CN112185585A - 一种基于代谢组学的糖尿病早期预警方法 - Google Patents

一种基于代谢组学的糖尿病早期预警方法 Download PDF

Info

Publication number
CN112185585A
CN112185585A CN202011208436.1A CN202011208436A CN112185585A CN 112185585 A CN112185585 A CN 112185585A CN 202011208436 A CN202011208436 A CN 202011208436A CN 112185585 A CN112185585 A CN 112185585A
Authority
CN
China
Prior art keywords
diabetes
data
early warning
metabonomics
warning method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011208436.1A
Other languages
English (en)
Inventor
凌雪峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Yunjian Medical Lab Co ltd
Binhai Industrial Technology Research Institute of Zhejiang University
Original Assignee
Tianjin Yunjian Medical Lab Co ltd
Binhai Industrial Technology Research Institute of Zhejiang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Yunjian Medical Lab Co ltd, Binhai Industrial Technology Research Institute of Zhejiang University filed Critical Tianjin Yunjian Medical Lab Co ltd
Priority to CN202011208436.1A priority Critical patent/CN112185585A/zh
Publication of CN112185585A publication Critical patent/CN112185585A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Abstract

本发明公开了一种基于代谢组学的糖尿病早期预警方法，S1、获取多组数据：获取医疗单位中与糖尿病相关的健康数据及变化，以及糖尿病个体的类型和家族关系，本发明涉及医学技术领域。该基于代谢组学的糖尿病早期预警方法，通过采集多组糖尿病中的健康数据和家族遗传信息，并将获取的糖尿病数据按照遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行详细分类，然后通过Fuzzy C‑Means算法获取统计模型，再根据CART算法，算出与糖尿病数据的相似程度，并给出相应的预警提示和预防建议，通过该种方法对非糖尿病数据进行预警提示，能够起到很好的防范作用，并能够根据预防建议针对性的做出预防。

Description

一种基于代谢组学的糖尿病早期预警方法
技术领域
本发明涉及医学技术领域，具体为一种基于代谢组学的糖尿病早期预警方法。
背景技术
随着社会的经济发展，糖尿病的发病率也逐年升高，糖尿病是一种以高血糖为特征的慢性疾病，且具有明显的家族遗传特性，接近一半的糖尿病患者有家族遗传病史，一部分是由于人们饮食结构、生活方式、周围环境或遗传因素等改变，而引起人体血中胰岛素相对或绝对不足，使得血糖过高，进而导致机体内蛋白质、脂肪、碳水化合物、水和电解质等紊乱的慢性代谢异常引起的，糖尿病是一种遗传因素与环境因素共同作用的一种内分泌性疾病。
糖尿病一旦确诊不仅需要医治的时间较长，且难以医治，因此通过先进的技术手段做好糖尿病患病的前期预防和日常管理就显得格外重要，目前预防糖尿病的方式基本上都是到医院去检测身体，获得数据根据详细数据进行预防。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于代谢组学的糖尿病早期预警方法，解决了目前的糖尿病预防的方式，基本上靠自觉性的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于代谢组学的糖尿病早期预警方法，具体包括以下步骤：
S1、获取多组数据：获取医疗单位中与糖尿病相关的健康数据及变化，以及糖尿病个体的类型和家族关系；
S2、数据分类：将糖尿病个体的数据根据遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行分类；
S3、数据聚类：将分类数据分别通过Fuzzy C-Means算法获取统计模型；
S4、预警分析：通过统计模型使用CART算法，对非糖尿病人进行详细分析，并给出非糖尿病个体与某种类型糖尿病的相似程度和风险建议。
优选的，所述步骤S1中，获取的数据为糖尿病个体的身高、体重、血糖血脂、血压和与糖尿病相关的数据，同时获取糖尿病个体的家族获病状况。
优选的，所述步骤S1中，获取的数据需根据定期的检查进行对数据进行变化。
优选的，所述步骤S2中遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病的数据库互不干扰。
优选的，所述步骤S3中，Fuzzy C-Means算法中目标化最小函数的计算公式为
Figure BDA0002757588190000021
其中m是聚类的簇数，uij表示样本xi数据j类的隶属度，i表示第i个样本，x是具有d维特征的一个样本，cj是j簇的中心，也具有维度。
优选的，所述步骤S3中，Fuzzy C-Means算法中迭代的终止条件为
Figure BDA0002757588190000022
其中k是迭代步数，ε是误差阈值。
优选的，所述步骤S4中，CART算法中基尼的计算公式为
Figure BDA0002757588190000023
其中K为一列特种中有K个类别，pk为第k个类别的概率。
(三)有益效果
本发明提供了一种基于代谢组学的糖尿病早期预警方法。与现有技术相比具备以下有益效果：该基于代谢组学的糖尿病早期预警方法，通过S1、获取多组数据：获取医疗单位中与糖尿病相关的健康数据及变化，以及糖尿病个体的类型和家族关系；S2、数据分类：将糖尿病个体的数据根据遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行分类；S3、数据聚类：将分类数据分别通过Fuzzy C-Means算法获取统计模型；S4、预警分析：通过统计模型使用CART算法，对非糖尿病人进行详细分析，并给出非糖尿病个体与某种类型糖尿病的相似程度和风险建议，通过采集多组糖尿病中的健康数据和家族遗传信息，并将获取的糖尿病数据按照遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行详细分类，然后通过Fuzzy C-Means算法获取统计模型，再根据CART算法，算出与糖尿病数据的相似程度，并给出相应的预警提示和预防建议，通过该种方法对非糖尿病数据进行预警提示，能够起到很好的防范作用，并能够根据预防建议针对性的做出预防。
附图说明
图1为本发明预警方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供一种技术方案：一种基于代谢组学的糖尿病早期预警方法，具体包括以下步骤：
S1、获取多组数据：获取医疗单位中与糖尿病相关的健康数据及变化，以及糖尿病个体的类型和家族关系；
S2、数据分类：将糖尿病个体的数据根据遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行分类；
S3、数据聚类：将分类数据分别通过Fuzzy C-Means算法获取统计模型；
S4、预警分析：通过统计模型使用CART算法，对非糖尿病人进行详细分析，并给出非糖尿病个体与某种类型糖尿病的相似程度和风险建议。
本发明中，步骤S1中，获取的数据为糖尿病个体的身高、体重、血糖血脂、血压和与糖尿病相关的数据，同时获取糖尿病个体的家族获病状况，通过获取的家族信息和遗传数据进行能够判断是否为遗传性糖尿病。
本发明中，步骤S1中，获取的数据需根据定期的检查进行对数据进行变化。
本发明中，步骤S2中遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病的数据库互不干扰。
本发明中，步骤S3中，Fuzzy C-Means算法中目标化最小函数的计算公式为
Figure BDA0002757588190000041
其中m是聚类的簇数，uij表示样本xi数据j类的隶属度，i表示第i个样本，x是具有d维特征的一个样本，cj是j簇的中心，也具有维度。
本发明中，步骤S3中，Fuzzy C-Means算法中迭代的终止条件为
Figure BDA0002757588190000042
其中k是迭代步数，ε是误差阈值，该公式的意思为继续迭代下去，隶属程度也不会发生较大的变化。即认为隶属度不变了，已经达到比较优状态了，该过程收敛于目标Jm的局部最小值或鞍点，该算法可以通过python编码实现。
本发明中，步骤S4中，CART算法中基尼的计算公式为
Figure BDA0002757588190000043
其中K为一列特种中有K个类别，pk为第k个类别的概率。
综上所述，通过采集多组糖尿病中的健康数据和家族遗传信息，并将获取的糖尿病数据按照遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行详细分类，然后通过Fuzzy C-Means算法获取统计模型，再根据CART算法，算出与糖尿病数据的相似程度，并给出相应的预警提示和预防建议，通过该种方法对非糖尿病数据进行预警提示，能够起到很好的防范作用，并能够根据预防建议针对性的做出预防。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于代谢组学的糖尿病早期预警方法，其特征在于：具体包括以下步骤：
S1、获取多组数据：获取医疗单位中与糖尿病相关的健康数据及变化，以及糖尿病个体的类型和家族关系；
S2、数据分类：将糖尿病个体的数据根据遗传I型糖尿病、后天I型糖尿病、遗传II型糖尿病和后天II型糖尿病进行分类；
S3、数据聚类：将分类数据分别通过Fuzzy C-Means算法获取统计模型；
S4、预警分析：通过统计模型使用CART算法，对非糖尿病人进行详细分析，并给出非糖尿病个体与某种类型糖尿病的相似程度和风险建议。
2.根据权利要求1所述的一种基于代谢组学的糖尿病早期预警方法，其特征在于：所述步骤S1中，获取的数据为糖尿病个体的身高、体重、血糖血脂、血压和与糖尿病相关的数据，同时获取糖尿病个体的家族获病状况。
3.根据权利要求1所述的一种基于代谢组学的糖尿病早期预警方法，其特征在于：所述步骤S1中，获取的数据需根据定期的检查进行对数据进行变化。
4.根据权利要求1所述的一种基于代谢组学的糖尿病早期预警方法，其特征在于：所述步骤S2中遗传I型糖尿病、后天II型糖尿病、遗传II型糖尿病和后天II型糖尿病的数据库互不干扰。
5.根据权利要求1所述的一种基于代谢组学的糖尿病早期预警方法，其特征在于：所述步骤S3中，Fuzzy C-Means算法中目标化最小函数的计算公式为
Figure FDA0002757588180000011
其中m是聚类的簇数，uij表示样本xi数据j类的隶属度，i表示第i个样本，x是具有d维特征的一个样本，cj是j簇的中心，也具有维度。
6.根据权利要求1所述的一种基于代谢组学的糖尿病早期预警方法，其特征在于：所述步骤S3中，Fuzzy C-Means算法中迭代的终止条件为
Figure FDA0002757588180000021
其中k是迭代步数，ε是误差阈值。
7.根据权利要求1所述的一种基于代谢组学的糖尿病早期预警方法，其特征在于：所述步骤S4中，CART算法中基尼的计算公式为
Figure FDA0002757588180000022
其中K为一列特种中有K个类别，pk为第k个类别的概率。
CN202011208436.1A 2020-11-03 2020-11-03 一种基于代谢组学的糖尿病早期预警方法 Pending CN112185585A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011208436.1A CN112185585A (zh) 2020-11-03 2020-11-03 一种基于代谢组学的糖尿病早期预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011208436.1A CN112185585A (zh) 2020-11-03 2020-11-03 一种基于代谢组学的糖尿病早期预警方法

Publications (1)

Publication Number Publication Date
CN112185585A true CN112185585A (zh) 2021-01-05

Family

ID=73916301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011208436.1A Pending CN112185585A (zh) 2020-11-03 2020-11-03 一种基于代谢组学的糖尿病早期预警方法

Country Status (1)

Country Link
CN (1) CN112185585A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114317671A (zh) * 2021-12-27 2022-04-12 复旦大学附属儿科医院 可作为1型糖尿病生物标志物的肠道细菌和粪便代谢物及其应用
CN115952432A (zh) * 2022-12-21 2023-04-11 四川大学华西医院 一种基于糖尿病数据的无监督聚类方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040076984A1 (en) * 2000-12-07 2004-04-22 Roland Eils Expert system for classification and prediction of generic diseases, and for association of molecular genetic parameters with clinical parameters
CN107403072A (zh) * 2017-08-07 2017-11-28 北京工业大学 一种基于机器学习的2型糖尿病预测预警方法
CN108986918A (zh) * 2018-06-28 2018-12-11 东软集团股份有限公司 辅助诊断方法、装置、终端设备和计算机存储介质
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法
CN110136836A (zh) * 2019-03-27 2019-08-16 周凡 一种基于体检报告聚类分析的疾病预测方法
CN110197724A (zh) * 2019-03-12 2019-09-03 平安科技（深圳）有限公司 预测糖尿病患病阶段的方法、装置及计算机设备
CN111180071A (zh) * 2019-12-31 2020-05-19 四川大学 高危型hpv型别和宫颈癌前病变阶段关系的计算方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040076984A1 (en) * 2000-12-07 2004-04-22 Roland Eils Expert system for classification and prediction of generic diseases, and for association of molecular genetic parameters with clinical parameters
CN107403072A (zh) * 2017-08-07 2017-11-28 北京工业大学 一种基于机器学习的2型糖尿病预测预警方法
CN108986918A (zh) * 2018-06-28 2018-12-11 东软集团股份有限公司 辅助诊断方法、装置、终端设备和计算机存储介质
CN109830303A (zh) * 2019-02-01 2019-05-31 上海众恒信息产业股份有限公司 基于互联网一体化医疗平台的临床数据挖掘分析与辅助决策方法
CN110197724A (zh) * 2019-03-12 2019-09-03 平安科技（深圳）有限公司 预测糖尿病患病阶段的方法、装置及计算机设备
CN110136836A (zh) * 2019-03-27 2019-08-16 周凡 一种基于体检报告聚类分析的疾病预测方法
CN111180071A (zh) * 2019-12-31 2020-05-19 四川大学 高危型hpv型别和宫颈癌前病变阶段关系的计算方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
焦李成 等: "《人工智能、类脑计算与图像解译前沿》", 31 January 2020, 西安电子科技大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114317671A (zh) * 2021-12-27 2022-04-12 复旦大学附属儿科医院 可作为1型糖尿病生物标志物的肠道细菌和粪便代谢物及其应用
CN114317671B (zh) * 2021-12-27 2024-04-16 复旦大学附属儿科医院 可作为1型糖尿病生物标志物的肠道细菌和粪便代谢物及其应用
CN115952432A (zh) * 2022-12-21 2023-04-11 四川大学华西医院 一种基于糖尿病数据的无监督聚类方法
CN115952432B (zh) * 2022-12-21 2024-03-12 四川大学华西医院 一种基于糖尿病数据的无监督聚类方法

Similar Documents

Publication Publication Date Title
Kumar et al. Performance analysis of machine learning algorithms on diabetes dataset using big data analytics
Ma et al. Risk prediction on electronic health records with prior medical knowledge
US9633171B2 (en) Predicting neonatal hyperbilirubinemia
US20040162678A1 (en) Method of screening for disorders of glucose metabolism
WO2021190300A1 (zh) Ai慢性肾病风险筛查建模方法、慢性肾病风险筛查方法及系统
Afsaneh et al. Recent applications of machine learning and deep learning models in the prediction, diagnosis, and management of diabetes: a comprehensive review
CN111493828B (zh) 基于全卷积网络的序列到序列的睡眠障碍检测方法
CN112185585A (zh) 一种基于代谢组学的糖尿病早期预警方法
CN102930163A (zh) 一种2型糖尿病风险状态判定方法
CN113679348B (zh) 血糖预测方法、血糖预测装置、设备及存储介质
CN113239279B (zh) 一种慢性病医疗数据采集分析管理方法及云平台
CN117373657B (zh) 基于大数据分析的个性化医疗辅助问诊系统
Chushig-Muzo et al. Data-driven visual characterization of patient health-status using electronic health records and self-organizing maps
CN114420301B (zh) 基于分段域rf建模预测血糖的方法、系统及存储介质
CN111048216A (zh) 社区老年痴呆早期筛查与干预系统
CN117476217B (zh) 一种慢性心脏病病情发展趋势预测系统
Marcano-Cedeno et al. Data mining for the diagnosis of type 2 diabetes
CN113128654B (zh) 一种用于冠心病预诊断中的改进型随机森林模型及其预诊断系统
Murthy An efficient diabetes prediction system for better diagnosis
CN117672445A (zh) 基于大数据的糖尿病衰弱现状分析方法及系统
Boyle Searching for Phenotypes of Sepsis: An Application of Machine Learning to Electronic Health Records
CN115132351B (zh) 基于真实世界研究的诊断数据反馈评价系统及方法
CN113892909B (zh) 一种基于认知状态的慢性疾病智能筛查系统
Olwendo et al. Comparison of machine learning methods for the prediction of type 2 diabetes in primary care setting using EHR data
Stevens Computational Subphenotype Discovery and Validation of ICU Stratum Traumatic Brain Injury Patients

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210105