05 北京网聘信息技术有限公司 一种提升搜索和推荐结果准确性的方法
CN117171428B (zh) * 2023-08-04 2024-04-05 北京网聘信息技术有限公司 一种提升搜索和推荐结果准确性的方法

Similar Documents

Publication Publication Date Title
CN106933994B (zh) 一种基于中医药知识图谱的核心症证关系构建方法
CN108108849A (zh) 一种基于弱监督多模态深度学习的微博情感预测方法
CN108461151A (zh) 一种知识图谱的逻辑增强方法及装置
CN109949929A (zh) 一种基于深度学习大规模病历的辅助诊断***
CN106886543A (zh) 结合实体描述的知识图谱表示学习方法和***
CN103970866B (zh) 基于微博文本的微博用户兴趣发现方法及***
Li et al. Medical data stream distribution pattern association rule mining algorithm based on density estimation
CN108509517B (zh) 一种面向实时新闻内容的流式话题演化跟踪方法
CN106067079A (zh) 一种基于bp神经网络的灰霾预测的***和方法
CN110196995B (zh) 一种基于带偏置随机游走的复杂网络特征提取方法
CN106485054A (zh) 基于bp神经网络算法的智能诊断用数据分析方法及***
CN107368534A (zh) 一种预测社交网络用户属性的方法
CN108565017A (zh) 一种宫颈病变的临床决策***及其方法
CN105205504B (zh) 一种基于数据驱动的图像关注区域质量评价指标学习方法
CN109949174A (zh) 一种异构社交网络用户实体锚链接识别方法
CN113505239A (zh) 一种结合图注意力和属性聚类的实体对齐方法
CN109657875A (zh) 基于大数据环境下的成绩预测方法及***
CN116468300A (zh) 基于神经网络的军队总医院学科评估方法及***
CN103310027B (zh) 用于地图模板匹配的规则提取方法
CN109597944B (zh) 一种基于深度信念网络的单分类微博谣言检测模型
CN109192312A (zh) 一种心力衰竭患者不良事件智能管理***及方法
CN110334767A (zh) 一种用于空气质量分类的改进随机森林方法
CN109919196A (zh) 一种基于特征选择和分类模型的体质识别方法
CN109935320A (zh) 一种常见皮肤病网络辅助诊断***
CN117198535A (zh) 一种基于临床数据的急性生理慢性健康评估方法及***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170308