一种基于深度置信网络的退行性膝骨关节炎早期预警方法技术

本发明专利技术公开了一种基于深度置信网络的退行性膝骨关节炎早期预警方法，具体涉及医疗智能技术领域，包括以下步骤：步骤一：原始数据预处理；步骤二：采用最大相关最小冗余特征选择算法对从合作医院获取的病人退行性膝骨关节炎原始数据进行相关性分析和确定退行性膝骨关节炎预测模型的输入变量；步骤三：采用DBN实现基于深度学习的退行性膝骨关节炎早期预测模型构建；步骤四：在线检测阶段。本发明专利技术使用最大相关最小冗余特征选择的方法，提取出与退行性膝骨关节炎相关的特征，简化输入数据，提出的算法可以达到比普遍流行的支持向量机和随机森林等算法更好的效果，该方法可以更准确地判断早期退行性膝骨关节炎是否发生。判断早期退行性膝骨关节炎是否发生。判断早期退行性膝骨关节炎是否发生。

【技术实现步骤摘要】
一种基于深度置信网络的退行性膝骨关节炎早期预警方法


[0001]本专利技术涉及医疗智能
，更具体地说是一种基于深度置信网络的退行性膝骨关节炎早期预警方法。

技术介绍

[0002]膝骨关节炎是指由多种因素引起关节软骨(关节表面的“脆骨”)纤维化、皲裂、溃疡、脱失而导致的以关节疼痛为主要症状的退行性疾病(退行性指的是随着年龄增大而身体发生的一系列不可避免的疾病，如骨质增生、脑萎缩等等)。到目前为止，基于人群的膝关节OA观察性研究大多在发达国家进行，只有少数研究在中国进行。因此，我国老年人膝关节OA患病率及其潜在危险因素的研究资料较少。根据中国健康与养老追踪调查数据库(China Health and Retirement Longitudinal Study,CHARLS)的研究结果显示：我国膝关节症状性OA(膝关节Kellgren&Lawrence评分≥2分，同时存在膝关节疼痛)的患病率为8.1％；膝骨关节炎女性(10.3％)患病率高于男性(5.7％)；呈现明显的地域差异，即西南地区(13.7％)和西北地区(10.8％)最高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度置信网络的退行性膝骨关节炎早期预警方法，其特征在于：包括以下步骤：步骤一：原始数据预处理；步骤二：采用最大相关最小冗余特征选择算法对从合作医院获取的病人退行性膝骨关节炎原始数据进行相关性分析；采用最大相关最小冗余特征选择算法确定退行性膝骨关节炎预测模型的输入变量；步骤三：采用DBN实现基于深度学习的退行性膝骨关节炎早期预测模型构建，其结构是由多层RBM和多层BP神经网络组成，其中，RBM层采用无监督的学习，而BP层采用有监督学习，输入数据是经过最大相关最小冗余特征选择对原始数据进行筛选后的去除冗余特征后的数据；步骤四：在线检测阶段。2.根据权利要求1所述的一种基于深度置信网络的退行性膝骨关节炎早期预警方法，其特征在于：步骤一的具体步骤如下：S1：去除数据集中空缺比例大的行和列；S2：使用最值归一化对连续型数据进行归一化处理。3.根据权利要求1所述的一种基于深度置信网络的退行性膝骨关节炎早期预警方法，其特征在于：步骤三具体步骤如下：S1：RBM层无监督学习逐层训练：采用五折交叉验证方法对算法进行验证：将处理好的标准化数据按照4：1的比例进行划分，分...

【专利技术属性】
技术研发人员：龙锦益，杨宇，张佳，
申请(专利权)人：暨南大学，
类型：发明
国别省市：