论文部分内容阅读
妇幼健康是医疗健康领域的重要组成部分,妇女儿童的健康问题是全民健康的基石,我国对妇幼健康领域工作的展开也给予高度重视。随着计算机技术和互联网技术的高速发展和广泛应用,我国的妇幼健康领域的信息化工程已取得显著成果,积累了庞大且丰富多样的数据。分析和挖掘数据中蕴含的有价值的信息,成为后续工作的一大重点。本文选择了手骨X光片和结构化的疾病数据作为研究对象,分析和挖掘其中包含的信息内容,为妇幼健康工作的开展提供支持。论文的主要工作如下:人类骨骼的生长发育具有特定的规律,骨龄可衡量儿童生理发育水平,预防和及时发现某些儿科疾病。本文研究了卷积神经网络和注意力机制在处理儿童左手手骨X光片的骨龄分析任务上的应用。以经典卷积神经网络模型ResNet-50作为图片特征提取器,逐步研究了性别因素输入、图片背景噪声,以及图像对比度这三种因素对网络模型处理骨龄分析任务的精准度的影响,提出了一种由卷积层和局部连接层组成的注意力模块来提升网络模型效果,并设计对比实验验证了该模块的有效性。疾病关联因素的分析和挖掘可帮助了解疾病的成因和预防疾病的发生。但疾病数据的不平衡性使得传统的基于支持度和置信度的关联规则挖掘算法效果有限,且可能造成重要信息的遗漏。针对此问题,本文提出了一种基于相对危险度的关联因素分析算法,并在儿童先天性心脏病数据集上进行试验。本文对先心病数据集进行了缺失值填补和数值属性离散化的预处理操作;介绍了基于相对危险度的关联因素分析算法和相应地两种剪枝方法;设计对比实验验证了该算法在不平衡数据集挖掘任务上的有效性和两种剪枝方法降低冗余的效力,用比值比二次验证了所挖掘到的关联因素的有效性。基于上述两项算法成果,设计和实现了一套B/S架构的妇幼健康系统。系统具有数据采集和预处理、骨龄分析、身高预测、疾病分析等功能。论文介绍了系统的详细功能点、交互设计、数据库设计以及后台接口的逻辑实现,并展示了系统完成后的效果图和系统的测试报告。