臺灣博碩士論文加值系統

根據世界衛生組織在2017年的統計，全世界大約有1500萬以上的人民罹患中風，其中87%為缺血性腦中風。衛生福利部2017年十大死因數據顯示，腦血管疾病為台灣十大死因第四位，且在中風存活的患者中有很高的機率導致殘障，造成很高的醫療費用與照顧負擔以及勞動力損失。與泌尿結石相關的疾病有敗血症、尿路感染、心血管疾病、中風等， 20~34歲的結石患者比普通患者提升1.47倍的機率會罹患中風。

本研究應用粒子群最佳化演算法，交叉熵演算法與基因邏輯斯迴歸演算法結合案例式推理系統，建構泌尿結石患者罹患中風之評估系統，同時分別結合支援向量機與倒傳遞類神經網路，建構預測模型，最後再以傅利曼檢定與成對樣本t檢定，分析所建構模型績效的差異性。

研究顯示六個預測模型，其平均ACC與AURC分別達93.8%與0.88以上，皆適合做為預測模型，六個模型經傅利曼檢定發現，模型間皆有顯著差異，其中粒子群最佳化演算法結合支援向量機與結合倒傳遞類神經網路皆優於其他預測模型。在CBR的3個評估系統中，經傅利曼檢定發現三種演算法皆有顯著差異，ACC平均皆在85%以上，且AURC平均也超過0.84，粒子群最佳化演算法結合案例式推理系統為最佳，平均準確率為90.76%，AURC平均也達0.8762。本研究結果可以提供醫療相關機關、患者及臨床工作者做為輔助診斷評估之參考依據。

According to the World Health Organization statistics in 2017, more than 15 million people worldwide have suffered strokes, 87% of which are ischemic strokes. Data from the department of health and welfare's top 10 causes of death in 2017 showed that cerebrovascular diseases were the fourth top 10 causes of death in Taiwan, and patients who survived stroke had a high probability of disability, resulting in high medical expenses, care burdens and labor losses. Diseases related to urinary calculi include septicemia, urinary tract infection, cardiovascular diseases, stroke, etc. In addition, patients with stone disease aged 20 to 34 years old have a 1.47 times higher probability of developing stroke than ordinary patients.

This study applies particle swarm optimization algorithm, cross entropy algorithm and genetic algorithm logistic regression, combining case-based reasoning system, construct the evaluation system of urinary calculi patients suffering from stroke, respectively, at the same time combined with support vector machine and back-propagation neural network, construct the prediction model. Finally, the difference of performance of the constructed model was analyzed by using Friedman-Test and Paired Sample T-Test.

The study showed that the six prediction models, with average ACC and AURC reaching 93.8 % and 0.88 respectively, were suitable as the prediction models. The six models were found to have significant differences among the models through the Friedman-Test, among which particle swarm optimization algorithm combined with support vector machine and integrated inverted transfer neural network were superior to other prediction models. Among the three evaluation systems of CBR, all the three algorithms were found to have significant differences by Friedman-Test. The average ACC was more than 85%, and the average AURC was more than 0.84. Particle swarm optimization algorithm combined with case-based reasoning system was the best, the average accuracy rate was 90.76%, and the average AURC was 0.8762. The results of this study can be used as a reference for the diagnostic evaluation of related medical institutions, patients and clinical staff.

摘要…i
Abstract…ii
誌謝…iv
目錄…v
表目錄…ix
圖目錄…xi
第一章 緒論…1
1.1 研究背景…1
1.2 研究動機…1
1.3 研究目的…2
1.4 研究範圍與限制…2
1.5 研究程序…3
第二章 文獻探討…4
2.1 泌尿結石…4
2.1.1 泌尿結石簡介…4
2.1.2 泌尿結石成因…5
2.1.3 泌尿結石種類與飲食改變…6
2.1.4 泌尿結石治療方式…7
2.1.5 泌尿結石研究相關文獻…9
2.2 中風…10
2.2.1 中風簡介…10
2.2.2 中風治療方式…13
2.2.3 中風研究相關文獻…14
2.3 支援向量機… 15
2.3.1 支援向量機簡介…15
2.3.2 支援向量機相關文獻…16
2.4 倒傳遞類神經網路…17
2.4.1 類神經網路簡介…17
2.4.2 倒傳遞類神經網路…18
2.4.3 倒傳遞類神經網路相關文獻… 21
2.5 粒子群最佳化演算法… 22
2.5.1 粒子群最佳化演算法簡介…22
2.5.2 粒子群最佳化演算法流程…23
2.5.3 粒子群最佳化演算法相關文獻…24
2.6 交叉熵演算法…25
2.6.1 交叉熵演算法簡介…25
2.6.2 交叉熵演算法理論…25
2.6.3 交叉熵演算法相關文獻…27
2.7 基因邏輯斯迴歸演算法…28
2.7.1 基因演算法簡介…28
2.7.2 基因演算法流程…28
2.7.3 基因演算法結合邏輯斯迴歸…32
2.7.4 基因演算法相關文獻…32
2.8案例式推理系統…33
2.8.1 案例式推理簡介…33
2.8.2 案例式推理系統架構…33
2.8.3 案例式推理相關文獻…35
第三章 研究方法…36
3.1 研究對象…36
3.2 研究架構…36
3.3 研究資料與對象… 39
3.4 資料前置處理…40
3.4.1 資料篩選…40
3.5 研究變數定義與編碼… 40
3.6 模型與系統建構… 44
3.7 演算法參數設定… 45
3.7.1 粒子群最佳化演算法…45
3.7.2 交叉熵演算法…45
3.7.3 基因邏輯斯迴歸演算法…46
3.7.4 支援向量機…46
3.7.5 倒傳遞類神經網路…47
3.7.6 案例式推理系統…48
3.8 模型驗證與績效評估… 49
3.8.1 K疊交互驗證法…49
3.8.2 ROC曲線下面積…50
3.9 模型差異之檢定… 51
3.9.1 傅利曼檢定…51
3.9.2 成對樣本T檢定…52
第四章 研究結果…53
4.1案例敘述統計…53
4.2 粒子群最佳化算法研究分析…55
4.2.1 粒子群最佳化演算法參數設定與權重分析…55
4.2.2 粒子群最佳化算法結合支援向量機研究分析…56
4.2.3 ROC曲線下面積…58
4.2.4 粒子群最佳化演算法結合倒傳遞類神經網路研究分析…59
4.2.5 ROC曲線下面積…61
4.3 交叉熵演算法研究分析…62
4.3.1 交叉熵演算法參數設定與權重分析…62
4.3.2 交叉熵演算法結合支援向量機研究分析…63
4.3.3 ROC曲線下面積…65
4.3.4 交叉熵演算法結合倒傳遞類神經網路研究分析…66
4.3.5 ROC曲線下面積…68
4.4 基因邏輯斯迴歸演算法研究分析…69
4.4.1 基因邏輯斯迴歸演算法參數設定與權重分析…69
4.4.2 基因邏輯斯迴歸演算法結合支援向量機研究分析…70
4.4.3 ROC曲線下面積…72
4.4.4 基因邏輯斯迴歸演算法結合倒傳遞類神經網路研究分析…73
4.4.5 ROC曲線下面積…75
4.5 研究模型比較與檢定… 76
4.5.1 模型驗證與評估比較…76
4.5.2 模型統計檢定…76
4.6 案例式推理評估系統…77
4.6.1權重值設定…77
4.6.2案例式推理系統建構與設定…78
4.7 案例式推理評估系統比較與檢定…82
4.7.1 評估系統驗證與比較…82
4.7.2 評估系統統計檢定…82
第五章 結論與建議…84
5.1 結論…84
5.2 建議…85
參考文獻…86
附錄一…91
附錄二…92
附錄三…93
附錄四…94
Extended Abstract…95

[1]于海，趙玉麗，崔坤，朱志良，2015，“一種基於交叉熵的社區發現算法”，計算機學報，38卷，8期，頁1574-1581，8月。
[2]仁慈天主教醫院護理部，2014，http://www.mercy.org.tw/public/custom/hygiene/01479d02f84c94dfd80d7128e77a28f6.pdf，參考日期：2018/05/22。
[3]王淑卿，2017，“建構具有危險預測能力的安全智慧家庭環境”，資訊科技國際期刊，11卷，1期。
[4]李建邦，俞星辰，2014，“以粒子群最佳化演算法結合分類器預測疾病及搜尋變數之研究”，數據分析，9卷，1期，頁57-74。
[5]李天行，邱群穎，呂奇傑，2016，“應用支援向量機於相關性製程監控階梯式干擾”，數據分析，11卷，4期，頁1-20。
[6]邱宏彬，陳奕憲，楊培楷，2012，“基因演算法在國民中學排課之最佳化研究”，資訊管理研究，12期，頁63-82。
[7]邱弘毅，2015，“亞急性暨長期照護之現況與未來～以中風為例”，台灣腦中風學會，22卷，3期，頁4-7，9月。
[8]林軒宇，劉說安，2015，“以支援向量機為基礎於有限氣象資料進行蒸發量補遺”，農業工程學報，61卷，4 期，頁1-10。
[9]洪順發，“泌尿道結石”，http://depart.femh.org.tw/gu/urology_01.html ，參考時間:2018/05/22。
[10]胡雅涵，黃正魁，楊承翰，2014，“以基因演算法為基礎建立自動化文件 分類模式”，資訊管理學報，21卷，3期，頁305-340，5月。
[11]姜林杰祐，黃惠芬，2016，“以類神經網路方法建構房價估價模型-以高雄市實價登錄資料為例”，頁444-462。
[12]振興醫院泌尿科，2015，http://www.chgh.org.tw:8000/news.aspx?siteid=32&ver=&usid=&mnuid=1426&modid=155&mode=&pg=2，參考日期：2018/05/22。
[13]徐賢斌，2017，“應用混合式粒子群演算法進行離散型船席及變動式橋式起重機指派”，運輸學刊，29卷，1期，頁1-34，3月。
[14]陳俊吉，2014，彰化基督教醫院，告別石頭一族!~泌尿道結石的治療與預防http://www.cch.org.tw/cchhec/knowledge_detail.aspx?oid=114，參考日期：2018/05/22。
[15]陳億聲，2015，“不痛則已，一痛驚人的泌尿道結石”，鳳凰泌尿醫訊，19卷，3期，頁2-5，10月。
[16]黃隆明，古緯中，2012，“應用倒傳遞類神經網路於 PM10預測之研究”，水土保持學報，44卷，4期，頁341-360。
[17]黃雅喬，林國峰，張明瑞，何瑞益，2016，“支援向量機於降雨引致崩塌潛勢分析之研究”，中國土木水利工程學刊，28卷，1期，頁57~66。
[18]黃懷恩，2017，捷康泌尿科診所，https://www.jetcome.com.tw/2017/05/12/%E5%B0%BF%E8%B7%AF%E7%B5%90%E7%9F%B3%E7%9A%84%E6%B2%BB%E7%99%82%E6%96%B9%E6%B3%95.html，參考日期：2018/05/22。
[19]崔祐堃，2017，“治療急性缺血性腦中風的新武器：動脈內取栓術”，奇美醫訊，116期，頁29-31，3月。
[20]國民健康數，2018，https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=1405&pid=8184，參考日期：2018/05/22。
[21]葉美均，周宗南，2016，“應用基因演算法整合五大構面選股策略”，全球商業經營管理學報，8期，頁113-123。
[22]曾淑鈴，2016，“結石飲食衛教”，鳳凰泌尿醫訊， 20卷，4期，頁5~6，10月。
[23]湯頌君，鄭建興，廖漢文，高明見，2017，“急性缺血性腦中風治療的最新發展”，臺灣醫界，60卷，4期，4月。
[24]甯方璽，陳佳菱，2014，“應用粒子群演算法改善傳統二次曲面擬合區域性大地起伏－以台中地區為例”，台灣土地研究，17卷，1期，頁23~35。
[25]楊逸仁，林子建，何正得，2010，“模具設計之案例式推理系統建構”，工程科技與教育學刊，7卷，4期，頁560-578，10月。
[26]楊景偉，2014，“別輕忽尿路結石”，醫療聚焦，209期，頁5-7，5月。
[27]萬絢，張士勳，陳祐耕，2016，“仿生計算在水稻田影像判釋的差異性研究”，航測及遙測學刊，21卷，1 期，頁55-64，8月。
[28]劉展榮，2016，“成大醫院泌尿部最新體外震波碎石機”，鳳凰泌尿醫訊，20卷，6期。
[29]劉會蘭，王慧，裘實，孟建輝，2016，“應用交叉熵組合預測配電變壓器的健康指數”，通信電源技術，33卷，4期，頁51-54，7月。
[30]劉定朋，林宗岳，吳凱洋，范秉天，鍾承憲，張原譯，黃心豪，2017，2017台灣風能協會會員大會暨學術研討會與科技部成果發表會，頁1-6。
[31]衛生福利部台南醫院，2017，https://www.tnhosp.mohw.gov.tw/page.asp?mainid=%7B53481D24-6C57-432E-B03E-31F0E03A8152%7D，參考日期：2018/05/22。
[32]衛生福利部，2017，https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=1137&pid=7861，參考日期：2018/05/22。
[33]錢駿，鍾芷萍，2018，“缺血性腦中風的分類”，臨床醫學，81卷，2期，頁72-76，2月。
[34]魏巧宜，馬麗菁，2017，“利用混合模式預測國內股票型基金績效及多年期軌跡”，中華民國資訊管理學報，24卷，1期，頁69-96。
[35]顏尚易，2016，“談缺血性腦中風的急性治療與一般處置”，醫療聚集，237期，頁1~3，9月。
[36]Aamodt,A.,&Plaza,E.,1994, "Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches." AI Communications, 7(1),pp. 39-59.
[37]Alwajeeh,T., &Alharthi,A.F., &Rahmat,R.F., &Budiarto,R., 2017, "Fast Learning for Big Data Using Dynamic Function.", IOP Conference Series: Materials Science and Engineering ,190,pp. 1-7.
[38]Ashok K.G., & Belen D.A.,2017, "What’s hot in case based reasoning? ", Proceedings of the Thirty-First AAAI Conference on Artificial Intelligence,17,pp.5067-5069.
[39]Bierwirth, C., &Meisel, F.,2015, "A follow-up survey of berth allocation and quay crane scheduling problems in container terminals.", European Journal of Operational Research,244(3),pp. 675–689, August.
[40]Christopher,K.R., &Roger,C.S.,1989, "Inside Case-Based Reasoning.",Lawrence Erlbaum Associates, Hillsdale.
[41]Chung,S.D., &Liu,S.P., &Keller,J.J., &Lin,H.C.,2012, "Urinary calculi and an increased risk of stroke: a population‐based follow‐up study.",Bjuinternational,110, pp. E1053–E1059,January.
[42]Divya Tomar, &Sonali Agarwal,2015, "Twin Support Vector Machine: A review from 2007 to 2014",Egyptian Informatics Journal,16(1),pp. 55-69,March.
[43]Fang, H., &He, L., & Si, H., & Liu, P. & Xie, X., 2014, "Human Activity Recognition based on Feature Selection in Smart Home using Back-propagation Algorithm.", ISA Transactions, 53(5),pp. 1629-1638,September.
[44]Harleen K.B., &Yunpeng P., & Babak M., & Evangelos A.T.,2016, "Cross-entropy optimization for neuromodulation.",IEEE, Orlando.
[45]Hsu C.Y., & Chen Y.T., & Huang P.H., & Leu H.B., & Su Y.W., & Chiang C.H., & Chen J.W., & Chen T.J., & Lin S.J., & Chan W.L.,2016, "The association between urinary calculi and increased risk of future cardiovascular events: A nationwide population-based study.",J Cardiol,67,pp. 463-470, August.
[46]Kennedy,J.,& Eberhart,R.,1995, A New Optimizer Using Particle Swarm Theory,IEEE, Nagoya.
[47]Kuan A.S., & Teng C.J., & Wu H.H., & Su V.Y., & Chen Y.T., & Chien S.H., & Yeh C.M., & Hu L.Y., & Chen T.J., & Tzeng C.H., & Liu C.J.,2014, "Risk of ischemic stroke in patients with ovarian cancer: a nationwide population-based study. ",BMC Medicine, 12(53),pp. 1-7,March.
[48]Kuan A.S., & Chen S.C., & Yeh C.M., & Hung M.H., & Hung Y.P., & Chen T.J., & Liu C.J.,2015, "Risk of ischemic stroke in patients with Gastric cancer: a nationwide population-based study. ", Medicine,94(37),pp. 1-6,September.
[49]Lee Y.K., & Lee C.W., & Huang M.Y., & Hsu C.Y., & Su Y.C. ,2014, "Increased risk of ischemic stroke in patients with mild traumatic brain injury: a nationwide cohort study. ", Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, 22(66),pp. 1-7, November.
[50]Lin S.Y., & Lin C.L., & Chang Y.J., & Hsu W.H., & Lin C.C., & Wang I.K., & Chang C.T., & Chang C.H., & Lin M.C., & Kao C.H.,2016, "Association Between Kidney Stones and Risk of Stroke: a nationwide population-based cohort study.",Medicine,95(8),pp. 1-6, February.
[51]Spurek,P. & Tabor,J., & Byrski K.,2017, "Active function Cross-Entropy Clustering", Expert Systems With Applications,72(15),pp. 49-66, April.
[52]Roger C.S., & Robert P.A.,1977, "Scripts, plans, goals, and understanding : an inquiry into human knowledge structures.", Lawrence Erlbaum Associates.
[53]Roger C. S.,1982, "Dynamic Memory: A theory of reminding and learning in computers and people. ",Cambridge University Press, Cambridge.
[54]Shih,C.J., &Chen,Y.T., &Ou,S.M., & Yang,W.C., &Chen,T.J. & Tarng,D.C.,2014, " Urinary Calculi and Risk of Cancer a nationwide population-based study. ",Medicine,93(29),pp. 1-8.
[55]Saraiva R.M., & Bezerra J., & Perkusich M., & Almeida H., & Siebra C. ,2015, "A Hybrid Approach Using Case-Based Reasoning and Rule-Based Reasoning to Support Cancer Diagnosis: a pilot study. ",216, pp. 862-866.
[56]Tseng C.H., & Chen J.H., & Wang Y.C., & Lin M.C., & Kao C.H.,2016,"Increased Risk of Stroke in Patients With Fibromyalgia A Population BASED Cohort Study. ",Medicine,95(8),pp. 1-6, February.
[57]Li,W., & Cui,L., & Zhang,Y., & Cai,Z., & Zhang,M., & Xu,W., & Zhao,X., & Lei,Y., & Pan,X., & Li,J. & Dou,Z.,2018," Using a Backpropagation Artificial Neural Network to Predict Nutrient Removal in Tidal Flow Constructed Wetlands",Water,10(1),pp. 1-17,January.
[58]Yang,X., & Liu,C. & Xu,Y.,2016,"Multivariate analyses of urinary calculi composition: a 13-year single-center study. ",Transl Androl Urol,30(6).pp. 1,November.