1、糖尿病是以高血糖為特征的常見代謝性疾病。病因是胰島素分泌缺陷或其生物作用受損。糖尿病長期存在易引發(fā)眼、腎臟、心血管、神經(jīng)系統(tǒng)的損害，并發(fā)癥較多，對患者的身體健康危害較大。隨著醫(yī)療信息化的推進，坐擁著大量患者數(shù)據(jù)的醫(yī)療行業(yè)渴望從這些海量、復雜的數(shù)據(jù)中獲得信息來助力醫(yī)療行業(yè)發(fā)展，同時也渴望能夠借此緩解醫(yī)療人才緊張的局面，因而智慧醫(yī)療的發(fā)展迫在眉睫。利用機器學習等人工智能方法對醫(yī)療數(shù)據(jù)進行分析處理來達到輔助診療的效果是智慧醫(yī)療中極具實際意義的

2、表現(xiàn)之一。
　　糖尿病的生化檢驗指標主要包括糖化血紅蛋白(HbA1c)、空腹血糖(Glu)和胰島素釋放試驗(Ins)。糖化血紅蛋白(HbA1c)指標是人體血液中紅細胞內的血紅蛋白與血糖結合的產(chǎn)物,通常可以反映患者最近8至12周的血糖控制情況；空腹血糖(Glu)指標能夠表現(xiàn)出基礎胰島素的分泌功能；而胰島素釋放試驗(Ins)反應了胰β細胞的儲備功能,對這些糖尿病主要指標進行的預測具有調整治療方案、評估患者狀態(tài)、衡量治療結果等重要的實際

3、意義。因而，可以將糖尿病患者的指標預測作為糖尿病輔助診療的一環(huán)。
　　本文針對患者糖尿病生化指標預測的這一問題，先進行了糖尿病醫(yī)療數(shù)據(jù)的多維分析。在分析的基礎上，構建了一個基于改進神經(jīng)網(wǎng)絡的糖尿病生化指標變化趨勢預測模型。該模型以BP神經(jīng)網(wǎng)絡為基礎，在隱藏層中增加計算結果緩存區(qū)域，用以擬合糖尿病指標數(shù)據(jù)的時序特性。文章的主要研究工作如下：
　　由于文章中使用的數(shù)據(jù)都是從醫(yī)院內獲得的真實的醫(yī)療數(shù)據(jù)，為了保證接下來的分析都能建立

4、在一個較好的結構化數(shù)據(jù)上，文章先對數(shù)據(jù)進行了預處理和數(shù)據(jù)清洗。在明確了分析內容后，文章根據(jù)數(shù)據(jù)源，確定了分析目標和分析人群。接著，文章對這些人群的數(shù)據(jù)進行了多維分析和數(shù)據(jù)挖掘，獲得了一些數(shù)據(jù)特征，并以此為基礎構建數(shù)據(jù)模型。在分析了數(shù)據(jù)模型的特點之后，文章選取了BP神經(jīng)網(wǎng)絡作為預測模型，同時加以改進，以應對數(shù)據(jù)模型不規(guī)則時序特性以及內部復雜的相互關系，從而能夠得到更好的預測結果來輔助醫(yī)生確定治療方案，以此來達到輔助診療的目的。