结合过采样与特征增强的深度学习糖尿病检测技术
图像与视频处理
2024-02-07 v1 计算机视觉与模式识别
机器学习
摘要
背景与目的：糖尿病是一种慢性疾病，多年来影响越来越多的人，每年导致大量死亡。此外，许多患者未能及早意识到其健康状况的严重性。延迟诊断会引发众多健康问题并每年造成大量死亡，因此开发针对该疾病的早期诊断方法至关重要。方法：本文提出了一种基于深度学习技术的流程来预测糖尿病患者。该流程包括使用变分自编码器（VAE）进行数据增强、使用稀疏自编码器（SAE）进行特征增强，以及使用卷积神经网络进行分类。评估使用了 Pima Indians Diabetes Database，该数据集考虑了患者的多项信息，如怀孕次数、葡萄糖或胰岛素水平、血压或年龄。结果：在均衡良好的数据集上，将 CNN 分类器与用于特征增强的 SAE 联合训练时，获得了 92.31% 的准确率。这意味着相比现有技术，准确率提升了 3.17%。结论：使用完整的深度学习流程进行数据预处理和分类在糖尿病检测领域展现出极大潜力，超越了现有技术方案。
引用
@article{arxiv.2402.02188,
title = {Diabetes detection using deep learning techniques with oversampling and feature augmentation},
author = {María Teresa García-Ordás and Carmen Benavides and José Alberto Benítez-Andrades and Héctor Alaiz-Moretón and Isaías García-Rodríguez},
journal= {arXiv preprint arXiv:2402.02188},
year = {2024}
}