基于人工智能的糖尿病预测研究 |
| |
引用本文: | 周乐明,尚明生,王永红,宋景麟,李小松,黄刚,王科.基于人工智能的糖尿病预测研究[J].重庆医科大学学报,2023(12):1489-1492. |
| |
作者姓名: | 周乐明 尚明生 王永红 宋景麟 李小松 黄刚 王科 |
| |
作者单位: | 1. 重庆邮电大学计算机科学与技术学院;2. 中国科学院重庆绿色智能技术研究院大数据中心;3. 重庆市黔江中心医院检验科;4. 重庆银行博士后研究中心;5. 成都市第三人民医院心血管内科;6. 重庆市永川区人民医院检验科 |
| |
摘 要: | 目的:以临床类指标建立基于极限梯度增强(extreme gradient boosting,XGBoost)、基于梯度提升树的分类器(light gradient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)、多层感知器(multilayer perceptron,MLP)等4种分类器的糖尿病预测模型,并评价其筛查效果。方法:根据病例对照研究设计采集研究组、对照组的99项临床类数据,使用python3.8进行了分析,接着采用线性插补、固有非负隐特征(inherent non negative implicit features,INLF)模型等方法对特征缺失值进行了预测,然后使用4种分类器构建分类模型来检测糖尿病。结果:3 241例高血压合并糖尿病患者作为研究组,4 181例高血压患者作为对照组被纳入模型进行分析,包含99个特征,通过基于XGBoost、LightGBM、AdaBoost和MLP等4种分类器的糖尿病鉴别分类准确率分别为0.894 9、0.887 5、0.862 0、0.856 6。结论:本研究提...
|
关 键 词: | 不完备数据 糖尿病并发症 固有非负隐特征 分类器 |
|
|