[发明专利]一种基于深度PCA变换的早期糖尿病风险预测方法

说明书

本发明属于数据处理技术领域，具体涉及一种基于深度PCA变换的早期糖尿病风险预测方法，包括下列步骤：输入早期糖尿病数据集；数据预处理，计算皮尔森相关系数，滤除冗余特征，得到输入数据；通过深度PCA提取输入数据的特征集合，作为训练逻辑回归分类器的输入；基于特征集合训练逻辑回归分类器，用于待评估病例样本的判断；输入新的病例样本信息，输出该样本是否患糖尿病的结果判定及相应的置信度。本发明通过基于深度PCA的特征变换方法实现了对病例样本二值化信息的有效提取，同时建立逻辑回归分类器实现对患病样本判定并输出结果的置信度量化指标，便捷有效实现对现有糖尿病病例的早期辅助诊断，及时发现病情。

技术领域

本发明属于数据处理技术领域，具体涉及一种基于深度PCA变换的早期糖尿病风险预测方法。

背景技术

根据世界卫生组织2018年的报告，糖尿病是增长最快的慢性威胁生命的疾病之一，已经影响到全球4.22亿人，由于糖尿病有一个相对较长的无症状期，大约50％的糖尿病患者由于长期无症状期而未被及时诊断，然而糖尿病的早期发现对患者的治疗非常重要，只有通过对常见和不太常见的体征症状进行适当的评估才有可能，这些症状可以在疾病发生到确诊的不同阶段被发现。

存在问题或缺陷的原因：目前糖尿病的诊断基本依靠临床病理分析，无法有效实现糖尿病的早期诊断。

发明内容

针对上述目前糖尿病的诊断基本依靠临床病理分析无法有效实现糖尿病的早期诊断的技术问题，本发明提供了一种使用方便、效率高、准确率高的基于深度PCA变换的早期糖尿病风险预测方法。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于深度PCA变换的早期糖尿病风险预测方法，包括下列步骤：

S100、输入早期糖尿病数据集；

S200、数据预处理，计算皮尔森相关系数，滤除冗余特征，得到输入数据；

S300、通过深度PCA提取输入数据的特征集合，作为训练逻辑回归分类器的输入；

S400、基于特征集合训练逻辑回归分类器，用于待评估病例样本的判断；

S500、输入新的病例样本信息，输出该样本是否患糖尿病的结果判定及相应的置信度。

所述S100中的早期糖尿病数据集包含与糖尿病在早期阶段相关的生理学和病理学指标，以行表示样本个体，以列表示特征变量，并标注是否罹患糖尿病，作为输入。

所述S200中数据预处理的方法为：首先计算各个特征变量之间的相关性，滤除相关性高的冗余特征，相关性的计算取皮尔森相关系数来衡量各特征之间的关系，以0.9为阈值。

所述S300中提取输入数据的特征集合的方法为：首先取前两维主成分作为初始变换的特征，用F1表示进行第一次PCA变换之后获得的两维特征向量，即F1大小为m*2的矩阵，以F1为基底，对其进行扩张，具体方式为以该特征以矩阵乘法的方式乘以该特征的转置，用特征矩阵M1表示，即M1＝F1％*％t(F1)，其中％*％表示矩阵乘法，t()表示取输入向量的转置，M1为m*m的矩阵，得到M1之后，对M1继续进行PCA变换，获得F2，以上述方式同样进行扩张和变换，直到进行PCA变换得到Fq+1，若Fq+1提供的方差占据原始数据的95％以上，就停止变换，并以F1，F2，…，Fq+1为特征集合，构建逻辑回归分类器。

所述S400中训练逻辑回归分类器的方法为：逻辑回归分类器通过最大化似然函数来求取各个特征向量之间的权重关系，并建立线性回归模型输出对于待测样本的打分值score，结合Sigmoid函数输出分类结果，当score不小于0.5时，输出score的值作为结果的置信度，而当score的结果小于0.5时，输出1-score作为结果的置信度评估。