摘要
目的:将舌象参数与基本生理指标相结合,运用机器学习算法建立糖尿病风险预测模型。方法:应用TDA-1型数字舌象仪和舌诊分析系统获取舌象参数,分析糖尿病前期组与糖尿病组基本生理指标、实验室检查与舌象参数统计学差异,借助4种经典算法建立糖尿病风险预测模型。结果:生理指标与舌象参数联合特征支持向量机糖尿病前期预测模型性能最佳,F1为0.81,Precision为0.71,Recall为0.94。生理指标与舌象参数联合特征神经网络2型糖尿病预测模型曲线下面积(area under the curve, AUC)为0.83,Precision为0.73。结论:将基本生理指标与舌象参数特征结合可以提高支持向量机糖尿病前期预测模型和神经网络2型糖尿病风险预测模型的分类效果,符合临床对于2型糖尿病风险预测的实际需要。
-
单位上海中医药大学; 基础医学院; 上海中医药大学附属曙光医院