基于体检数据的糖尿病智能诊断算法

摘要

目前,医师对疾病的诊断主要依靠对患者的血液分析、超声和CT等相关辅助检查数据,医疗任务繁重.为了减轻医师的工作负担,使其能够更充分地利用患者的各项检查数据,从而对患者的潜在疾病进行相对全面的诊断,减少漏诊,该研究采用随机森林算法和神经网络算法两种智能诊断算法对患者部分辅助检查数据和身体指标进行分析,用于糖尿病的诊断中,首先介绍了两种智能诊断算法在疾病诊断中的工作原理,并针对印第安人糖尿病数据集对算法模型进行了训练,将数据集随机分成训练集和测试集,训练集被用来训练智能诊断算法的分类模型,测试集则被用来测试模型分类的有效性,结果发现,在样本量有限的前提下,基于智能诊断算法的诊断正确率可达85％,且会随着样本量的增加而提高.基于智能诊断算法的糖尿病诊断方法具有一定的通用性,在未来大数据时代,获取患者体检数据和诊断数据相对便捷,通过该方法对疾病进行诊断将为医疗领域带来极大的便利.