10.3969/j.issn.1008-0805.2021.06.70
基于卷积神经网络的2型糖尿病证候分布演化规律研究
目的 对846例2型糖尿病(T2DM)患者临床真实病例资料进行回顾性分析,探讨患者不同病程、性另、年龄与证候分布的关系.方法 通过四川省"中医数字诊疗平台"收集研究所需病例,构建卷积神经网络(CNN)证候预测模型,后结合传统机器学习模型,构建基于加权投票(Weighted Voting)策略的集成模型.结果 应用传统机器学习算法(XGboost、LightGBM)能够达到较高的准确率,利用全连接神经网络与卷积神经网络抽取数据的高维特征能够实现准确率的轻微提升,结合投票策略集成模型的思想,并对不同的分类器加上不同的权值实现加权投票(Weighted Voting),将进一步提升了模型的准确率,高达85.64％.多种机器学习模型可视化均得出"年龄"是贡献度最大的变量,贡献率超过55％,其次是病程.结论 基于卷积神经网络集成模型用于糖尿病证候诊断研究是可行和有效的,模型可用于更多维度的临床数据分析,将进一步提高模型准确率,为糖尿病中医证候诊断和演变规律研究提供新的思路.
2型糖尿病;加权投票策略;中医证候;CNN
32
R2-03
国家重点研发计划;成都中医药大学"杏林学者"成果转化专项
2021-10-15（万方平台首次上网日期，不代表论文的发表时间）
共3页
1522-1524
