基于机器学习的疾病诊断模型研究

• 作者: 孙晓 张万义 张千 方丽华 梁鸿 王庆玮
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 糖尿病视网膜病变 机器学习 逻辑回归 特征提取
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1705-1709,1714
• 页数: 6页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.07.030

摘要

糖尿病视网膜病变作为糖尿病的严重并发症之一,患者日趋年轻化.因此糖尿病的筛查预防工作尤为重要.医生诊断主要依赖其临床经验,传统的诊断方式在一定程度上会被医生自身积累的实际经验所束缚,从而导致最终诊断的结果出现较大的误差.并且由于医院医疗数据的复杂化、高维化以及特征差异的缩小化,传统的医疗疾病诊断模型所获得的诊断准确率已远远低于当今社会对医疗疾病诊断的高准确率要求.论文将机器学习算法应用到糖尿病并发症的检测和诊断中,以2型糖尿病视网膜病症为例,通过对大量样本建模、训练和预测,找出对疾病影响最为关键的指标.实验采用的数据集来自于中国人民解放军总医院的电子医疗记录.通过对301医院数据集的特征变量进行逐步回归分析,建立了基于逻辑回归的疾病特征分析模型,实验结果输出了糖尿病视网膜病变的相关重要特征排序,并取得了较高的训练准确率和测试准确率.实验分析显示,糖化血红蛋白浓度与慢性肾病是2型糖尿病视网膜病变的主要影响因素,为医生提供了可信的诊断参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁鸿		28	111	6.0	9.0
2	张千		24	74	6.0	8.0
3	孙晓		2	2	1.0	1.0
4	方丽华		1	0	0.0	0.0
5	王庆玮		1	0	0.0	0.0
6	张万义		1	0	0.0	0.0