[发明专利]一种基于集成学习融合模型的异常空腹血糖值预警方法

权利要求书

1.一种基于集成学习融合模型的异常空腹血糖值预警方法，其特征在于，所述方法包括：

从医院获取体检者群体的体检数据，作为原始训练集。

对原始训练集进行数据的缺失值处理、标准化处理。

对处理后的训练集进行特征选取，去除无关特征与冗余特征。

利用所选取的特征，分别作为梯度回归树模型、随机森林模型、线性回归模型的训练集，之后选择线性回归作为元模型来融合训练完成的梯度回归树、随机森林、线性回归预测模型，将三种预测模型的输出作为元模型的输入，再次训练作为元模型的线性回归模型，从而建立完整的预测模型。

使用已训练好的预测模型对用户输入的体检数据进行预测，获得体检数据的空腹血糖预测值，根据预设的阈值判断是否为异常空腹血糖值，并把结果反馈给用户。

2.如权利要求1所述的一种基于集成学习融合模型的异常空腹血糖值预警方法，其特征在于，所述获取体检者群体的体检数据，具体包括：

性别、年龄、舒张压、天门东氨酸转移酶、丙氨酸氨基转移酶、碱性磷酸酶、r-谷氨酰基转移酶、淋巴细胞总数、总蛋白、白蛋白、球蛋白、白球比例、甘油三酯、总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、尿素、肌酐、尿酸、乙肝表面抗体、乙肝表面抗原、乙肝e抗原、乙肝抗体、乙肝核心抗体、白细胞计数、红细胞计数、血红蛋白、红细胞压积、红细胞平均体积、红细胞平均血红蛋白量、红细胞平均血红蛋白浓度、红细胞体积分布宽度、血小板计数、血小板平均体积、血小板体积分布宽度、血小板比积、中性粒细胞％、淋巴细胞％、单核细胞％、嗜酸细胞％、嗜碱细胞％、氯、二氧化碳、钠、钾、钙、镁、磷、尿胆红素、直接胆红素、总胆红素、胆碱酯酶、乳酸脱氢酶、总胆汁酸、胱抑素C、血管紧张素转换酶、超氧化物歧化酶、肌酸激酶同工酶MB、a-羟丁酸脱氢酶、肌酸激酶、超敏C反应蛋白、淀粉酶、载脂蛋白E、免疫球蛋白M、免疫球蛋白A、免疫球蛋白C、免疫球蛋白G、肝胆酸、游离脂肪酸、同型半胱氨酸、转铁蛋白、腺苷脱氨酶、心电图、心率。