郭秀花医学大数据分析策略与数据挖掘.pptxVIP

医学大数据分析策略与数据挖掘;2;3;大数据（Big Data） 数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。;模拟式存量;6;7;8;9;10;11;12;13;;15; 肺结节良恶性的判定是CT图像诊断肺癌中的一个难点和关键点。在实际的临床中，肺癌被确诊时80%以上已属中晚期。;矢状位;18; 数据挖掘主要分类预测方法;各纹理产生30，40，50，60个子代（即纹理分别为420，560，700，840个）。每个纹理子代分布为正态分布，均值和标准差与轴位CT图像均值相近； 设定每个纹理内部子代之间的相关系数为r=0.1，0.2，0.3，0.4; 分别产生2组数据，设定两组各个变量均值之间的差值为d(0.01-0.1)。;Monte Carlo模拟分析结果;22;最优分类(超平)面;广义最优分类面;当线性不可分时，SVM的主要思想是将输人向量映射到一个高维的特征向量空间，并在该特征空间中构造最优分类面。;Gaussian 核函数： Polynom核函数 Vanilladot线性核函数 双曲切线核函数 Laplacian 核函数 Bessel核函数;27;病例基本信息分析结果;不同评价方法支持向量机预测模型结果; 利用病例人口学特征、环境遗传信息和结节形态学信息等综合性信息，建立支持向量机预测模型。;结论：