文档介绍：学号:1203310216姓名:吴昊学院:计算机学院专业:计算机应用方向:计算生物信息学使用人工智能的方法来预测精液质量摘要在过去的二十年中,生育率已经大大减少,尤其是男性。已经有描述环境因素和生活****惯可能会影响精液质量。人工智能技术现在是一个新兴的方法应用在医学上的决策支持系统。在本文中,我们比较三个人工智能技术,决策树,多层感知器和支持向量机,以评估其预测精液质量的性能,原始数据来自环境因素和生活方式的质量。要做到这一点,我们年轻健康志愿者通过一个标准化的问卷收集数据,然后,我们使用精液分析的结果,来评估的上面提到的三种分类方法在预测的准确性。结果表明,多层感知器和支持向量机的显示精度最高,86%的精液预测参数值是精度的。相反,决策树提供一个可视的和说明的方法,可以弥补上述两种方法的。结论是人工智能方法是一个有用的工具,从一个人的环境因素和生活****惯中来预测精液的质量。从研究的方法来看,多层感知器和支持向量机的预测是最准确的。因此,这两种方法连同决策树提供视觉的帮助,这些方法可用在不育患者的评价上。、卡尔森发表的一项元分析以后(Carlsen,Giwercman,Keiding,Skakkebaek1992年),对于可能发生精液质量的下降有很多争论。众多研究者在过去研究显示,二十年来,减少精液参数(Auger,Czyglik,,1995年;Splingart等人,2011;Swan,Elkin,&Fenster,1997年;Swan,Elkin,&Fenster,2000)影响男性的生育能力。考虑的因素之间的关系来解释这一下降趋势,同时增加男性生殖系统疾病的发病率(Irvine,2000年;splingart等人,2011),但也已被建议,在一定的生活方式下(Martini等,2004;Agarwal,Desai,Ruffoli,&Carpi,2008),和环境或职业的因素相关(GiwercmanGiwercman2011年,Thomas,Merkus,Steegers-Theunissen,Zielhuis2003年)。使用临床获得的数据精液的分析(Kolettis,2003年)来评估男***,和世界卫生组织(WHO,1999)比较得到的结果与相应的参考值建立数据库。精液分析是对男性生育能力进行很好的预测(Bonde等1998;Guzick等人,2001;Slama等人,2002;Zinaman,Brown,selevan,&Clegg,2000),并且也有必要精液捐赠者进行评估(Barratt等人,1998;CarrellCartmill,Jones,Hatasaka,&Peterson,2002;Ecochard,,Mathieu,Rabilloud,&Czyba,1999;SocietyBritishAndrology,1999)。不同人睾丸的功能有很高的变异性(Keel,2006),因此在某些因素方面(如,发热,接触有毒)使用它来解释这些结果可以修改精液参数(haire的,2000年)。在本文中,假定环境因素和生活****惯对精液质量是有影响的,比较这三个不同的人工智能(AI)的方法,多层感知器(MLP),支持向量机(SVM)和决策树(DT),我们得到预测精度,以确定最佳的决策支持系统(DSS),可以帮助专家对男性生育能力的评价。目前在人工智能领域的发展和进步,导致经济学,语言学专家系统和决策支持系统的出现,数学建模,管理科学,心理学等。存在很多很好的分类器,如人工神经网络(ANN),DT(Polat&Gnnes,2009B),SVM(CONFORTI和Guido2010),甚至混合方法,结合人工神经网络和模糊逻辑到模糊神经网络(FNN)(KahramanliAllahverdi,2008年)被广泛使用,通过医疗诊断来帮助决定支持系统建设。此外,人工智能在医疗应用也越来越广泛的被接受。这些方法的优点包括:(a)易于优化,从而能提高成本效益并且灵活的应用在非线性大型数据集上;(b)具有潜在的临床决策支持和预测推理的精度;(c)这些模型可以使知识传播更容易通过解释,例如,使用规则提取或灵敏度分析(Lisboa&Taktak,2006年)。使用大量的信息去预测男性生育能力使得人工智能方法是真正有用的方法,不仅提高了测量精度,但也能选择最好的特征,很多时候,处理一些功能是巨大的任务(Subashini,Ramalingam,&Palanivel,2009;Polat&Gnnes,2009a;Gil,Johnsson,GarciaChamizo,Paya,&Fernandez,2009;Gil&Johnsson,2010a,2010b,2011;Gil,Johnsson,GarcaChamizo,Paya,&F