典型文献
基于PSO-SVM的糖尿病并发症预测研究
文献摘要：
目的:运用数学模型粒子群优化(PSO)算法与支持向量机(SVM)(PSO-SVM)评估糖尿病并发症的发病风险,为糖尿病的临床诊断提供有效的数据信息.方法:以SVM为人工智能算法,通过PSO算法对其参数进行优化,利用K-fold交叉验证法将部分数据用于模型的训练,建立以16项指标数据作为输入变量、以糖尿病肾病、糖尿病性视网膜病变和神经病变3种并发症类型作为输出变量的糖尿病并发症诊断预测模型.结果:将测试数据输入训练后的糖尿病并发症诊断预测模型后,最终得到的测试集分类准确率为84％.结论:基于PSO-SVM建立的糖尿病并发症诊断预测模型,对糖尿病并发症的临床诊断具有良好的辅助作用.
文献关键词：
糖尿病并发症;支持向量机(SVM);粒子群算法(PSO);诊断预测
中图分类号：
作者姓名：
张鑫;韦哲;曹彤;王能才;张海英;马德宜
作者机构：
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
文献出处：
引用格式：
[1]张鑫;韦哲;曹彤;王能才;张海英;马德宜-.基于PSO-SVM的糖尿病并发症预测研究)[J].中国医学装备,2022(02):10-13
A类：
B类：
PSO,糖尿病并发症,预测研究,粒子群优化,发病风险,人工智能算法,fold,交叉验证法,糖尿病肾病,糖尿病性视网膜病变,神经病变,诊断预测模型,测试数据,测试集,分类准确率,辅助作用,粒子群算法
AB值：
0.186563
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
