基于无创血糖的糖尿病评估

• 作者: 严波文 朱健铭 杨薛冰 梁永波 邹春林 陈真诚
• 来源期刊: 中国医学物理学杂志
• 关键词: 糖尿病 糖化血红蛋白 糖耐量受损 神经网络 K-近邻算法
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 医学人工智能
• 页码范围: 1330-1334
• 页数: 5页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.10.020

摘要

为了提高糖尿病前期的检出率,在糖耐量受损(IGT)常规诊断方法的基础上,增加糖化血红蛋白作为糖尿病筛查的因素,构建一个IGT检测模型.采集受试者的身高、体质量、腹围、血压、皮脂厚度、空腹血糖和糖化血红蛋白作为模型的特征输入,用K-近邻算法和神经网络对其分类,模型输出包括血糖值正常、IGT和糖尿病.结果显示增加糖化血红蛋白作为分类特征后,神经网络和K-近邻算法的分类准确率分别为88.89％和93.09％,明显高于传统方法的分类准确率(83.33％和78.38％).本研究提出的IGT检测模型对糖尿病的临床诊断有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁永波		19	59	4.0	7.0
2	朱健铭		45	216	7.0	12.0
3	陈真诚		91	434	12.0	16.0
4	严波文		2	0	0.0	0.0
5	杨薛冰		2	0	0.0	0.0
6	邹春林		1	0	0.0	0.0