[发明专利]2型糖尿病发病危险因素对血糖影响的定量分析方法

摘要

本发明涉及2型糖尿病发病危险因素对血糖影响的定量分析方法，属于生物信息处理及医学领域。本发明首先使用C4.5和EM聚类算法实现重要发病危险因素的选择；再根据性别和年龄对全体人群进行划分，进而利用BP神经网络算法对细化人群进行敏感度计算，最终通过敏感度实现多因素对血糖影响的定量分析。与现有大量统计学方法相比，本发明采用数据挖掘方法，在充分考虑多因素之间相互影响的同时，在细化人群中实现多因素对血糖影响的定量分析，大大提高了定量分析的准确率，并可为个体发病的细化干预提供判定方法。本发明可对个体2型糖尿病发病进行干预指导，不仅可以预防或延缓发病，而且该方法可应用推广到其它疾病危险因素的定量分析。

主权项

2型糖尿病发病危险因素对血糖影响的定量分析方法，其特征在于，所述方法包括以下步骤：步骤1，对2001‑2008年实测体检数据，进行数据清理，填充空缺值、识别孤立点、消除噪声并纠正数据中的不一致；再进行数据变换，包括数据格式转换、数据语义转换；最后在保证信息不丢失的情况下，通过数据归约删除重复因素和空缺值较多的因素，形成未患有2型糖尿病的全国抽样人群体检数据源S；步骤2，对数据源S采用EM聚类算法进行危险因素的粗选，然后采用融合EM聚类和C4.5算法的危险因素精选方法，筛选引起2型糖尿病的主要危险因素；步骤3，根据性别和年龄，对经步骤1得到的全国抽样人群体检数据源S进行划分，基于步骤2获得危险因素对9组细化人群分别训练BP神经网络模型，基于BP神经网络权重，采用一种多因素综合作用下的敏感度计算方法，计算出不同危险因素对血糖影响的敏感度，进而实现定量分析；其中，所述多因素综合作用下的敏感度计算方法为：设有n‑L‑1前向网络,式中n为BP神经网络模型输入变量的个数，L为BP神经网络模型的隐含层数目，1为模型输出变量的个数，网络输出有如下形式：y＝f(x1，…，xn)，式中x为BP神经网络模型的输入，y为BP神经网络模型的输出，通过对该式求二阶偏导来考察输入变量对输出变量的敏感度，设神经网络的隐层激活函数为对数S型函数f(x)=11+e-x]]>通过雅克比矩阵dydxT=(∂y∂x)m×n]]>式中：T为矩阵的转置运算，m为所用数据源的样本数目，n为输入变量的个数，把第j个输入xj变化与第j个输出yj＝f(xj)改变联系起来意味着网络输出的敏感度依赖于输入的微小扰动，对于n个输入、具有L个神经元的隐含层和一个输出层的神经网络，第t个样本上输入变量xi和xk对输出变量y的敏感度为Sikt=S2Σj=1Lwijvj1Ijt(1-Ijt)Σj=1Lwkjvj1Ijt(1-Ijt)+S1Σj=1Lwijwkjvj1Ijt(1-Ijt)(1-2Ijt)]]>式中：S1为输出层激活函数对其输入的一阶导数，S2为输出层激活函数对其输入的二阶导数，为第t个样本上第j个隐层神经元的响应，vj1为输出神经元和第j个隐层神经元间的权重，wij为第i个输入神经元和第j个隐层神经元间的权重，wkj为第k个输入神经元和第j个隐层神经元间的权重。