[发明专利]一种系统性红斑狼疮中医证型诊断模型的建模方法

权利要求书

1.一种系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述方法包括以下步骤：

制定系统性红斑狼疮中医调查表，通过问卷调查法，对系统性红斑狼疮患者的中医四诊资料和中医证型进行收集；

将收集的问卷资料通过特征工程进行数据预处理，建立系统性红斑狼疮数据集；

运用机器学习算法构建系统性红斑狼疮中医证型诊断模型，使用SMOTE方法扩充数据并运用XGBoost对新数据建模，获得所有系统性红斑狼疮中医证型诊断模型；

通过分类指标和性能曲线的评分比较不同模型的性能表现，验证不同模型的可靠性和稳定性。

2.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述制定系统性红斑狼疮中医调查表具体包括：通过2004年《中医症状鉴别学》、2005年《中医临床常见症状术语规范》和规划教材《中医诊断学》进行中医四诊术语规范化描述，在专家的指导下制定出统性红斑狼疮中医调查表。

3.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述系统性红斑狼疮中医调查表包括患者的舌苔黄、发热、皮肤红斑、关节固定性疼痛、神疲乏力、齿痕舌、舌红、舌淡白、脱发、舌淡红、脉数、舌苔白、舌苔少或无、水肿、脉弱、舌苔腻、纳差、皮疹和脉细等80个中医四诊信息。

4.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述系统性红斑狼疮患者的中医证型包括热毒炽盛证、阴虚内热证、脾肾阳虚证编码、肝肾阴虚证、风湿热痹证、瘀热痹阻证和气血两虚证7种证型。

5.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述将收集的问卷资料通过特征工程进行数据预处理，建立系统性红斑狼疮数据集的步骤中，所述特征工程具体包括数据清洗和编码分类。

6.根据权利要求5所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述将收集的问卷资料通过特征工程进行数据预处理，建立系统性红斑狼疮数据集的步骤具体包括以下步骤：

将所述系统性红斑狼疮症状、体征按程度分为无、轻、中、重分别记为0、2、4、6分，将舌脉象按有无分别记为2、0分；

将所述系统性红斑狼疮中医四诊信息条目分别编码f1～f80；

将所述系统性红斑狼疮中医证型分别编码0、1、2、3、4、5和6；

将釆集的系统性红斑狼疮患者中医信息使用Epidata软件双人背靠背录入；

将存在缺失值的数据采用众数填补。

7.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述运用机器学习算法构建系统性红斑狼疮中医证型诊断模型，使用SMOTE方法扩充数据并运用XGBoost对新数据建模，获得所有系统性红斑狼疮中医证型诊断模型的步骤具体包括：使用70％系统性红斑狼疮数据集的所述对机器学习模型进行训练，使用剩下30％的所系统性红斑狼疮数据集对所述机器学习模型进行测试，所述机器学习模型包括随机森林模型、支持向量机模型、人工神经网络、XGBoost模型和SMOTE+XGBoost模型五种模型中的至少一种。

8.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述通过分类指标和性能曲线的评分比较不同模型的性能表现，验证不同模型的可靠性和稳定性的步骤中，所述分类指标包括：准确率、3折交叉验证分数、平衡准确率、科恩卡帕系数、宏精准率、加权精准率、宏召回率、加权召回率、宏F1值和加权F1值。

9.根据权利要求1所述的系统性红斑狼疮中医证型诊断模型的建模方法，其特征在于，所述通过分类指标和性能曲线的评分比较不同模型的性能表现，验证不同模型的可靠性和稳定性的步骤中，所述性能曲线包括：ROC曲线和PR曲线。