论文部分内容阅读
随着当代医疗系统的发展,众多医院积累了大量病人的各种信息,而有经验的医生也是根据病人症状及其对应的疾病来进行诊断;另一方面,在计算机科学方面,机器学习发展迅速,尤其是统计学习理论和支持向量机技术逐渐成熟,已经开始应用于各个领域。将两者结合起来成为必然的趋势,利用当前医院的病人信息数据与对应的具体疾病,做为训练样本,来得到一个决策模型,达到计算机自动诊断的目的,这是一个典型的机器学习系统。可以看到,机器学习在医疗诊断中的应用前景光明。在本文中,我们将机器学习方法应用于对儿童精神发育迟滞筛查,利用浙江大学附属儿童医院所积累的三维人脸特征数据作为学习来源,选定合适的训练输入空间,用支持向量机技术训练样本,得到决策模型,通过这样实现机器对儿童精神发育迟滞的自动化筛查,文中介绍了这个机器学习系统。根据得到的特定样本数据集,我们对支持向量机模型进行了优化,包括针对原始数据进行的PCA处理;对于实际中不平衡的数据量,寻找最佳惩罚因子两个方面;还使用了基于黎曼分析的支持向量核函数优化,利用核函数的保角变换扩大在边界区域的空间分辨率,使得正、负类更好的分开,并用一个新的性能更好的kmod函数代替原有的调整因子,以期达到尽可能好的训练、诊断效果。