基于API 的疾病预测系统数据导入研究

2021-03-25 02:09:34邵荣强龚庆悦
软件导刊 2021年3期
关键词:数据库服务模型

邵荣强,陈 燕,龚庆悦

(1.南京中医药大学人工智能与信息技术学院,江苏南京 210023;2.宜兴市第二人民医院信息科,江苏宜兴 214221)

0 引言

自现代医学诞生以来,由于医学的发展极大地延长了人类的平均寿命,其研究一直吸引着大家的广泛关注,研究者希望通过研究揭示人体的运行规律,对其发病趋势进行预测。但是人体是一个十分复杂的系统,生理、心理和社会因素综合交织在一起使对疾病的预测研究变得非常困难。

机器学习可以通过从历史的行为和数据中分析、学习并找到更好的设计模式,可以解放很多复杂的工作。因此,机器学习已被广泛运用于各生产和科研领域[1-2]。随着大数据时代的到来,医学领域中的海量数据引起了许多学者的关注。机器学习方法,如:神经网络、支持向量机、决策树等方法被广泛应用于疾病预测领域[3-6],它们处理复杂及其大量数据上表现出的优势,解决了许多传统方法的局限性[7-10]。随着新的算法不断出现及各类超参数、业务参数的不断改进,疾病预测模型的准确率和召回率等指标也越来越高[11-13]。因此,相应的疾病预测模型也需要重新训练,模型重建周期也变得越来越短,需要通过提高训练效率以适应模型重建的快节奏。

1 相关工作

为提高疾病预测模型重建效率,近年来一些学者[14-18]针对算法和超参数选择进行研究,但随着研究的深入,训练效率改进越来越逼近天花板;也有学者[19-20]通过研究机器学习的云服务提高训练效率,但医学数据传到外部服务器则不可避免地面临患者隐私泄露问题;……

登录APP查看全文

猜你喜欢
数据库服务模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
服务在身边 健康每一天
今日农业(2019年12期)2019-08-15 00:56:32
服务在身边 健康每一天
今日农业(2019年10期)2019-01-04 04:28:15
服务在身边 健康每一天
今日农业(2019年16期)2019-01-03 11:39:20
招行30年:从“满意服务”到“感动服务”
商周刊(2017年9期)2017-08-22 02:57:56
数据库
财经(2017年2期)2017-03-10 14:35:35
3D打印中的模型分割与打包
数据库
财经(2016年15期)2016-06-03 07:38:02
数据库
财经(2016年3期)2016-03-07 07:44:46