基于PSO-SVM的糖尿病并发症预测研究

作者：张鑫; 韦哲; 曹彤^*; 王能才; 张海英; 马德宜

来源：中国医学装备, 2022, 19(02): 10-13.

• 糖尿病并发症
• 支持向量机(SVM)
• 粒子群算法(PSO)
• 诊断预测

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。

• 单位
  兰州理工大学