基于網(wǎng)格搜索與交叉驗證的支持向量機糖尿病并發(fā)癥診斷預(yù)測
發(fā)布時間:2021-03-26 08:38
目的:建立糖尿病并發(fā)癥診斷預(yù)測模型,為糖尿病并發(fā)癥的臨床診斷提供幫助。方法:將支持向量機(SVM)作為建立糖尿病并發(fā)癥診斷預(yù)測模型的基礎(chǔ)算法,選取影響糖尿病不同并發(fā)癥的各項指標(biāo)作為模型的輸入,糖尿病并發(fā)癥類型作為模型的輸出,合理分配糖尿病患者的數(shù)據(jù),將數(shù)據(jù)中的一部分作為訓(xùn)練數(shù)據(jù)用于模型的訓(xùn)練,結(jié)合網(wǎng)格搜索與交叉驗證得到建立模型的最佳懲罰因子(c)和徑向基核函數(shù)(RBF)方差(g)。在矩陣實驗室(Matrix Laboratory,MATLAB)平臺上建立模型,并將模型的診斷類型與實際類型進行比較。結(jié)果:在建立的糖尿病并發(fā)癥診斷預(yù)測模型中重新輸入訓(xùn)練數(shù)據(jù)后,其糖尿病并發(fā)癥診斷預(yù)測正確率達到92%,將測試數(shù)據(jù)輸入模型中,輸出結(jié)果的正確率為81%。結(jié)論:基于SVM建立的糖尿病并發(fā)癥診斷預(yù)測模型,對于糖尿病并發(fā)癥的診斷預(yù)測有較好的效果。
【文章來源】:中國醫(yī)學(xué)裝備. 2020,17(08)
【文章頁數(shù)】:4 頁
【部分圖文】:
SVM參數(shù)選擇結(jié)果圖
通過以上步驟確定了R B F的最佳參數(shù)組合c=27.8576,g=0.041235,利用真實的糖尿病患者數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)建立SVM診斷預(yù)測模型,模型建立后將200份訓(xùn)練數(shù)據(jù)重新代入模型,其輸出準(zhǔn)確率為92%(184/200),將100份測試數(shù)據(jù)(50份腎病并發(fā)癥、50份視網(wǎng)膜病變并發(fā)癥)輸入模型進行預(yù)測,準(zhǔn)確率為81%(81/100)。測試數(shù)據(jù)預(yù)測結(jié)果與真實結(jié)果對比見圖2。在測試數(shù)據(jù)預(yù)測結(jié)果與真實結(jié)果對比中顯示,測試數(shù)據(jù)中腎病并發(fā)癥預(yù)測準(zhǔn)確率為82%(41/50),視網(wǎng)膜病變并發(fā)癥預(yù)測準(zhǔn)確率為80%(40/50)。
【參考文獻】:
期刊論文
[1]基于交叉驗證的平滑系數(shù)確定研究[J]. 閔盈盈. 哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]基于定量影像組學(xué)的乳腺腫瘤良惡性診斷[J]. 趙爽,魏國輝,馬志慶,趙文華. 中國生物醫(yī)學(xué)工程學(xué)報. 2019(05)
[3]乙型肝炎相關(guān)性肝癌血清標(biāo)志物診斷價值及支持向量機鑒別診斷模型的建立[J]. 白晶,劉海順,萬鴻飛,劉向祎. 中國醫(yī)學(xué)裝備. 2019(07)
[4]基于交叉驗證網(wǎng)格尋優(yōu)支持向量機的產(chǎn)品銷售預(yù)測[J]. 張文雅,范雨強,韓華,張斌,崔曉鈺. 計算機系統(tǒng)應(yīng)用. 2019(05)
[5]隨機森林和支持向量機在利用超聲影像特征信息診斷乳腺病變性質(zhì)的應(yīng)用價值探索[J]. 趙子龍,何英劍,歐陽濤,姚晨. 中國衛(wèi)生統(tǒng)計. 2018(05)
[6]網(wǎng)格搜索法改進SVM的出水COD軟測量建模[J]. 陳甫前,李明河. 宜賓學(xué)院學(xué)報. 2018(12)
[7]基于支持向量機的糖尿病預(yù)測模型研究[J]. 劉陽,孫華東,張艷榮,趙志杰. 哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[8]2型糖尿病患者慢性并發(fā)癥與腦卒中發(fā)病的關(guān)系[J]. 朱秋榮,徐惠慶,駱田斌,余夢華. 預(yù)防醫(yī)學(xué). 2017(04)
[9]基于網(wǎng)格搜索與交叉驗證的SVM磨機負(fù)荷預(yù)測[J]. 羅小燕,陳慧明,盧小江,熊洋. 中國測試. 2017(01)
[10]2型糖尿病患者慢性并發(fā)癥的相關(guān)因素研究[J]. 唐倫艷. 心血管病防治知識(學(xué)術(shù)版). 2015(11)
碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的糖尿病并發(fā)癥預(yù)測系統(tǒng)研究[D]. 崔純純.北京交通大學(xué) 2018
[2]尿微量白蛋白/肌酐比值對糖尿病腎病早期診斷價值及與2型糖尿病相關(guān)性研究[D]. 蔡文娟.吉林大學(xué) 2012
本文編號:3101309
【文章來源】:中國醫(yī)學(xué)裝備. 2020,17(08)
【文章頁數(shù)】:4 頁
【部分圖文】:
SVM參數(shù)選擇結(jié)果圖
通過以上步驟確定了R B F的最佳參數(shù)組合c=27.8576,g=0.041235,利用真實的糖尿病患者數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)建立SVM診斷預(yù)測模型,模型建立后將200份訓(xùn)練數(shù)據(jù)重新代入模型,其輸出準(zhǔn)確率為92%(184/200),將100份測試數(shù)據(jù)(50份腎病并發(fā)癥、50份視網(wǎng)膜病變并發(fā)癥)輸入模型進行預(yù)測,準(zhǔn)確率為81%(81/100)。測試數(shù)據(jù)預(yù)測結(jié)果與真實結(jié)果對比見圖2。在測試數(shù)據(jù)預(yù)測結(jié)果與真實結(jié)果對比中顯示,測試數(shù)據(jù)中腎病并發(fā)癥預(yù)測準(zhǔn)確率為82%(41/50),視網(wǎng)膜病變并發(fā)癥預(yù)測準(zhǔn)確率為80%(40/50)。
【參考文獻】:
期刊論文
[1]基于交叉驗證的平滑系數(shù)確定研究[J]. 閔盈盈. 哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]基于定量影像組學(xué)的乳腺腫瘤良惡性診斷[J]. 趙爽,魏國輝,馬志慶,趙文華. 中國生物醫(yī)學(xué)工程學(xué)報. 2019(05)
[3]乙型肝炎相關(guān)性肝癌血清標(biāo)志物診斷價值及支持向量機鑒別診斷模型的建立[J]. 白晶,劉海順,萬鴻飛,劉向祎. 中國醫(yī)學(xué)裝備. 2019(07)
[4]基于交叉驗證網(wǎng)格尋優(yōu)支持向量機的產(chǎn)品銷售預(yù)測[J]. 張文雅,范雨強,韓華,張斌,崔曉鈺. 計算機系統(tǒng)應(yīng)用. 2019(05)
[5]隨機森林和支持向量機在利用超聲影像特征信息診斷乳腺病變性質(zhì)的應(yīng)用價值探索[J]. 趙子龍,何英劍,歐陽濤,姚晨. 中國衛(wèi)生統(tǒng)計. 2018(05)
[6]網(wǎng)格搜索法改進SVM的出水COD軟測量建模[J]. 陳甫前,李明河. 宜賓學(xué)院學(xué)報. 2018(12)
[7]基于支持向量機的糖尿病預(yù)測模型研究[J]. 劉陽,孫華東,張艷榮,趙志杰. 哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[8]2型糖尿病患者慢性并發(fā)癥與腦卒中發(fā)病的關(guān)系[J]. 朱秋榮,徐惠慶,駱田斌,余夢華. 預(yù)防醫(yī)學(xué). 2017(04)
[9]基于網(wǎng)格搜索與交叉驗證的SVM磨機負(fù)荷預(yù)測[J]. 羅小燕,陳慧明,盧小江,熊洋. 中國測試. 2017(01)
[10]2型糖尿病患者慢性并發(fā)癥的相關(guān)因素研究[J]. 唐倫艷. 心血管病防治知識(學(xué)術(shù)版). 2015(11)
碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的糖尿病并發(fā)癥預(yù)測系統(tǒng)研究[D]. 崔純純.北京交通大學(xué) 2018
[2]尿微量白蛋白/肌酐比值對糖尿病腎病早期診斷價值及與2型糖尿病相關(guān)性研究[D]. 蔡文娟.吉林大學(xué) 2012
本文編號:3101309
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3101309.html
最近更新
教材專著