基于深度学习的医疗数据智能分析与识别系统设计

作者：谷丽霞; 刘欣芃

来源：电子设计工程, 2021, 29(10): 46-50.

DOI：10.14022/j.issn1674-6236.2021.10.011

• 深度学习
• DBN
• RBM
• Autoencoder
• 医疗数据挖掘

针对医疗数据的智能化识别与分析需求,文中对医疗财务大数据挖掘的相关方法进行了研究。通过引入深度学习中的深度置信网络(DBN),结合Autoencoder自编码网络构建了数据处理系统,实现对医院经营状态的自动化评估。DBN网络使用受限玻尔兹曼机(RBM)替代了传统神经网络中神经元结构作为网络的隐藏层,该结构可以多个堆叠,提升网络的泛化能力。使用Gibbs抽样,得到RBM的近似分布,提升算法的训练效率。同时Autoencoder网络可以从大维度的财务经营数据中,筛选出更能描述数据特性的特征维度。为了验证系统算法的性能,在某医院的财务数据集上进行测试,使用Autoencoder自动提取17个财务数据指标作为模型的输入特征,以评估结果作为模型的输出向量。对比实验结果表明,相较于逻辑回归、BP神经网络等浅层的机器学习算法,文中算法的AUC与Accuracy分别可以达到0.81、80.0%,具有较为明显的提升。

• 单位
  上海市第六人民医院; 郑州大学