基于大数据挖掘与云计算的疾病诊断与治疗推荐系统
机器学习
2019-11-26 v1 机器学习
摘要
根据不同阶段的各种症状为疾病提供适配的治疗方案至关重要。然而，大多数分类方法在准确分类具有多治疗阶段、多种症状和多发病机制特征的疾病时可能无效。此外，不同科室和医院之间在疾病诊断和治疗方面的交流与协作行动有限。因此，当具有非典型症状的新疾病出现时，经验不足的医生可能难以迅速且准确地识别它们。为此，为最大化利用发达医院的先进医疗技术和经验丰富医生的丰富医学知识，本文提出了一种疾病诊断与治疗推荐系统（DDTRS）。首先，为更有效地准确识别疾病症状，引入密度峰值聚类分析（DPCA）算法进行疾病-症状聚类。此外，分别利用Apriori算法对疾病-诊断（D-D）规则和疾病-治疗（D-T）规则进行关联分析。即使处于有限的治疗环境中，也为患者和经验不足的医生推荐适当的诊断和治疗方案。 moreover，为实现高性能与低延迟响应的目标，我们使用Apache Spark云平台为DDTRS实现了并行解决方案。大量实验结果表明，所提出的DDTRS能有效实现疾病-症状聚类，并智能、准确地推导出疾病治疗推荐。
引用
@article{arxiv.1810.07762,
title = {A Disease Diagnosis and Treatment Recommendation System Based on Big Data Mining and Cloud Computing},
author = {Jianguo Chen and Kenli Li and Huigui Rong and Kashif Bilal and Nan Yang and Keqin Li},
journal= {arXiv preprint arXiv:1810.07762},
year = {2019}
}