基于Django框架的糖尿病预测系统的设计与实现

作     者：马吉聪 

作者单位：云南师范大学 

学位级别：硕士

导师姓名：孙瑜

授予年度：2021年

学科分类：1002[医学-临床医学] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 10[医学] 

主      题：糖尿病 机器学习 XAR-Stacking融合模型 Django框架 预测系统 

摘      要：糖尿病及其并发症严重威胁人类健康,研究表明,尽早地对糖尿病进行干预,能有效的降低其并发症和死亡率。基于数据驱动的机器学习方法辅助医生完成疾病的预防、诊疗等任务已经成为医学研究领域里的热点问题。本文旨在构建机器学习模型并分析找出最优的分类模型,将其应用于糖尿病预测系统中。主要研究内容包括:（1）糖尿病数据集的构建。从个人体检数据的真实情况出发,集成采集到的数据样本。对集成后的样本进行数据预处理。剔除异常值和不相关特征,填充其缺失值,处理其离散型特征,并对数据进行归一化处理,依据XGBoost算法模型的特征重要性采用递归特征消除法进行特征选择（RFE-XGBoost）,最终确定预测模型使用的数据集。（2）XAR-Stacking融合模型的构建。通过查阅相关文献和实验研究后,选择使用分类预测效果较好的随机森林、Ada Boost和XGBoost单一模型作为XAR-Stacking融合模型第一层的学习器。在模型融合之前,分别对三个单一模型进行参数调优,使每个单一模型的分类评估指标达到最优。将数据集通过五折交叉验证对融合模型第一层的单一模型进行训练,将其输出结果作为第二层的输入。为避免过拟合问题的产生,融合模型的第二层采用逻辑回归模型。实验表明,XAR-Stacking融合模型在精确率、召回率、F1-Score以及AUC值在数据集上的表现均优于各个单一模型。（3）基于Django框架的糖尿病预测系统的设计与实现。为了弥补传统糖尿病健康管理模式过于依赖于人的缺陷性,本文利用机器学习和系统开发技术,将个人、基层社区医疗机构、医院三方有机结合,提出改进型糖尿病管理模式,以助于尽早筛查糖尿病并监控其病程发展。系统采用B/S架构,使用基于Python语言的Django框架和Pyecharts可视化技术,将本文提出的XAR-Stacking融合模型应用于系统中,设计实现Web端的糖尿病预测系统。