健康体检数据预处理方法研究与应用-计算机应用技术专业论文.docxVIP

万方数据 万方数据 学位论文原创性声明 本人郑重声明 z 所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得 的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或 撰写过的科研成果 。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式 标明。本声明的法律责任由本人承 担。 学位论文作者:王说读  日期: )...Ib 年 C 月 5 日 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。根据郑 州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论 文的复印件和电子版，允许论文被查阅和借阅:本人授权郑州大学可以将本学位论文的 全部或部分编入有关数据库进行检索，可以采用影印、缩印或者其他复制手段保存论文 和汇编本学位论文 。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论 文或成果时，第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。 学位论文作者 z 主恰恰  日期: 1ρ1 1，年专月 30 日 摘要 摘要 摘要 利用医疗体检数据积累丰富且有价值的信息，可进行疾病的风险分析及个 性化健康指导，预测受检者患上某种慢病的风险和概率，提醒受检者及时发现 潜在疾病，为其提供健康指导及疾病治疗措施。但原始体检数据存在信息模糊、 有噪声、不完整和冗余的问题，无法直接用于疾病的风险评估与预测，因此对 医疗体检数据进行预处理是很重要的。 为了充分完成体检数据的预处理工作，本文在传统的预处理方法的基础上 从多角度提出了针对体检数据预处理的有效方法：针对信息冗余的问题，提出 基于压缩方法的体检数据归约，降低了体检数据预处理的时间及空间复杂度； 针对体检项目不统一、异常值、重复值及缺失值较多的问题，提出基于相似重 复记录和缺失值的体检数据清洗方法，完成了体检数据的清洗，解决了体检数 据不一致的问题。通过删除元组、忽略不完整数据及填充技术完成基于缺失值 的数据清洗；针对唯一标识码缺失的问题，提出基于线性函数的体检数据变换， 实现了历年体检数据的连续性和规范性。在实现体检数据清洗时创新性的提出 基于分词和权值的字段匹配算法完成相似重复记录的检测。体检数据预处理的 目的是将不规范的数据转换为标准数据，实现医生术语、体检结论的标准化， 纠正错误信息、填补空缺值。 实验结果证明：基于压缩方法的体检数据归约可大大减少体检数据的不相 关及冗余信息；基于分词和权值的字段匹配算法在召回率、正确率和 F-测度值 上分别高于传统算法 6.23%、5.44%和 5.84%，说明改进算法在检测相似重复记 录上的准确性高于传统的算法；验证了经过基于线性函数的体检数据变换成功 的给体检者添加唯一标识码。 最后，开发了体检数据查询系统，实现了对预处理后体检数据的查询工作， 将体检者的各项指标进行可视化展示。 关键词：体检数据 预处理 数据清洗 可视化 I Ab Abstract Abstract The medical physical examination data has accumulated rich and valuable information, it can be used to analyze the risk of disease and personalized health guidance and to predict the risk and probability of some chronic diseases, and to remind the subject to discover potential disease in time, to provide health guidance and disease treatment measures for Physical examination person. But, the original physical examination data has many problems, including ambiguity, noise, incomplete and redundancy information, so it cannot be used for disease risk assessment and prediction directly. Therefore, it is very important to handle the data of medical examination. In order to solve this problem and make full use of the valuable informa