【技术实现步骤摘要】
一种老年人群老年痴呆病患病辅助分析系统
[0001]本专利技术涉及一种阿尔兹海默症的患病情况辅助分析技术，具体为一种老年人群老年痴呆病患病辅助分析系统。
技术介绍
[0002]近年来，我国阿尔兹海默症患病人数不断攀升，阿尔兹海默症疾病起因隐匿不易被察觉，传统方法仅靠医生肉眼诊断，经济成本消耗大。
[0003]目前针对阿尔兹海默症的病情概率预测方法，存在如下几种：第一，定性预测，该方法主要通过预测人验和直观判断能力，将预测患者与已诊断的患者放在一起，进行模糊聚类分析，但是该预测方法缺乏数量上的精确描述，易受人的经验与主观判断能力的束缚，因此稳定性较差。第二，定量预测，该研究方法是利用统计方法与数学模型，数学模型是各种预测方法的核心，所采用的机器学习分类模型便是基于数学模型建构，定量预测比较客观，较少受主观因素的影响，该方法在疾病预测中使用较为广泛。
技术实现思路
[0004]为了解决这一问题，提出了一种老年人群老年痴呆病患病辅助分析系统，基于支持向量机模型上做多核优化，辅助医生给患者进行预测分析，可应用...
【技术保护点】
【技术特征摘要】
1.一种老年人群老年痴呆病患病辅助分析系统，其特征在于：包括登录注册模块，首先创建用户模型，用户登录模块功能包含程序是否能正确匹配数据库中的账户与密码，当匹配不成功时是否能够拒绝用户登录，以及记住密码功能是否能够正常运行；修改密码模块，操作包括用户输入账户原密码，用户修改的密码，以及与新密码验证的确密码，点击菜单按钮则会隐藏重置按钮和返回按钮，再次点击菜单按钮则会显示重置按钮和返回按钮；点击重置按钮，则会清空原密码，新密码，确认密码输入框里的输入值，点击返回按钮，则会返回登录界面；预测分析模块，本程序的诊断界面与主界面使用了QtDesigner设计，在实现阿尔兹预测分类功能实现中，使用Sklearn类库内置的算法模型进行分类优化；在基于机器学习的医学影像研究和辅助诊断系统中，调用sklearn库中的支持向量机算法能够方便快速开发优化算法，能够使算法模型方便快捷的保存和调用，让预测分析系统能够快速、便捷的进行阿尔兹海默症的患病分析。2.根据权利要求1所述的老年人群老年痴呆病患病辅助分析系统，其特征在于：所述算法模型分为两部分，利用SVM支持向量机对数据集进行分类预测工作，并使用合成核方法对SVM进行多核优化，实现svm_MK算法。3.根据权利要求2所述的老年人群老年痴呆病患病辅助分析系统，其特征在于：多核SVM框架，首先将特征数据合成矩阵中，然后通过训练标签数据得到每个核函数的权重，最后利用合成核后的支持向量机模型，对AD和HC两类数据进行分类。SVM算法，称之为支持向量机；即对于两种属于不同分类的样本，寻找一条最优的分割线，是样本到该分割线的几何距离最大，则这条分割线称之为最优分割线；在SVM算法中，在一个多维的空间中，寻找一个最优超平面，将属于不同维度的特征向量分隔开，即为该算法的核心，如公式2.1，通过该计算公式便可得到最优超平面；w
T
x+b＝0
ꢀꢀꢀꢀ
(2.1)超平面计算公式本设计所使用合成核的线性组合为线性核函数如公式2.2所示，指数核函数如公式2.3所示，RBF函数如公式2.4所示，以及sigmod核函数如公式2.5所示的组合，达到并且预测的功能；K(x，y)＝x
T
y
ꢀꢀ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。