论文部分内容阅读
随着“互联网+”的迅速发展,医疗大数据不仅数据类型繁多、关系复杂,且呈爆炸式增长,一般的数据可视化方法难以对其进行有效的展示,医疗大数据可视化技术面临巨大挑战。现有可视化方法已不能完全满足种类繁多的海量医疗大数据和复杂高维多元可视需求,可视化分析结果差强人意。因此,本文研究了医疗大数据可视化技术分类、并提DMDR可视化算法模型,最终通过机器学习智能算法优化对医疗大数据可视化分析模型。对医疗大数据可视化中存在的问题,指出其未来研究方向。医疗大数据可视化分析法的研究与普及应用,对于辅助精准医疗具有重要的参考价值。其主要如下:1.提出医疗大数据可视化分类方法:阐述了医疗大数据可视化的相关概念及其研究现状,将现有医疗大数据可视化方法划分为两大类。针对适用于医疗大数据可视化方法,给出分类、图例、特性的可视化方法一览表。2.提出复合动态多类决策雷达图(DMDR)方法:DMDR方法由Time Radar Tree拓展而成,将一系列或多组同属性单类雷达图集成到一个n维动态平面图中,对多类集成图整体进行实时可视化。将男丁格尔玫瑰图与Logistics回归模型结合,对其单体在回归预测图中做出精准的预测分析。不仅解决高维多元数据所造成的视觉混乱问题,还可发现大量数据中所隐藏关联性,并对复杂数据变化趋势、异常数据等关键特征进行实时动态展示。3.基于GBDT与LR融合模型提高评估可视化分析结果:GBDT与Logistic回归融合模型应用医疗大数据可视化评估个人生理亚健康问题上。实验结果证明GBDT与LR融合模型的预测效果优于单一的Logistic回归模型。并以区域性生理亚健康大数据进行实验分析,对于与其他模型相比具有更精确的预测准确率和稳定性。提出基于GBDT与LR融合模型去评估高维度、多属性等复杂结构的医疗大数据,对于辅助精准医疗动及发展医疗信息化应用具有重要的指导意义。