基于机器学习的妊娠期糖尿病智能预测系统设计与实现

摘要

为帮助有效识别患有妊娠期糖尿病的孕妇，提前干预治疗，降低其潜在风险，设计并开发了妊娠期糖尿病智能预测系统。首先，在对比10种机器学习模型的基础上对临床数据集进行数据归一化和特征筛选，减少模型计算复杂度和一些使模型不稳定的特征；其次，使用Stacking算法对10种不同的机器学习模型进行集成，分别搭建2个集成模型Stacking1和Stacking2,比较集成模型的性能；最后，基于PyQt5设计妊娠期糖尿病智能预测系统，预测孕妇患妊娠期糖尿病的风险，并给出建议。结果表明：使用10个机器学习模型以及2个集成模型对GDM进行预测，发现GBDT的预测结果高于其他机器学习模型，集成模型Stacking2将多个异质学习器相结合表现出较高的准确性和可靠性，且评价指标Accuracy、Precision、Recall、AUC分别为0.900 9、0.901 2、0.900 7、0.900 7,均高于同类模型。智能预测系统能有效预测妊娠期糖尿病的风险，能够及早发现易患病人群，并提供妊娠期糖尿病的科普知识，从而加强对易患病人群的健康管理，降低妊娠期糖尿病发生的风险。

关键词

计算机决策支持系统 / 机器学习 / PyQt5 / 集成学习 / 妊娠期糖尿病 / 特征筛选

基金资助

河北省自然科学基金(H2022206212); 河北省医学科学研究课题计划项目(20230775,20230776,20210715)