3、基于机器学习的多囊卵巢综合征智能诊断系统

基于机器学习的多囊卵巢综合征智能诊断系统

1. 引言

多囊卵巢综合征（PCOS）在年轻女性中愈发常见。识别该疾病可观察月经周期异常、多毛、痤疮等症状，但这些症状并非每个患者都有。PCOS 可能引发排卵异常、绝经前子宫内膜癌、心脏相关疾病和 2 型糖尿病等严重并发症，其他症状还包括肥胖、多毛症、卵巢囊肿和体内睾酮水平升高等。

临床上，育龄健康女性每月卵巢会形成类似囊肿的卵泡以产生激素，负责在排卵期释放卵子。但激素水平紊乱会影响卵泡生长，导致未成熟卵泡堆积形成更大囊肿。世界卫生组织指出，PCOS 患者常表现为促性腺激素正常，但会出现月经周期延长或不规律，以及激素失衡，如女性体内雄激素过多。医生尚不清楚 PCOS 的确切病因，但多数认为体内雄激素过多会导致卵巢无法正常产生激素或形成卵子。医生建议患者可选择避孕药和改变生活方式等治疗方法。

本文的主要贡献在于提出了一种基于机器学习的自动化智能医疗系统，可帮助医生和医疗专业人员准确诊断 PCOS。同时，还提供了一种深度人工神经网络模型，能高精度诊断 PCOS，并为读者提供有关该疾病的症状、预防和治疗等相关信息。此外，文章还对多种机器学习模型进行了比较分析，包括深度神经网络模型、非线性支持向量机模型、多项朴素贝叶斯模型、决策树、随机森林和逻辑回归等，并简要介绍了模型的评估指标及其意义。

2. 相关工作

• 有研究展示了贝叶斯分类器在 PCOS 识别问题上的性能，使用来自加尔各答 GDIFR 的 250 名女性数据集，解释了其相较于逻辑回归的优势，诊断准确率达 93.93%。
• 另一项研究对约 541 名女性进行调查，分析多种模型的性质以预测患者是否患有 PCOS。 <