论文部分内容阅读
系统性红斑狼疮(Systemic Lupus Erythematosus,SLE)是风湿免疫病学最常见的自身免疫性疾病之一,有研究表明狼疮性肾病在SLE的多种并发症中最为常见且有极高的危害性。及时发现、确诊和控制SLE合并肾受累病症可以对SLE病人的治疗起到一定的积极作用,有利于治疗决策的实施,提高疗效,降低死亡率。本文主要完成两项工作:采用基于模拟退火-支持向量机(Simulated AnnealingSupport Vector Machines,SA-SVM)算法模型解决SLE合并肾受累的分类辅助诊断问题;提出改进的Relief-F算法对已确诊的SLE合并肾受累患者进行相关影响因素分析。首先,针对SLE相关病症尚未普及计算机辅助诊断系统,本文构建适用于SLE合并肾受累的SA-SVM分类模型,通过模拟退火(Simulated Annealing,SA)算法优化支持向量机(Support Vector Machines,SVM)中惩罚系数C和核函数参数g,达到对SVM中参数寻优以及分类辅助诊断的目的;然后,对于SLE合并肾受累影响因素不够明确等问题,本文提出一种改进Relief-F算法对该病症的影响因素进行评价与筛选,最后应用SA-SVM分类模型验证改进算法的有效性。实验结果表明通过SA对SVM优化提高了单一SVM分类器的准确率,能够对病例进行批量分类预测,且得到最高分类准确率为98.72%,证明了本文分类模型在SLE疾病诊断中有较好的应用潜力,能够为该病症的计算机辅助诊断系统研究提供必要的方法和实验参考;基于改进Relief-F的SLE合并肾受累与无合并肾受累病症数据的特征权值评价及其显著性影响因素选择结果,在相应的医学研究结论中和SA-SVM分类实验中均得到了验证和良好效果。说明改进Relief-F更有助于获取两类病症间显著性差异影响因素,且相比于改进前具有一定的优势。综上,希望本文的研究能够为SLE相关病症计算机辅助诊断系统的构建,以及显著性影响因素分析提供一定方法参考;有助于SLE及其并发症在临床医学上的发现、诊断和治疗。