深入解析：基于机器学习的智能贫血分析预测系统

news/2025/9/28 19:27:43/文章来源:https://www.cnblogs.com/wzzkaifa/p/19117447

温馨提示：文末有 CSDN 平台官方提供的学长 QQ 名片 :)

1. 项目简介

贫血是一种常见的健康问题，影响全球数亿人的生活质量。早期识别和预防贫血对于减少其对健康的负面影响至关重要。传统的贫血诊断方法通常依赖于实验室检测结果（如血红蛋白水平），这种方法虽然准确但耗时较长且成本较高。近年来，随着机器学习技术的发展，利用先进的算法对患者的健康数据进行预测已成为可能。

本项目旨在开发一个基于机器学习的智能贫血分析预测系统，利用数据挖掘和机器学习技术对患者的健康数据进行分析，提前预测潜在的贫血风险，并提供相应的干预建议。该系统将涵盖数据收集、预处理、特征工程、模型训练、预测和结果展示等多个环节，旨在为医疗保健机构和个人用户提供一个全面的贫血预警平台。通过该系统，用户可以更方便地了解自己的贫血风险，并采取适当的预防措施。

2. 关键技术点

Python：用于后端逻辑处理和API接口开发。
Pandas：用于数据清洗、特征提取和预处理操作。
NumPy：用于数值计算，提高数据处理效率。
Matplotlib/Seaborn：用于数据可视化，帮助用户直观地了解数据分布和特征。
Scikit-learn/XGBoost：用于传统机器学习算法和梯度提升树模型的实现。
Flask：轻量级Web应用框架，用于构建后端服务。
Bootstrap：前端框架，用于构建响应式的网页布局。

3. 贫血分析预测建模

3.1 数据来源与特征

我们使用的数据集包含104个样本，每个样本包含以下特征：

Number: 样本编号
Sex: 性别（M/F）
%Red Pixel: 红色像素百分比
%Green pixel: 绿色像素百分比
%Blue pixel: 蓝色像素百分比
Hb: 血红蛋白水平（g/dL）
Anaemic: 贫血状态（Yes/No）

3.2 数据质量检查

# 检查缺失值
print("缺失值统计:")
print(df.isnull().sum())
# 检查重复值
print(f"\n重复行数量: {df.duplicated().sum()}")
# 检查目标变量分布
print("\n贫血分布:")
print(df['Anaemic'].value_counts())
print("\n贫血比例:")
print(df['Anaemic'].value_counts(normalize=True))

可以发现，数据集无缺失值，质量良好，无重复样本，目标变量分布：75%正常，25%贫血（轻微不平衡）。

3.3 探索性数据分析（EDA）

3.3.1 目标变量分布可视化

# 创建目标变量分布图
fig, axes = plt.subplots(1, 2, figsize=(15, 6))
# 贫血分布饼图
anaemic_counts = df['Anaemic'].value_counts()
colors = ['#ff9999', '#66b3ff']
axes[0].pie(anaemic_counts.values, labels=anaemic_counts.index, autopct='%1.1f%%',colors=colors, startangle=90)
axes[0].set_title('贫血分布', fontsize=14, fontweight='bold')
# 贫血分布柱状图
sns.countplot(data=df, x='Anaemic', palette=['#ff9999', '#66b3ff'], ax=axes[1])
axes[1].set_title('贫血样本数量', fontsize=14, fontweight='bold')
axes[1].set_xlabel('贫血状态')
axes[1].set_ylabel('样本数量')
plt.tight_layout()
plt.show()

3.3.2 特征分布分析

数值特征的分布图：

按贫血状态分组的特征分布：

fig, axes = plt.subplots(2, 2, figsize=(15, 10))
fig.suptitle('按贫血状态分组的特征分布', fontsize=16)
for i, feature in enumerate(numeric_features):row = i // 2col = i % 2# 箱线图sns.boxplot(data=df, x='Anaemic', y=feature, ax=axes[row, col])axes[row, col].set_title(f'{feature} vs 贫血状态')
plt.tight_layout()
plt.show()

3.3.3 特征相关性分析

# 创建数值数据的相关性矩阵
correlation_matrix = df[numeric_features].corr()
plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', center=0,square=True, linewidths=0.5)
plt.title('特征相关性热力图')
plt.show()

3.3.4 性别与贫血的关系分析

3.3.5 血红蛋白水平分析

3.4 数据预处理与特征工程

# 对性别进行编码
le_sex = LabelEncoder()
df_processed['Sex_encoded'] = le_sex.fit_transform(df_processed['Sex'])
# 对目标变量进行编码
le_anaemic = LabelEncoder()
df_processed['Anaemic_encoded'] = le_anaemic.fit_transform(df_processed['Anaemic'])
# 创建新特征
df_processed['RGB_ratio'] = df_processed['%Red Pixel'] / (df_processed['%Green pixel'] + df_processed['%Blue pixel'])
df_processed['RG_ratio'] = df_processed['%Red Pixel'] / df_processed['%Green pixel']
......
print("特征工程后的数据形状:", df_processed.shape)
print("\n新增特征:")
print(df_processed[['RGB_ratio', 'RG_ratio', 'Total_RGB']].head())

3.5 模型训练与优化

# 创建XGBoost分类器
xgb_model = xgb.XGBClassifier(objective='binary:logistic',random_state=42,eval_metric='logloss'
)
# 训练模型
xgb_model.fit(X_train, y_train)
# 预测
y_pred = xgb_model.predict(X_test)
y_pred_proba = xgb_model.predict_proba(X_test)[:, 1]
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
auc_score = roc_auc_score(y_test, y_pred_proba)
print(f"测试集准确率: {accuracy:.4f}")
print(f"AUC得分: {auc_score:.4f}")

根据模型分析，各特征的重要性排序为：

血红蛋白水平 (Hb): 最重要的预测因子
红色像素百分比: 与贫血状态密切相关
RGB比值特征: 新构造的特征提供了额外的预测能力
性别: 在贫血预测中起到一定作用

4. 基于机器学习的智能贫血分析预测系统

4.1 首页

系统首页展示贫血预测功能，支持用户注册登录，提供智能算法与精准分析服务。

4.2 用户注册

用户注册页面提供账号创建功能，支持填写用户名、邮箱和密码，确保信息安全合规。

4.3 用户登录

用户登录页面支持账号密码登录，提供安全提示与演示账户，方便快速体验系统功能。

4.4 个人中心仪表盘

个人仪表盘展示预测历史、健康建议与系统状态，支持快速开始新预测和查看分析结果。

4.5 贫血风险预测

输入RGB值、血红蛋白及性别，系统智能分析贫血风险并提供医疗建议。

4.6 预测历史记录

展示用户全部预测记录，支持筛选、导出与删除，便于健康数据追踪与管理。

5. 代码框架

6. 总结

欢迎大家点赞、收藏、关注、评论啦，由于篇幅有限，只展示了部分核心代码。技术交流、源码获取认准下方 CSDN 官方提供的学长 QQ 名片 :)
精彩专栏推荐订阅：
1. Python 精品项目—数据挖掘篇
2. Python 精品项目—深度学习篇
3. Python 精品项目—管理系统篇