基于网格搜索与交叉验证的支持向量机糖尿病并发症诊断预测

发布时间：2021-03-26 08:38

　　目的:建立糖尿病并发症诊断预测模型,为糖尿病并发症的临床诊断提供帮助。方法:将支持向量机（SVM）作为建立糖尿病并发症诊断预测模型的基础算法,选取影响糖尿病不同并发症的各项指标作为模型的输入,糖尿病并发症类型作为模型的输出,合理分配糖尿病患者的数据,将数据中的一部分作为训练数据用于模型的训练,结合网格搜索与交叉验证得到建立模型的最佳惩罚因子（c）和径向基核函数（RBF）方差（g）。在矩阵实验室（Matrix Laboratory,MATLAB）平台上建立模型,并将模型的诊断类型与实际类型进行比较。结果:在建立的糖尿病并发症诊断预测模型中重新输入训练数据后,其糖尿病并发症诊断预测正确率达到92%,将测试数据输入模型中,输出结果的正确率为81%。结论:基于SVM建立的糖尿病并发症诊断预测模型,对于糖尿病并发症的诊断预测有较好的效果。 

【文章来源】：中国医学装备. 2020,17(08)

【文章页数】：4 页

【部分图文】：

SVM参数选择结果图

通过以上步骤确定了R B F的最佳参数组合c=27.8576,g=0.041235，利用真实的糖尿病患者数据作为训练数据建立SVM诊断预测模型，模型建立后将200份训练数据重新代入模型，其输出准确率为92%(184/200)，将100份测试数据(50份肾病并发症、50份视网膜病变并发症)输入模型进行预测，准确率为81%(81/100)。测试数据预测结果与真实结果对比见图2。在测试数据预测结果与真实结果对比中显示，测试数据中肾病并发症预测准确率为82%(41/50)，视网膜病变并发症预测准确率为80%(40/50)。

【参考文献】：
期刊论文
[1]基于交叉验证的平滑系数确定研究[J]. 闵盈盈.  哈尔滨商业大学学报(自然科学版). 2019(05)
[2]基于定量影像组学的乳腺肿瘤良恶性诊断[J]. 赵爽,魏国辉,马志庆,赵文华.  中国生物医学工程学报. 2019(05)
[3]乙型肝炎相关性肝癌血清标志物诊断价值及支持向量机鉴别诊断模型的建立[J]. 白晶,刘海顺,万鸿飞,刘向祎.  中国医学装备. 2019(07)
[4]基于交叉验证网格寻优支持向量机的产品销售预测[J]. 张文雅,范雨强,韩华,张斌,崔晓钰.  计算机系统应用. 2019(05)
[5]随机森林和支持向量机在利用超声影像特征信息诊断乳腺病变性质的应用价值探索[J]. 赵子龙,何英剑,欧阳涛,姚晨.  中国卫生统计. 2018(05)
[6]网格搜索法改进SVM的出水COD软测量建模[J]. 陈甫前,李明河.  宜宾学院学报. 2018(12)
[7]基于支持向量机的糖尿病预测模型研究[J]. 刘阳,孙华东,张艳荣,赵志杰.  哈尔滨商业大学学报(自然科学版). 2018(01)
[8]2型糖尿病患者慢性并发症与脑卒中发病的关系[J]. 朱秋荣,徐惠庆,骆田斌,余梦华.  预防医学. 2017(04)
[9]基于网格搜索与交叉验证的SVM磨机负荷预测[J]. 罗小燕,陈慧明,卢小江,熊洋.  中国测试. 2017(01)
[10]2型糖尿病患者慢性并发症的相关因素研究[J]. 唐伦艳.  心血管病防治知识(学术版). 2015(11)

硕士论文
[1]基于神经网络的糖尿病并发症预测系统研究[D]. 崔纯纯.北京交通大学 2018
[2]尿微量白蛋白/肌酐比值对糖尿病肾病早期诊断价值及与2型糖尿病相关性研究[D]. 蔡文娟.吉林大学 2012



本文编号：3101309