(3.210.184.142) 您好!臺灣時間:2021/05/12 03:44
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:胡耀文
研究生(外文):Yao Wen Hu
論文名稱:腦中風復發預警系統之模式開發
論文名稱(外文):Model Development of Alert System for Recurrent Stroke
指導教授:陳春賢陳春賢引用關係
指導教授(外文):C. H. Chen
學位類別:碩士
校院名稱:長庚大學
系所名稱:資訊管理學研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
論文頁數:102
中文關鍵詞:腦中風腦中風復發案例式推理法預警系統模式
外文關鍵詞:StrokeRecurrent StrokeCase-Based ReasoningModel of Alert System
相關次數:
  • 被引用被引用:0
  • 點閱點閱:247
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
在過去二十年台灣十大死亡原因裡,腦中風一直高居死亡原因前三位,是台灣人主要的健康問題之一。而在許多腦中風相關的研究報告指出,多數發生腦中風的患者在五年之內會發生再發性的腦中風,對於患者帶來的傷害會更大,因此本研究提出腦中風復發預警系統之模式,預防腦中風復發。
案例式推理法的概念是以過去解決相似問題的方法,為新問題找出解決問題的方法,就如同醫生診斷的方法,以過去的經驗對病患做診斷。線性迴歸模型是利用過去的歷史資料來預測未來的變化趨勢。移動平均法則可以觀察過去一定時間內資料的變化趨勢。本研究使用案例式推理法找出與使用者相近之案例,計算出血壓預警門檻值,當血壓超過時則發出預警。移動平均法則提供使用者觀察短期之內血壓變化的趨勢。使用線性迴歸模型預測使用者血壓變化趨勢,提前做出腦中風復發預警。結合上述方法開發腦中風復發預警系統之模式,達到預防腦中風復發的發生。
In the top ten causes of death, stroke has been ranked the top three cause over the past twenty years in Taiwan. Many studies about stroke reported that the most of patients who have experienced a stroke would occur again within five years, and it would bring patients bigger hurt. For this reason, we propose a model of alert system preventing recurrent stroke.
CBR can mean adapting old solutions to meet new demands, using old cases to explain new situations, or reasoning from precedents to interpret a new situation. CBR is appropriate in medicine for some important reasons; cognitive adequateness, explicit experience, duality of objective and subjective knowledge, automatic acquisition of subjective knowledge, and system integration. Linear regression model is to use the past historical data to predict the future trend. A moving average is commonly used with time series data to smooth out short-term fluctuations and highlight longer-term trends or cycles. In this study, the use of case-based reasoning method to identify users of similar cases and to calculate the blood pressure alert threshold, when patient‘s blood pressure more than alert threshold that it issued a alert. Method of moving average provides users what observed blood pressure changes in the short-term trend. Linear regression models to predict blood pressure of users changes in the long-term trend. Integrating Linear regression and Moving average with Case-based reasoning to develop model of alert systems for recurrent stroke.
目 錄
第一章 緒論 1
1.1研究背景 1
1.2研究動機 4
1.3研究目的 5
1.4研究限制 6
1.5研究流程與論文架構 7
第二章 文獻探討 9
2.1腦中風 9
2.2再發性腦中風 15
2.3案例式推理法(Case-Based Reasoning, CBR) 17
2.4線性迴歸模型 26
2.5相關研究回顧 30
第三章 腦中風復發預警系統模式設計 34
3.1腦中風復發預警系統模式設計架構 34
3.2腦中風復發預警之時間架構 35
3.3腦中風復發預警系統案例模型 38
3.4腦中風復發預警系統模式 45
第四章 系統雛型實作 52
4.1案例資料收集與前處理 52
4.2案例資料屬性分析 55
4.3案例庫效能評估 67
4.4預警敏感度設定 68
4.5系統雛型設計 69
4.6情境模擬 73
4.7腦中風復發系統運作流程說明 76
第五章 結論與未來工作 83
參考文獻 86

圖目次
圖1.1研究架構流程圖 7
圖1.2論文架構圖 8
圖2.1 CBR之循環圖 21
圖2.2 CDPD系統架構圖 31
圖3.1腦中風復發預警系統模式設計架構 35
圖3.2防治再發性中風的時間模型架構 36
圖3.3簡單線性迴歸模式示意圖 50
圖4.1性別分佈比例圖 56
圖4.2年齡分佈圖 56
圖4.3高齡患者比例圖 57
圖4.4高血壓患者比例圖 58
圖4.5糖尿病患者比例圖 58
圖4.6心臟病患者比例圖 59
圖4.7有暫時性腦缺血患者比例圖 59
圖4.8抽煙患者比例圖 60
圖4.9喝酒患者比例圖 60
圖4.10高脂血症患者比例圖 61
圖4.11紅血球過多症患者比例圖 61
圖4.12肥胖症患者比例圖 62
圖4.13動作失常患者比例圖 62
圖4.14服用其他藥物患者比例圖 63
圖4.15曾經病毒感染患者比例圖 63
圖4.16曾經上呼吸道感染患者比例圖 64
圖4.17家族病史比例圖 64
圖4.18收縮壓資料分佈圖 65
圖4.19舒張壓資料分佈圖 66
圖4.20平均動脈壓資料分佈圖 66
圖4.21案例相似度分布圖 68
圖4.22系統主選單 76
圖4.23血壓趨勢圖介面 77
圖4.24未來血壓趨勢與預警值 78
圖4.25短期血壓趨勢與預警值圖 79
圖4.26歷史血壓值與預警值 80
圖4.27輸入當日血壓介面 81
圖4.28發出短期預警 81
圖4.29密碼輸入圖 81
圖4.30使用者資料設定 82

表目次
表1.1民國96年台灣地區十大死亡原因[40] 3
表2.1醫療案例式推論系統 24
表3.1指標權重表 39
表3.2屬性比對方式 41
表3.3案例式推理法屬性比對方式 42
表4.1資料欄位對應表 54
表4.2系統設定方式 71
[1] Aamodt, A., Plaza, E., “Cased-Based Reasoning: Foundational Issues,Methodological Variations and System Approaches”, AI Communications, IOS Press, 7(1), pp.39-59, 1994.
[2] Boysen,Truelsen, “Prevention of recurrent stroke” , Neurol Sci 21:67-72,2000.
[3] Elizabeth,.T.W., Tia,B.,Andrew,S., “Pattern and Frequency of Recurrent Transient Ischemic Attacks”, Journal of Stroke and Cerebrovascular Diseases,Vol.6,No.3,1997:pp121-124.
[4] Fayyad, U., Piatetsky-Shapiro, G., Smyth, P., “From Data Mining toKnowledge Discovery in Databases”, American Association forArtificial Intelligence, 1996.
[5] Han, J., Kamber, M., Data Mining Concepts and Techniques,Morgan Kaufmann, 2000.
[6] Hanley, D., Gorelick, PB., Elliott, WJ., Broder, MS., Saver, JL., Kidwell, CS., et al. “Determining the appropriateness of selected surgical and medical management options in recurrent stroke prevention”, J Stroke Cerebrovasc Dis. 2004;13:196-207.
[7] Haruko, Y., Julien, B., “Mechanisms of second and further strokes”, J Neurol Neurosurg Psychiatry 1998;64:771-776.
[8] Hillen, Thomas , Coshall, Catherine ; Tilling, Kate; Rudd, Anthony G.; McGovern, Rory MRCPI; Wolfe, Charles D.A. FFPHM, “Cause of Stroke recurrence is multifactorial: Patterns, risk factors, and outcomes of Stroke recurrence in the South London Stroke Register”, Stroke: Journal of the American Heart Association:Volume 34(6)June 2003pp 1457-1463.


[9] Holt, A., Bichindaritz, I., Schmidt, R., Perner, P., 2006, “Medical applications in case-based reasoning”, The Knowledge Engineering Review, Vol. 20:3, pp.289–292, 2006.
[10] Huang,M.J., Chen,M.Y., Lee,S.C., “Integrating data mining with case-based reasoning for chronic diseases prognosis and diagnosis”, Expert Systems with Applications 32, 856-867,2007.
[11] James,P.M., Pharm,D., Marc,L., Robert,E.R., “Primary prevention of heart disease and stroke: a simplified approach to estimation risk of events and making drug treatment decisions”, Canadian Medical Association 1997;157:422-8.
[12] Kenneth, J.O., Pam, M.S., Sandra, B.I., Richard, T.L., Roger, C.F., Carl, V.G., “Comparison of logistic regression and neural networks to predict rehospitalization in patients with stroke”, Journal of Clinical Epidemiology 54 ,1159-1165,2001.
[13] Kolodner, J. L.,1993, Case-Based Reasoning ,Morgan Kaufmann Publishers,Inc.
[14] Lee, J. S., Xon, Y. X., “A customer service process innovation using theintegration of data base and case base”, Expert Systems with Applications, 11(4),pp.543-552,1996,.
[15] Mechitov, A. I., Moshkovich, H. M., “Knowledge Acquisition Tool for Case-based Reasoning System”, Expert Systems with Application,9(2), pp.201-212,1995.
[16] Myron, H., “Weinberger Blood-Pressure, Related Risk Factors, Stroke, and Cognitive Function: What Are the Relationships and What Can We Do About Them?”, Cerebrovascular Diseases and Stroke, Vol. 3 No. 3 2003, p.138-143.



[17] Neil,C., John,C., “The Prevention of Secondary Stroke,Cardiac Outcomes and Cognitive Decline in Patients With Cerevrovascular Disease:The PROFRESS Trial”, Cerebrovascular Diseases and Stroke ,Vol.3,NO.3,2003
[18] Nien, C.,Zhen, G.S., Wen, .C., Yen,M.L., Nan,C.Z., Jun,T.C., Qiu,M.C., “Risk Factors for Stroke” , Minghsin Journal, Volume 33 ,July 2007
[19] Roger, C.F., Carl, V.G., “Comparision of logistic regression and neural networks to predict rehospitalization in patients with stroke”, Journal of Clinical Epidemiology, 1159-1165, 54(2001).
[20] Schank, R. C., Abelson, R. P., Scripts, Plans, Goals and Understanding, Erlbaum , Hillsdale, New Jersey, US, 1977.
[21] Slade, S., “Case-Based Reasoning:A Research Paradigm”, AI Magazine, 4(1), pp.42-55,1991.
[22] Willmot, M., Zhao, L., Heptinstall, S., Bath, P., “Triple antiplatelet therapy for secondary prevention of recurrent ischaemic stroke”, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association (J Stroke Cerebrovasc Dis) ,2004 May-Jun Vol. 13 Issue 3 Pg. 138-40 ,ISSN: 1532-8511 United States.
[23] 李博智,〈資料探勘在慢性病預測模式之建構〉,元智大學資訊管理學系碩士論文,民國91年。
[24] 林昇獎,〈案例式輔助工具在建築結構初步設計之應用〉,淡江大學土木工程學系碩士論文,民國85年。
[25] 林永仁,《了解腦中風》,浩園文化,台北,民國95 年。
[26] 梁定彭,《決策支援系統》,松崗電腦圖書股份有限公司,民國85年。
[27] 郭明哲,《預測方法-理論與實例》,中興管理顧問公司,台北,民國80年。
[28] 陳一傑,〈應用模糊理論於多專家案例式推理之研究〉,元智大學工業工程研究所,碩士論文,民國88年。
[29] 陳月枝,《居家護理-中風篇》,正中書局,台北,民國83 年。
[30] 黃瑞雄等,〈臺灣地區全區之腦中風盛行率調查〉,Stroke,(4)4,1997。
[31] 楊金聲,〈利用類神經網路與線性迴歸進行成本預測之研究-以印刷電路板產業為例〉,中原大學資訊管理學系碩士論文,民國94年。
[32] 蔣松平,《隱形殺手-腦中風的防治》,幼獅文化,台北,民國84 年。
[33] 麥克(Michael,H.K.)著,《應用線性迴歸模型》,陳至安等譯,華泰文化,台北,民國94年。
[34] 林口長庚醫院神經內科一科,《臨床神經學》,合記圖書,台北,民國91年。
[35] “Trial of Org 10172 in Acute Stroke Treatment ” ,Stroke 1993; 24:37.
[36] “The WHO STEPwise approach to stroke surveillance” ,World Health Organization 2005, http://www.who.int/chp/steps/en/
[37] Van der, W., T. J., “10 Emerging Technologies That Will Changethe World,2001”, http://www.globalfuture.com/mit-trends2001.htm
[38] 腦血管病與介入性治療網站, http://www.intervention.com.tw/put.asp?id=&sid=152。
[39] 台北榮總神經內科-腦中風防治中心,腦中風的主要危險因子,http://www.vghtpe.gov.tw/~neur/strokecenter/EMTeducation/riskfactorforEMT.pdf
[40] 行政院衛生統計資訊處,http://www.doh.gov.tw/statistic/index.htm
[41] 健康久一點…中老年保健網, http://health91.bhp.doh.gov.tw/1-1-1.htm#1
[42] 臺灣大學新聞剪報系統降血脂藥可防二次中風, http://news.lib.ntu.edu.tw/?p=4006。
[43] 高雄長庚腦中風治療中心,二次腦中風預防, http://www.cgmh.org.tw/intr/intr4/stroke/about_us02.htm
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔