數(shù)據(jù)挖掘在體檢代謝綜合征智能甄別中的應(yīng)用研究匯報(bào)人：指導(dǎo)教師：數(shù)據(jù)挖掘在體檢人群代謝綜合征智能甄別中的應(yīng)用研究目錄Contents內(nèi)容與方法結(jié)果討論前言1243前言1前言?xún)?nèi)容與方法結(jié)果討論1

研究背景體檢作為疾病的一級(jí)預(yù)防階段能較早地篩選患者，幫助患者積極采取干預(yù)措施，并有效防止并發(fā)癥的發(fā)生。隨著人們健康意識(shí)不斷提高，專(zhuān)業(yè)健康體檢機(jī)構(gòu)如雨后春筍般拓建。

近年來(lái)，新疆地區(qū)主要城市遍布了數(shù)十家的專(zhuān)業(yè)健康體檢機(jī)構(gòu)。如何有效地利用和分析健康體檢數(shù)據(jù)，以指導(dǎo)預(yù)防保健、健康管理及促進(jìn)醫(yī)學(xué)服務(wù)深入開(kāi)展，是健康體檢科研價(jià)值的體現(xiàn)。前言?xún)?nèi)容與方法結(jié)果討論1

研究背景01數(shù)據(jù)冗余體檢數(shù)據(jù)：數(shù)據(jù)量大，指標(biāo)多數(shù)據(jù)挖掘中，冗余的體檢變量會(huì)減緩疾病分類(lèi)的效率，降低疾病分類(lèi)性能。02類(lèi)不平衡類(lèi)不平衡指在數(shù)據(jù)集中陽(yáng)性類(lèi)數(shù)量遠(yuǎn)小于陰性類(lèi)數(shù)量。不平衡類(lèi)分布下，分類(lèi)方法傾向于將待分類(lèi)樣本劃分為陰性，而陽(yáng)性樣本識(shí)別較差。陽(yáng)性類(lèi)樣本的正確分類(lèi)比陰性類(lèi)樣本的分類(lèi)更有價(jià)值。體檢數(shù)據(jù)面臨著兩大問(wèn)題：數(shù)據(jù)冗余，類(lèi)不平衡前言?xún)?nèi)容與方法結(jié)果討論2研究意義代謝綜合征（MetabolicSyndrome，MS）是以中心性肥胖、高血壓、糖尿病及高血脂多種代謝病集結(jié)于一身的病理狀態(tài)。隨著現(xiàn)代人生活方式的改變，日常攝入高熱量、高脂肪食物增多，導(dǎo)致如肥胖、高血壓、糖尿病、脂肪肝、血脂紊亂等嚴(yán)重危害人類(lèi)健康的慢性病逐漸增加，造成慢性代謝綜合性疾病的全球大流行。代謝綜合征的預(yù)防遠(yuǎn)比治療更能節(jié)約醫(yī)藥衛(wèi)生資源和改善個(gè)體的健康狀態(tài)。體檢作為一級(jí)預(yù)防階段能較早篩選代謝綜合征患者，幫助患者積極采取干預(yù)措施，防止并發(fā)癥發(fā)生。前言?xún)?nèi)容與方法結(jié)果討論研究目的

基于健康體檢大數(shù)據(jù)，以代謝綜合征智能甄別（分類(lèi)）為切入點(diǎn)，探討與分析Lasso特征選擇與重采樣技術(shù)在醫(yī)療大數(shù)據(jù)分類(lèi)診斷中的可行性與應(yīng)用價(jià)值，并為解決醫(yī)療大數(shù)據(jù)挖掘中數(shù)據(jù)冗余及類(lèi)不平衡分類(lèi)問(wèn)題的研究提供方法學(xué)參考。2內(nèi)容與方法前言?xún)?nèi)容與方法結(jié)果討論1研究方法Lasso特征選擇目前數(shù)據(jù)挖掘領(lǐng)域中最熱門(mén)的特征選擇方法之一。剔除與類(lèi)別無(wú)關(guān)和冗余的變量，篩選與類(lèi)別強(qiáng)相關(guān)的體檢變量，達(dá)到降維目的。篩選出的體檢變量與類(lèi)別高度相關(guān)，在其基礎(chǔ)上通過(guò)較低的計(jì)算復(fù)雜度建立更精確、更易理解的模型。降維特征抽?。哼m于小規(guī)模數(shù)據(jù)特征選擇：適于大規(guī)模數(shù)據(jù)前言?xún)?nèi)容與方法結(jié)果討論1研究方法數(shù)據(jù)層面：數(shù)據(jù)平衡分類(lèi)算法層面：數(shù)據(jù)分類(lèi)重采樣技術(shù)傳統(tǒng)分類(lèi)器設(shè)計(jì)新算法傳統(tǒng)分類(lèi)器改進(jìn)類(lèi)不平衡數(shù)據(jù)層面：計(jì)算復(fù)雜度低，應(yīng)用較廣泛算法層面：較強(qiáng)的數(shù)學(xué)功底，計(jì)算復(fù)雜度高研究趨勢(shì)重采樣技術(shù)：隨機(jī)過(guò)采樣、隨機(jī)欠采樣、混合采樣前言?xún)?nèi)容與方法結(jié)果討論1研究方法BP神經(jīng)網(wǎng)絡(luò)C4.5決策樹(shù)

結(jié)構(gòu)簡(jiǎn)單，對(duì)疾病進(jìn)行非線性檢測(cè)，在疾病診斷中占重要地位

具有自適應(yīng)學(xué)習(xí)和容錯(cuò)性強(qiáng)等優(yōu)點(diǎn)，可處理多變的個(gè)體差異

無(wú)需任何領(lǐng)域知識(shí)，在模型構(gòu)建和分類(lèi)過(guò)程不依賴(lài)樣本

分布類(lèi)型

分類(lèi)穩(wěn)定，精度高，結(jié)果可視化，量化提取規(guī)則前言?xún)?nèi)容與方法結(jié)果討論評(píng)價(jià)指標(biāo)：F-value、G-mean、AUC交叉驗(yàn)證：10-折交叉驗(yàn)證隨機(jī)地將數(shù)據(jù)集分為10份，輪流將其中9份數(shù)據(jù)做訓(xùn)練集，1份數(shù)據(jù)做測(cè)試集，10次分類(lèi)性能的均值作為最終分類(lèi)性能的指標(biāo)。取值范圍[0,1]，取值越大，分類(lèi)性能越優(yōu)。前言?xún)?nèi)容與方法結(jié)果討論2研究?jī)?nèi)容01.Lasso特征選擇未運(yùn)用Lasso特征選擇運(yùn)用Lasso特征選擇02.重采樣技術(shù)（1）不平衡數(shù)據(jù)集模擬(1,10,50,100)（2）未運(yùn)用Lasso特征選擇運(yùn)用Lasso特征選擇03.Lasso特征選擇與重采樣技術(shù)綜合分析（1）析因設(shè)計(jì)方差分析（2）C4.5決策樹(shù)的穩(wěn)健性對(duì)分類(lèi)性能的影響對(duì)分類(lèi)的影響重采樣技術(shù)3結(jié)果前言?xún)?nèi)容與方法討論結(jié)果

收集烏魯木齊市某體檢機(jī)構(gòu)2014~2016年漢族體檢者信息69267例，涉及54個(gè)體檢指標(biāo)。

根據(jù)中華醫(yī)學(xué)會(huì)糖尿病學(xué)分會(huì)的代謝綜合征診斷標(biāo)準(zhǔn)，共篩選2735例代謝綜合征患者，患病率為4%，不平衡比例=24。前言?xún)?nèi)容與方法討論結(jié)果1Lasso特征選擇在智能甄別中的應(yīng)用血小板平均體積高密度脂蛋白膽固醇空腹血糖中性粒細(xì)胞百分比年齡圖3Lasso對(duì)該數(shù)據(jù)的特征序列圖前言?xún)?nèi)容與方法討論結(jié)果1Lasso特征選擇在智能甄別中的應(yīng)用表3C4.5決策樹(shù)和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)Lasso特征選擇前后的代謝綜合征數(shù)據(jù)集C4.5決策樹(shù)F-valueG-meanAUC

未使用Lasso特征選擇0.9750.7940.802

使用Lasso特征選擇0.9790.8170.836BP神經(jīng)網(wǎng)絡(luò)

未使用Lasso特征選擇0.9700.7260.952

使用Lasso特征選擇0.9720.7260.964前言?xún)?nèi)容與方法討論結(jié)果表4C4.5決策樹(shù)和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)不同不平衡比例數(shù)據(jù)集不平衡比例患病率F-valueG-meanAUCC4.5決策樹(shù)11/20.9200.9200.936101/110.9700.8790.921501/510.9930.8420.8941001/1010.9970.8400.892BP神經(jīng)網(wǎng)絡(luò)11/20.9660.9660.984101/110.9830.9470.960501/510.9940.8710.8751001/1010.9970.8470.8272.1不同比例的類(lèi)不平衡數(shù)據(jù)對(duì)分類(lèi)性能的影響前言?xún)?nèi)容與方法討論結(jié)果表5未運(yùn)用Lasso特征選擇C4.5決策樹(shù)和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)重采樣前后的代謝綜合征數(shù)據(jù)集分類(lèi)算法數(shù)據(jù)集F-valueG-meanAUCC4.5決策樹(shù)原不平衡數(shù)據(jù)0.9750.7940.802

隨機(jī)過(guò)采樣0.9910.9900.991

隨機(jī)欠采樣0.9210.9210.914

混合采樣0.9890.9890.990BP神經(jīng)網(wǎng)絡(luò)原不平衡數(shù)據(jù)0.9700.7260.952

隨機(jī)過(guò)采樣0.9650.9640.981

隨機(jī)欠采樣0.8900.8900.953

混合采樣0.9580.9570.9792.2.1三種重采樣技術(shù)在代謝綜合征智能甄別中的應(yīng)用前言?xún)?nèi)容與方法討論結(jié)果2.2.2基于Lasso特征選擇三種重采樣技術(shù)在代謝綜合征智能甄別的應(yīng)用表6

Lasso特征選擇后C4.5決策樹(shù)和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)重采樣前后的代謝綜合征數(shù)據(jù)集分類(lèi)算法數(shù)據(jù)集F-valueG-meanAUCC4.5決策樹(shù)不平衡數(shù)據(jù)集0.9790.8170.836

隨機(jī)過(guò)采樣0.9880.9880.990

隨機(jī)欠采樣0.9320.9320.953

混合采樣0.9850.9850.988BP神經(jīng)網(wǎng)絡(luò)不平衡數(shù)據(jù)集0.9720.7260.964

隨機(jī)過(guò)采樣0.9320.9320.974

隨機(jī)欠采樣0.9320.9320.972

混合采樣0.9320.9310.973前言?xún)?nèi)容與方法討論結(jié)果3.1Lasso特征選擇與重采樣技術(shù)分類(lèi)性能的優(yōu)劣評(píng)價(jià)前言?xún)?nèi)容與方法討論結(jié)果3.2基于C4.5決策樹(shù)對(duì)分類(lèi)性能的穩(wěn)健性評(píng)價(jià)圖5原始不平衡數(shù)據(jù)樹(shù)狀結(jié)構(gòu)圖前言?xún)?nèi)容與方法討論結(jié)果圖6未使用Lasso特征選擇的隨機(jī)過(guò)采樣樹(shù)狀結(jié)構(gòu)圖3.2基于C4.5決策樹(shù)對(duì)分類(lèi)性能的穩(wěn)健性評(píng)價(jià)前言?xún)?nèi)容與方法討論結(jié)果圖7Lasso特征選擇后隨機(jī)過(guò)采樣樹(shù)狀圖3.2基于C4.5決策樹(shù)對(duì)分類(lèi)性能的穩(wěn)健性評(píng)價(jià)4討論前言?xún)?nèi)容與方法結(jié)果討論1Lasso特征選擇代謝綜合征體檢變量分析Lasso特征選擇的變量是：空腹血糖、高密度脂蛋白膽固醇、年齡、中性粒細(xì)胞百分比、血小板平均體積。0102空腹血糖、高密度脂蛋白膽固醇與代謝綜合征的診斷密切相關(guān)。隨著年齡增大，人體代謝功能下降，生理系統(tǒng)衰老加速，機(jī)體更易受到疾病侵襲。03巨噬細(xì)胞活化在代謝功能失調(diào)中起關(guān)鍵作用，中性粒細(xì)胞作為巨噬細(xì)胞的代表與代謝綜合征密切相關(guān)。04代謝綜合征的低炎性狀態(tài)與血小板存在相互作用。前言?xún)?nèi)容與方法討論結(jié)果2重采樣技術(shù)對(duì)代謝綜合征分類(lèi)算法的影響分析不平衡數(shù)據(jù)分類(lèi)問(wèn)題受到諸多研究者的關(guān)注C4.5決策樹(shù)與BP神經(jīng)網(wǎng)絡(luò)在代謝綜合征分類(lèi)中的應(yīng)用價(jià)值隨機(jī)過(guò)采樣優(yōu)于其他重采樣技術(shù)123樣本量越大，分類(lèi)性能越優(yōu)BP神經(jīng)網(wǎng)絡(luò)：定量變量；C4.5決策樹(shù)：定性變量分類(lèi)性能：重采樣>不平衡數(shù)據(jù)不平衡比例嚴(yán)重：過(guò)采樣；反之，欠采樣F-value不穩(wěn)定：不平衡比例嚴(yán)重，F(xiàn)-value升高前言?xún)?nèi)容與方法討論結(jié)果3Lasso特征選擇與重采樣技術(shù)對(duì)代謝綜合征分類(lèi)性能的影響分析析因設(shè)計(jì)方差分析分類(lèi)性能存在差異重采樣技術(shù)>Lasso特征選擇原因：數(shù)據(jù)冗余決策樹(shù)的穩(wěn)健性分