基于SVM算法探究人体胰岛素水平评价模型
谭金祥
陈真诚
严波文
唐群峰
桂林电子科技大学电子工程与自动化学院 广西桂林541004
摘要：利用基于支持向量机的机器学习的方法建立胰岛素评价模型,目的在于利用较低的检测成本,实现一种新型的胰岛素评价模型的检测方式.模型使用了 100例受试者,通过口服葡萄糖耐量试验(oral glucose tolerance test,OGTT)和其他相关检测的数据,其中大约40例为包括2型糖尿病在内的轻度到重度糖尿病患者,约60例为糖耐量正常的健康人.使用该样本集搭建支持向量机的模型,将一些使用无创或者微创而获得的样本的生理参数输入该算法中进行训练,输出的对象为样本对应的胰岛素评价指标,由此进行回归预测.经过统计学分析,基于支持向量机的评价人体自我分泌胰岛素情况的评价模型的预测值与目标值有较好的相关性,所有的目标指数都能达到80％左右的相关性,其中李光伟指数相关系数达到94.23％,可见应用该预测回归模型能较好且客观地评价人体自我胰岛素分泌情况.
关键词：2型糖尿病支持向量机稳态模型指数胰岛素抵抗胰岛β细胞功能
资助基金：国家基金委重大仪器研制项目(61627807)国家自然科学基金(81873913)广西自然科学基金重点项目(2018GXNSFDA281044)广西创新研究团队项目(2017GXNSFGA198005)
论文发表日期：2022-08-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 33-37,42 )