计算机应用

作者：张晓博, 杨燕, 李天瑞, 陆凡, 彭莉兰

单位：1. 西南交通大学 信息科学与技术学院, 成都 611756;2. 西南交通大学 人工智能研究院, 成都 611756;3. 综合交通大数据应用技术国家工程实验室(西南交通大学), 成都 611756

关键词：帕金森病,医疗文本数据,主成分分析,聚类,聚类集成

基金：国家自然科学基金资助项目（61976247）；四川省重点研发计划项目（20ZDYF2837）。

针对多发于老龄人群的帕金森病（PD）的早期智能化诊断的问题，提出基于医疗检测文本信息数据的聚类技术来对PD进行分析预测。首先，对原始数据集进行预处理以获取有效特征信息，并通过主成分分析（PCA）方法将原始特征分别降维到8个不同维度的维度空间；然后，应用5个传统的经典聚类模型和3种不同的聚类集成方法分别对8个维度空间的数据进行聚类；最后，采用4个聚类性能指标来预测数据集中的多巴胺异常PD患者、健康体和无多巴胺缺失（SWEDD） PD患者。仿真结果显示，PCA特征维度值取30时，高斯混合模型（GMM）的聚类准确度达到89.12%；PCA特征维度值取70时，谱聚类（SC）的聚类准确度达到61.41%；PCA特征维度值取80时，元聚类算法（MCLA）的聚类准确度达到59.62%。对比实验结果表明，5种经典聚类方法中，PCA的特征维度值小于40时，高斯混合模型聚类效果最佳；3种聚类集成方法中，对于不同的特征维度，MCLA的聚类性能均表现优异，进而为PD的早期智能化辅助诊断提供了技术和理论支撑。

来源：2020年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第10期