导　　师： 黄富荣

授予学位： 硕士

作　　者： (）;

机构地区： 暨南大学

摘　　要： Ⅱ型糖尿病已成为世界性的公共健康问题,由于目前临床诊断方法存在操作繁琐、费时的缺点,无法进行大范围的筛查,使得Ⅱ型糖尿病患者未能及时干预导致病情恶化而死亡,以及大量前期患者发展成为Ⅱ型糖尿病患者。本文以人体血清、全血样品为研究对象,通过ATR-FTIR技术采集光谱数据,利用XGBoost集成学习算法建立最优的疾病预测模型,从而实现对Ⅱ型糖尿病及其前期患者的快速、准确诊断。本文主要工作如下:1.基于血清样品的Ⅱ型糖尿病诊断。采集117例(62例Ⅱ型糖尿病患者、55例正常人)血清样品的ATR-FTIR光谱。首先将CART算法对血清样品的ATR-FTIR光谱数据进行判别分析,然后通过GS算法对参数空间寻优来提高模型鲁棒性,所建立最优CART模型的Ⅱ型糖尿病诊断准确率为80.85%;为提高Ⅱ型糖尿诊断模型的预测精度,最后利用XGBoost集成学习算法进行进一步的判别分析,以最优CART模型为基分类器,所建立最优XGBoost模型的Ⅱ型糖尿病诊断准确率为93.61%。2.基于全血样品的Ⅱ型糖尿病诊断。采集113例(51例Ⅱ型糖尿病患者、62例正常人)全血样品的ATR-FTIR光谱。考虑到全血样品纯净度不高的问题,首先研究了不同的Savitzky-Golay平滑模式对于模型效果的影响,将最佳Savitzky-Golay平滑模式处理后的光谱数据代替原始光谱建模分析;然后将CART算法对处理后的光谱数据进行判别分析,最优SG-CART模型的Ⅱ型糖尿病诊断准确率为82.60%;最后利用XGBoost算法进行进一步的判别分析,所建立最优SG-XGBoost模型的Ⅱ型糖尿病诊断准确率为95.65%。3.基于全血样品的Ⅱ型糖尿病前期诊断。采集112例(50例Ⅱ型糖尿病前期患者、62例正常人)全血样品的ATR-FTIR光谱。首先将XGBoost结合Savitzky-Golay平滑算法对全血样品的ATR-FTIR光谱数据进行判别分析,所建立最优SG-XGBoost模型的Ⅱ型糖尿病前期诊断准确率为

关 键 词： 光谱 型糖尿病 血清 全血 算法 诊断

领　　域： []