基于小波分析和C-SVC的Ⅰ型与Ⅱ型糖尿病分类的研究

发布时间：2024-03-24 23:00

　　糖尿病是一种严重危害人类身体健康的慢性、非传染疾病,可分为四类:Ⅰ型、Ⅱ型、特异性和妊娠糖尿病。目前糖尿病的分类主要是医生根据患者的临床表现、医学检查结果并结合自己的经验进行诊断。I型和Ⅱ型糖尿病临床上有时会难以准确判别,本文的主要工作是通过动态血糖监测仪(Continuous Glucose Monitoring System,CGMS)采集患者随时间变化的血糖浓度值序列,利用人工智能的方法对患者进行分类,为医生临床诊断提供支撑。针对Ⅰ型、Ⅱ型糖尿病,在河南省人民医院内分泌科利用CGMS采集了1200位患者血糖数据,用小波分析提取了血糖曲线信号特征,并利用支持向量机中二分类C-SVC(Support Vector Machine,SVM)模型,构建Ⅰ型、Ⅱ型糖尿病分类算法,建立了Ⅰ型、Ⅱ型糖尿病分型的新指标。本文的主要工作包括:(1)对采集的血糖数据进行了预处理,并进行了多尺度、不同小波的分析。分别选用Harr、dbN、symN、coifN和dmey等24个不同小波分别进行了2-5层分解,把各分解层小波系数的最大值、最小值、中位值、方差、平均值及小波的平均能量等作为特征值。(2)提出...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 糖尿病及分类算法的研究现状
        1.2.1 糖尿病分类的研究现状
        1.2.2 特征提取和分类算法的研究现状
    1.3 本文的主要工作内容
    1.4 本文整体结构
2 相关技术
    2.1 常用的血糖监测和诊断技术
    2.2 特征提取
        2.2.1 医学信号的处理与分析
        2.2.2 特征提取的作用和方法
    2.3 小波分析
        2.3.1 小波分析理论
        2.3.2 小波函数的主要性质
    2.4 分类算法
        2.4.1 常用的分类算法
        2.4.2 SVM模型与C-SVC模型
    2.5 本章小结
3 基于小波和C-SVC的糖尿病分类算法
    3.1 血糖数据的缺失值与异常值的处理
    3.2 血糖曲线信号的阈值选择
    3.3 小波的选择
    3.4 血糖曲线信号特征指标的提取
    3.5 C-SVC糖尿病分类模型的设计
        3.5.1 特征归一化
        3.5.2 糖尿病分类的模型
        3.5.3 糖尿病分类模型中参数的选择
            3.5.3.1 核函数的研究
            3.5.3.2 惩罚参数和核参数的研究
    3.6 本章小结
4 实验及结果分析
    4.1 医学数据的采集
    4.2 结果分析
        4.2.1 血糖特征提取结果
        4.2.2 血糖特征归一化处理
        4.2.3 不同参数对C-SVC分类模型的影响
            4.2.3.1 不同特征组的结果分析
            4.2.3.2 不同核函数的结果分析
            4.2.3.3 不同参数的结果分析
            4.2.3.4 分类新指标的提出
    4.3 与AdaBoost糖尿病分类模型结果的对比
        4.3.1 精确率和马修斯相关系数
        4.3.2 综合评价指标
    4.4 本章小节
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
个人简历、在校期间的学术成果
致谢



本文编号：3938152