基于图卷积神经网络的糖尿病预测方法及系统技术方案

本申请提供一种基于图卷积神经网络的糖尿病预测方法及系统，基于图卷积神经网络的糖尿病预测方法包括：获取糖尿病数据，并进行数据预处理；将预处理后的数据分为训练数据以及测试数据，并通过独热编码对所述训练数据进行向量表示，获取一特征矩阵；利用K紧邻算法构建拓扑图，并根据数据之间的潜在关系转化为邻接矩阵；将所述特征矩阵与所述邻接矩阵输入至图卷积神经网络中，并构建二分类预测模型；将所述测试数据输入至所述二分类预测模型，并获取预测结果，并筛选出隐性的糖尿病人群以及初期糖尿病人群；以考虑医疗数据之间可能存在得某种隐含关系，提高了预测准确率。提高了预测准确率。提高了预测准确率。

【技术实现步骤摘要】
基于图卷积神经网络的糖尿病预测方法及系统


[0001]本申请涉及糖尿病预测
，具体涉及一种基于图卷积神经网络的糖尿病预测方法及系统。

技术介绍

[0002]目前对糖尿病的诊断和预测方法大致分为两种，一种为生理信息诊断，另一种是基于数据挖掘技术的预测。
[0003]基于生理信息的诊断通过使用手指沾血样本进行血糖自我监测，是三十多年前引入的一种常见的糖尿病治疗方法，糖尿病患者通过使用指针式血糖仪刺破手指皮肤，以侵入性方式每天测量三到四次血糖水平。然而，这种方法不仅麻烦且痛苦，为了解决这一问题，引入了连续血糖监测系统，实现对糖尿病患者进行全天血糖监测。其中皮下葡萄糖感应器由半透膜、葡萄糖氧化酶和铂电极组成，使用时感应器与患者皮下细胞间液中的葡萄糖发生化学反应，生成电信号。因而监测皮下组织液的葡萄糖浓度可以反应血糖水平，给医生提供连续的血糖信息，从而帮助医生了解患者的血糖波动情况，制订相应的诊疗方案。
[0004]随着人工智能的飞速发展，研究人员将人工智能方法和糖尿病预测相结合，根据各医疗机构在患者诊疗过程中积累大量的患者医疗电子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图卷积神经网络的糖尿病预测方法，其特征在于，包括：获取糖尿病数据，并进行数据预处理；将预处理后的数据分为训练数据以及测试数据，并通过独热编码对所述训练数据进行向量表示，获取一特征矩阵；利用K紧邻算法构建拓扑图，并根据数据之间的潜在关系转化为邻接矩阵；将所述特征矩阵与所述邻接矩阵输入至图卷积神经网络中，并构建二分类预测模型；将所述测试数据输入至所述二分类预测模型，并获取预测结果，并筛选出隐性的糖尿病人群以及初期糖尿病人群。2.根据权利要求1所述的基于图卷积神经网络的糖尿病预测方法，其特征在于，所述获取糖尿病数据，并进行数据预处理的步骤，具体包括以下步骤：基于NHANES数据库获取糖尿病数据；采用均值填充的算法对所述糖尿病数据进行预处理。3.根据权利要求2所述的基于图卷积神经网络的糖尿病预测方法，其特征在于，在所述采用均值填充的算法对所述糖尿病数据进行预处理的步骤中，具体包括以下步骤：当该列空白值的属性为数值类型时，计算空白值所在列所有值的平均值，并利用平均值填充缺失的空白值；当该列空白值的属性为非数值类型时，选取属性列中频率最高的属性值，并将其填补缺失的空白值。4.根据权利要求1所述的基于图卷积神经网络的糖尿病预测方法，其特征在于，在所述将预处理后的数据分为训练数据以及测试数据的步骤中，针对预处理后的数据采用Sklearn库提供的train_test_split方法，并以8：2的比例将数据分为训练数据和测试数据。5.根据权利要求1所述的基于图卷积神经网络的糖尿病预测方法，其特征在于，所述利用K紧邻算法构建拓扑图的步骤，具体包括以下步骤：将每一个所述训练数据视为一样本；利用每个样本的特征值计算样本之间的欧式距离d
ij
，计算公式为：其中，d
ij
为样本之间的欧氏距离，c为样本的特征个数，x
ic
‑
x
jc
表示两个样本特征之...

【专利技术属性】
技术研发人员：祝子窑，曹帅，
申请(专利权)人：安徽大学，
类型：发明
国别省市：