基于机器学习构建2型糖尿病并发肾脏病中西医多模态特征融合预测模型

发布时间：2023-10-02 07:02

　　目的:本研究使用多种机器学习算法,构建标准化的证型、舌图像获取途径。再与临床综合数据特征融合,构建2型糖尿病并发肾病混合深度神经网络诊断预测模型。通过模型对比评估,探索中医证候与舌图像对疾病风险预测的实际意义。方法:1.数据采集:按照依据相应的诊断标准,纳入2型糖尿病患者。采集患者的中医四诊信息,根据证型诊断标准,采用“症状-证素-辨证指南-专家经验”的方式,分别标注所有患者证型作为原始数据。使用统一的图像采集装置,按照统一标准采集患者舌面图像。采集患者临床综合数据,包括一般信息、辅助检查指标等。依据糖尿病肾病的诊断标准,将患者标注为非糖尿病肾病、糖尿病肾病。2.数据预处理:对原始数据进行集成,去除异常数据、重复数据和错误数据并将格式进行规范化,采用特征平均值对缺失值进行填补。对二分类变量采用独热编码(One-Hot),连续性变量进行归一化处理。采用主成分分析或探索性因子分析进行特征降维,应用经典的洗牌算法(Shuffle)将数据顺序打乱,使数据分布均匀,按照8:2的比例将数据分为训练集与测试集。3.证候分类模型构建:筛去频率<10%的症状条目。将剩余的中医四诊信息,采用探索性因...

【文章页数】：131 页

【学位级别】：博士

【文章目录】：
中文摘要
Abstract
引言
    1 研究背景
        1.1 2型糖尿病并发肾病的诊断难度高,构建预测模型具有较大辅助诊断价值
        1.2 中医强调“上工治未病”,证候、舌象被越来越多用于糖尿病并发症预测
        1.3 单模态单分类器准确度普遍偏低,多模态特征数据融合为2型糖尿病并发肾病预测模型构建的新趋势
        1.4 标准化、客观化获取证候、舌图像数据,利于促进中西医多模态特征融合
        1.5 特征自动提取和有监督学习建模方法,利于从多模态数据构建模型
    2 研究思路
        2.1 基于机器学习的2型糖尿病证候分类模型构建
        2.2 基于深度学习的舌图像自动分割模型构建
        2.3 中西医多模态特征融合与模型构建
实验研究
    1 研究对象
        1.1 病例来源
        1.2 诊断标准
        1.3 中医证候标准
        1.4 纳入标准
        1.5 排除标准
        1.6 剔除标准
        1.7 分组标准
        1.8 样本量估算
    2 研究方法
        2.1 观察指标
        2.2 质量控制
        2.3 证候分类模型构建
        2.4 舌图像自动分割模型构建
        2.5 中西医多模态特征融合与模型构建
        2.6 机器学习
    3 结果
        3.1 一般信息特征分布
        3.2 症状分布
        3.3 证型分布
        3.4 证候分类模型构建
        3.5 舌图像自动分割模型构建
        3.6 中西医多模态特征融合与模型构建
讨论
    1 性别、年龄、BMI分布特征
    2 主要症状、证候分布
    3 2型糖尿病证候标准化诊断
    4 证型特征与舌图像特征对预测2型糖尿病并发肾病均具有较大意义
    5 基于深度学习的舌图像分析有助于完善证型客观化诊断,舌象与疾病转归的直接关联有待深入研究
    6 采用多模态特征融合构建的2型糖尿病并发肾病预测模型,可提高预测准确度
    7 采用探索性因子分析特征降维与神经网络构建证候分类模型,优于其它算法组合
    8 采用主成分分析特征降维与神经网络构建疾病预测模型,优于其它算法组合
结论
总结与展望
致谢
参考文献
附件1:综述 机器学习在糖尿病并发症预测模型中的应用
    参考文献
附件2:伦理审核批件
附件3:糖尿病中医辨证细则
附件4:在读期间公开发表的学术论文、专著及科研成果



本文编号：3850334