[發明專利]基于機器學習的環境金屬暴露下2型糖尿病診斷方法

在審

• 申請號: 202310344446.5
• 申請日: 2023-04-03
• 公開（公告）號: CN116580831A
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 趙敏;黃欣;萬瑾;劉鑫
• 申請（專利權）人: 南通大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06F18/243;G06F18/15
• 代理公司: 北京科家知識產權代理事務所(普通合伙) 11427
• 代理人: 曹振中

1.一種環境金屬暴露下2型糖尿病診斷模型構建方法，其特征在于，包括以下步驟：

基于NHANES數據集，對所述NHANES數據集進行數據清洗，獲取第一數據集；

基于所述第一數據集，利用隨機森林算法篩選所述第一數據集的特征，獲取特征數據集；

基于XGBoost分類器、隨機森林分類器和LightGBM分類器，構建XRL分類器；

基于所述XRL分類器和所述特征數據集，進行2型糖尿病診斷分析。

2.根據權利要求1所述的方法，其特征在于，所述基于NHANES數據集，對所述NHANES數據集進行數據清洗，獲取第一數據集的方法，包括以下步驟：

基于所述基于NHANES數據集，獲取x₀個特征以及多個樣本；

基于所述樣本，獲取所述特征的數據缺失比例；

基于所有所述特征的數據缺失比例，獲取第二數據集；

基于所述第二數據集和各個特征的有效數據范圍，篩選獲取所述第二數據集中的異常值；

使用均值處理連續變量的所述異常值，使用眾數處理分類變量的所述異常值，獲取所述第一數據集；其中，所述第一數據集包含x₁個特征和多個樣本。

3.根據權利要求2所述的方法，其特征在于，所述基于所有所述特征的數據缺失比例，獲取第二數據集的方法，包括：

響應于所述特征的數據缺失比例不小于50％，剔除所述特征；

響應于所述特征的數據缺失比例小于50％，使用均值填充連續變量的特征缺失值或使用眾數填充分類變量的特征缺失值，獲取第二數據集。

4.根據權利要求2所述的方法，其特征在于，所述基于所述第一數據集，利用隨機森林算法篩選所述第一數據集的特征，獲取特征數據集的方法，包括：

基于所述第一數據集和所述隨機森林算法，獲取所述第一數據集中的x₁個特征的重要性得分并進行排序；

基于所述x₁個特征的重要性得分，保留重要性得分較高的前x₂個特征，剔除其他特征；

基于所述隨機森林算法，再次獲取所述x₂個特征的重要性得分并排序；

基于所述x₂個特征的重要性得分排序，獲取兩個所述特征數據集；其中，一個所述特征數據集包括重要性得分較高的含金屬暴露物的前x₃個特征，另一個所述數據集包括不含金屬暴露物的前x₃個特征；x₀x₁x₂x₃。

5.根據權利要求4所述的方法，其特征在于，所述基于XGBoost分類器、隨機森林分類器和LightGBM分類器，構建XRL分類器的方法，包括：

基于所述特征數據集，按照特定比例將所述特征數據集中的樣本分為測試集和訓練集；

基于所述訓練集，對所述XGBoost分類器、所述隨機森林分類器和所述LightGBM分類器進行訓練；

基于所述測試集，分別對所述XGBoost分類器、所述隨機森林分類器和所述LightGBM分類器進行5折交叉驗證；

基于隨機搜索算法，獲取所述XGBoost分類器、所述隨機森林分類器和所述LightGBM分類器的最優超參數；

集成具有最優超參數的所述XGBoost分類器、所述隨機森林分類器和所述LightGBM分類器，構建所述XRL分類器。

6.根據權利要求5所述的方法，其特征在于，所述基于所述XRL分類器和所述特征數據集，進行2型糖尿病診斷分析的方法，包括：

基于具有最優超參數的所述XGBoost分類器、所述隨機森林分類器和所述LightGBM分類器的AUC值，計算各類分類器的權重；

基于各類分類器的權重，分別計算患2型糖尿病和不患2型糖尿病的加權平均預測概率；

基于所述加權平均預測概率，對患2型糖尿病和不患2型糖尿病的所述加權平均預測概率進行排序，獲取加權平均預測概率最高的序號。