基于多維生理大數(shù)據(jù)深度學習的健康狀態(tài)評估模型構建方法.pdf

1、大數(shù)據(jù)開啟了一次重大的時代轉型，正在改變我們的生活及理解世界的方式，成為新發(fā)明和新服務的源泉，更多的改變正蓄勢待發(fā)。同時，大數(shù)據(jù)也使得醫(yī)療健康領域展開一系列的變革。其中，疾病預防和診斷是醫(yī)療領域變革的一個重要方向。大數(shù)據(jù)技術為醫(yī)療健康領域的發(fā)展帶來了新的契機，以數(shù)據(jù)驅動為支撐的醫(yī)療健康信息化方興未艾。
　　醫(yī)療數(shù)據(jù)來源廣泛，數(shù)據(jù)類型眾多且結構復雜，利用一般的統(tǒng)計學習算法和機器學習算法對數(shù)據(jù)難以建立準確的特征學習模型。基于此，本文將

2、深度學習理論應用到生理大數(shù)據(jù)分析中，設計一種以非監(jiān)督學習方式學習生理時序數(shù)據(jù)關鍵特征的深度人工神經(jīng)網(wǎng)絡。然后，基于多元高斯分布理論構建健康狀態(tài)評估模型，將深度人工神經(jīng)網(wǎng)絡學習到的數(shù)據(jù)特征作為該評估模型的輸入，以此評估用戶的健康狀態(tài)。論文主要研究內(nèi)容如下：
　?、贂r序數(shù)據(jù)的深度特征學習研究
　　基于卷積神經(jīng)網(wǎng)絡理論，設計一種非監(jiān)督學習的深度人工神經(jīng)網(wǎng)絡模型，用于學習多維生理時序數(shù)據(jù)的深層次特征。基于自動編碼算法，研究怎樣從無標

3、簽的數(shù)據(jù)中非監(jiān)督地學習數(shù)據(jù)特征。研究網(wǎng)絡模型的層數(shù)、網(wǎng)絡節(jié)點數(shù)和學習率等關鍵參數(shù)，使模型能高效準確地學習生理時序數(shù)據(jù)的關鍵特征。
　　②健康狀態(tài)評估模型研究
　　基于多元高斯分布理論構建健康狀態(tài)評估模型。研究怎樣利用多元高斯分布理論，設計一個能高效準確地評估用戶健康狀態(tài)的評估模型。
　　③系統(tǒng)的實驗與仿真
　　利用Python和MATLAB軟件平臺，通過對32個自愿者的40組8×8064維生理大數(shù)據(jù)的實驗與仿真，