激发试验数据在哮喘诊断中的应用研究.pdfVIP

激发试验数据在哮喘诊断中的应用研究 摘 要 近些年来，随着大数据存储技术的提高以及数据共享等更多便捷方法的出现，数 据挖掘技术在很大程度上推动了对许多行业的进一步发展。在智能化的就医现状下， 大数据能给患者带来更加准确、有效并且具有安全性的预测诊断情况以及治疗方案。 本文在上述背景下，通过数据挖掘算法对支气管激发试验的数据进行研究，来预测支 气管哮喘的诊断情况，从而让人工智能在医学界更好的发挥作用。 本文是通过对支气管激发试验数据集的研究，在数据挖掘算法基础上构建并比 较哮喘诊断预测模型。首先，对原始数据进行预处理，其中包含对数据缺失值、数据 异常值的处理以及数据标准化，通过R 语言和Python 语言，从可视化分析与相关性 分析两方面对数据进行探索分析，可以发现身体元数据对哮喘存在一定影响，且得到 FEV 1/FVC 比值、外周道参数A 以及外周道参数B 对判断哮喘确诊的重要性更高。 接着将支气管激发试验数据分为训练集和测试集，选择Logistic 回归算法、随机森林 分类算法、XGBoost 算法以及LightGBM 算法对训练集数据进行了训练，分别构建 了四个模型，并对测试集数据进行了预测，得到了四个模型各自的预测准确率、混淆 矩阵、F1-score 以及AUC 值。最后，以准确率和 F1-score 为主要指标对四个模型进 行比较评估，发现XGBoost 模型以及LightGBM 模型在哮喘诊断中具有更好的预测 效果，其中LightGBM 模型的预测效果要比XGBoost 模型优胜少许，且其运行速度 要更快一些，考虑到实际应用中数据量可能远大于本文所用数据，故决定把 LightGBM 模型作为最佳的哮喘诊断预测模型。 在对支气管激发试验数据的研究过程中，本文构建的四个模型都对哮喘疾病诊 断的预测问题有一定的参考意义，同时结合实际应用情况，选择合适的特征，做合理 的检测，减少哮喘病患因诊治不力所带来的痛苦。 关键词：支气管激发试验；数据挖掘；Logistic 回归；随机森林；XGBoost ；LightGBM I 目 录 摘 要I Abstract II 第一章 绪论 1 1.1 研究背景及意义 1 1.1.1 研究背景 1 1.1.2 研究意义 1 1.2 国内外研究现状 2 1.3 研究内容与方法 3 1.3.1 研究内容 3 1.3.2 研究方法 4 1.4 研究框架 5 1.5 创新之处 5 第二章 预备知识和理论基础 6 2.1 支气管激发试验相关知识 6 2.2 数据挖掘理论 8 2.2.1 数据挖掘的含义 8 2.2.2 数据挖掘的流程 8 2.3 相关算法介绍 9 2.3.1 Logistic 回归算法 9 2.3.2 随机森林算法 11 2.3.3 XGBoost 算法 13 2.3.4 LightGBM 算法 14 2.3.5 常用评估指标 16 第三章 激发试验数据处理与探索分析 18 3.1 激发试验数据来源及说明 18 3.2 数据预处理 19 3.2.1 缺失值处理 20 3.2.2 异常值处理 20 3.2.3 数据标准化 20 3.3 可视化分析 21 3.4 相关性分析 24 第四章 哮喘诊断模型的构建与分析 27 4.1 建立模型 27 4.1.1 Logistic 回归模型 27 4.