基于机器学习的糖尿病并发症预测模型研究进展

来源 :中国医学装备 | 被引量 : 0次 | 上传用户：mad1979

【摘要】

：

针对2型糖尿病(T2DM)并发症的诊断预测问题,传统检测方法主要通过血液和尿液检查来预测,这些方法既耗时又不能进行早期预测.目前,由于糖尿病发病率升高以及医疗数据的大幅增加,机器学习算法迅速发展为检测及诊断糖尿病的有效方法.用机器学习算法分析临床指标,探究2型糖尿病并发症的影响因素,构建并发症预测模型,可以很好地实现糖尿病并发症预防.通过介绍近年来预测及诊断糖尿病并发症的机器学习算法,对贝叶斯网络、随机森林、支持向量机以及反向传播(BP)神经网络4种机器学习优化算法分别进行概括讨论,以期提高对糖尿病及其预

【作者】

：

韦哲于金玉曹彤王能才冯宝义

【机构】

：

兰州理工大学电气工程与信息工程学院甘肃兰州 730050;解放军联勤保障部队第九四〇医院信息科甘肃兰州 730050;兰州理工大学电气工程与信息工程学院甘肃兰州 730050;解放军联勤保

【出处】

：

中国医学装备

【发表日期】

：

2022年2期

【关键词】

：

2型糖尿病(T2DM) 机器学习随机森林反向传播(BP)神经网络神经网络

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于人工智能的医疗大数据中心设计与构建

目的:构建基于人工智能的数据中心,实现医疗数据的融合、治理及挖掘应用,使其数据归一化,全面提高医疗数据可利用性,建立医院高质量数据资源库.方法:以医院临床数据中心、运营数据中心和科研数据中心建设为核心,运用自然语言处理、数据分析、挖掘、行为识别(BI)、机器学习等人工智能技术,实现医院各业务流程信息化、标准化、规范化、精细化和智慧化.结果:通过建立以临床、运营和科研为核心的三大医疗数据中心,对临床、运营、绩效、员工、质量控制和科研六大类数据进行了梳理整合,实现了医疗服务资源的最大利用.结论:医院医疗数据中

期刊

人工智能数据中心医疗服务运营管理医疗大数据

基于多头自注意力机制与U-Net的增强CT图像肾脏小肿瘤自动分割研究

目的:构建一种基于多头自注意力(MHSA)机制与U-Net网络的M-UNet优化分割模型,以提高增强CT图像中肾脏小肿瘤横断面最大直径≤3 cm的分割准确度.方法:选取医学图像计算和计算机辅助干预协会(MICCAI)的2019肾脏肿瘤分割挑战(KiTS19)数据集中64例最大层面肾脏肿瘤直径≤3 cm的数据,将其按7:3划分为训练集与测试集,训练集进行五折交叉验证.建立基于MHSA机制与U-Net网络的M-UNet优化分割模型,对M-UNet和U-Net分别进行训练与测试,计算交并比(IOU)、Dice相

期刊

肾脏小肿瘤图像分割多头自注意力(MHSA)机制增强CT

医院急诊临床信息系统建设方案设计与研究

目的:设计并构建急诊临床信息系统,实现对医疗服务和医疗设备的精细化管理.方法:采用浏览器和服务器(B/S)架构,以Java语言为开发工具设计急诊临床信息系统.系统支持主流数据库系统Oracle 10g或以上版本,连接有输出协议及接口的监护仪、臂式血压计设备,具有完成体征数据自动采集的功能.结果:所构建的急诊临床信息系统通过车载和院内子系统的整合,可完成院前、院内联合急救的信息集成,建立院前急救和院内急救相衔接的联合急救模式,形成完整的链接和互助互补.结论:医院急诊临床信息系统能够覆盖急诊相关的各个临床工作

期刊

急诊信息系统精细化管理联合急救信息集成自动数据采集

基于机器学习的糖尿病并发症预测模型研究进展

其他学术论文