学位论文 > 优秀研究生学位论文题录展示

机器学习技术在医疗保险决策知识获取中的应用

作　者: 杨峻
导　师: 陈跃新
学　校: 国防科学技术大学
专　业: 计算机科学与技术
关键词: 医疗保险决策支持知识模型机器学习
分类号: TP181
类　型: 硕士论文
年　份: 2010年
下　载: 72次
引　用: 0次
阅　读: 论文下载

内容摘要

我国自1998年建立医疗保险制度以来,各医保经办机构一直在探索解决基金压力与不断提高的医疗需求这一对矛盾的方法。各项医疗保险政策调整的决策知识来源于对真实业务数据的慎密分析。如何在庞杂的数据中,抽取出精确的统计、分析、预测,成为医疗保险信息系统建设的新方向。本文从知识工程师的角度对医疗保险决策支持知识进行描述,并试图将医疗保险决策支持所需的知识获取这个复杂的过程分解为一系列的单个步骤,对其中的关键步骤利用机器学习技术以历年的业务数据作为训练数据进行自动学习。并根据不同的业务需求分析不同的专业知识获取过程,探讨知识获取过程中所使用的适合的机器学习技术,以期达到实现医疗保险决策模型知识获取工程自动化的目的。作为实例,本文对医疗保险决策支持中参保单位收不抵支风险判别和诊疗结构知识进行了详细的实验研究。对参保单位收不抵支风险的判别知识构建了基于决策树的学习算法,并对过度匹配问题、属性值离散化问题及属性值贡献度问题进行了讨论。对诊疗结构知识,构建了住院周期模式、费用模式、检查模式、手术模式、用药模式、特殊用材模式六大模式,并构建了总费用模式、床日费用模式、费用分布模式、常用药模式、药品配伍模式等子模式。利用统计学习获取区间模式知识,利用频繁项集挖掘算法获取诊疗结构的常用项模式和关联关系模式知识,利用LMS算法进行诊疗结构差异知识学习。最后通过实验分析对上述两类知识获取过程中的准确性及获取效率进行进一步的讨论和研究。

全文目录

摘要  9-10
ABSTRACT  10-11
第一章绪论  11-19
  1.1 课题背景  11-17
    1.1.1 我国基本医疗保险体系  12-14
    1.1.2 医疗保险决策支持系统技术  14-15
    1.1.3 机器学习技术  15-17
  1.2 课题研究内容  17-18
    1.2.1 研究目的和内容  17-18
    1.2.2 主要研究工作  18
  1.3 论文结构  18-19
第二章医疗保险决策知识的学习系统  19-27
  2.1 医疗保险决策  19-21
    2.1.1 分析  19-20
    2.1.2 监管  20
    2.1.3 预测  20-21
  2.2 医疗保险决策支持系统  21-23
  2.3 医疗保险决策知识学习系统（INLEN）  23-27
    2.3.1 学习系统的设计考虑  23-25
    2.3.2 INLEN学习系统结构  25-27
第三章收不抵支风险判别知识的学习  27-57
  3.1 收不抵支风险判别决策树问题求解  28-36
    3.1.1 收不抵支风险判别决策树  29-30
    3.1.2 收不抵支风险目标属性和判别属性  30-35
    3.1.3 收不抵支风险判别决策树问题求解算法  35-36
  3.2 收不抵支风险判别决策树学习  36-50
    3.2.1 收不抵支风险判别决策树学习任务  36-38
    3.2.2 收不抵支风险判别决策树学习算法  38-40
    3.2.3 解决过度匹配问题的剪枝法  40-42
    3.2.4 收不抵支风险判别决策树的样例建立  42-48
    3.2.5 带相对贡献度的收不抵支风险判别决策树学习  48-50
  3.3 收不抵支风险判别决策树学习的实验分析  50-57
    3.3.1 实验方案  50-55
    3.3.2 结果分析  55-57
第四章诊疗结构学习  57-87
  4.1 诊疗结构及其问题求解  58-69
    4.1.1 诊疗结构  58-61
    4.1.2 带约束条件的诊疗结构  61-64
    4.1.3 诊疗结构的应用  64-69
  4.2 诊疗结构的学习任务  69-71
  4.3 三类模式的学习  71-78
  4.4 诊疗结构的归纳学习  78-81
  4.5 诊疗结构差异函数的学习  81-82
  4.6 诊疗结构学习实验及结果分析  82-87
第五章结束语  87-89
  5.1 本文的主要贡献  87-88
  5.2 进一步研究工作  88-89
致谢  89-90
参考文献  90-92
作者在学期间取得的学术成果  92

机器学习技术在医疗保险决策知识获取中的应用

内容摘要

全文目录

相似论文