面向血糖预测的机器学习技术研究

发布时间：2023-03-21 13:29

　　在今天这个时代,越来越多的人患了糖尿病,但其中很多人并不知晓或者确切他们是否患病。糖尿病是一类非常可怕的慢性病,被彻底治愈的可能性非常低。因此,在前期如果能尽早识别高风险患者,及时地介入患者的护理过程,养成健康生活方式甚至于提前药物治疗,能够减少患病风险。依据目前在该方面的研究,积极地前期预警治疗至少会降低30%到60%的得病风险。所以,提前确定有大概率患病的患者,不仅可以改善病情,还可以加强公众的临床管理,是非常有意义的。为了提高糖尿病患者的知晓率,从而及时地对病情进行管理,本文从患者的代谢数据出发,深入分析不同检查项目对血糖水平的影响,并充分利用检查科目和项目之间的包含关系,优选特征。同时,本文转换了预测思路,将数值预测转换成二分类问题,此时遇到的主要问题是数据集的类别不平衡问题。为此,本文基于SMOTE设计了一种新的过采样方法,来提高分类效果。本文的研究工作,包括以下内容:(1)针对患者检查项目多、特征复杂的的情况,本文提出了一种基于序列后向选择的层次化特征选择方法。首先,由于SBS算法巨大的计算开销和方法的灵活性,本文在该方法思想的基础上,通过为所有特征进行重要性排序,根据排序...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 本文研究的背景及意义
    1.2 研究现状分析
        1.2.1 基于生理模型的血糖预测
        1.2.2 基于数据的血糖预测
    1.3 血糖预测的合理性分析
    1.4 本文主要工作和创新点
    1.5 论文结构
第二章 相关研究与技术
    2.1 医疗数据特点分析
    2.2 医疗数据挖掘技术概述
        2.2.1 数据预处理
        2.2.2 特征选择
        2.2.3 模型选择与构建
    2.3 医疗数据挖掘应用介绍
    2.4 本章小结
第三章 基于序列后向选择的层次化特征选择方法
    3.1 集成学习研究
        3.1.1 Boosting方法
        3.1.2 Bagging方法
    3.2 基于SBS的层次化特征选择方法
        3.2.1 动机分析
        3.2.2 研究思路
    3.3 实验设置与结果分析
        3.3.1 数据准备与处理
        3.3.2 性能评价指标
        3.3.3 特征子集的获取
        3.3.4 实验结果与分析
    3.4 本章小结
第四章 基于Region-SMOTE的不平衡数据处理方法
    4.1 数据不平衡问题研究
        4.1.1 SMOTE算法
        4.1.2 Borderline-SMOTE算法
        4.1.3 其他研究工作
    4.2 基于Region-SMOTE的不平衡数据处理方法
        4.2.1 动机分析
        4.2.2 研究思路
    4.3 实验设置与结果分析
        4.3.1 数据准备与处理
        4.3.2 性能评价指标
        4.3.3 实验设置
        4.3.4 结果与分析
    4.4 本章小结
第五章 结论与展望
    5.1 本文主要工作总结
    5.2 研究展望
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3767000