摘要：结节综合症（Nodding Syndrome）是一种罕见的儿童神经系统疾病，主要流行于东非地区，临床诊断困难且缺乏有效的早期筛查工具。本研究旨在开发基于机器学习的智能诊断辅助系统，提高结节综合症的早期识别能力。
项目概览
项目简介
基于乌干达地区儿童健康数据，构建了包含临床症状、脑电图异常、营养状况等10个关键特征的预测模型。采用随机森林分类算法（Random Forest Classifier）进行模型训练，使用标准化预处理和分层抽样确保数据平衡性。开发了基于Flask框架的Web应用平台，实现数据可视化、风险评估和实时预测功能。
模型在测试集上表现良好，准确率达到较高水平，ROC曲线下面积（AUC）显示出良好的分类性能。特征重要性分析显示，食物触发点头、脑电图异常和症状计数是最重要的预测因子。系统提供了区域风险分布图、症状患病率统计和个体化诊断建议。
本研究成功开发了结节综合症早期检测智能系统，为基层医疗机构提供了可靠的辅助诊断工具。该系统具有操作简便、可解释性强的特点，有助于提高疾病早期识别率，为及时干预治疗提供技术支持。未来可扩展至其他罕见神经系统疾病的筛查应用。
系统架构
本系统采用经典的三层Web应用架构：前端展示层使用Bootstrap 5和Chart.js构建响应式用户界面，通过RESTful API与后端交互；应用逻辑层基于Flask框架实现路由控制、业务逻辑处理和API接口，集成Scikit-learn机器学习模块进行实时预测；数据层使用CSV文件存储临床数据和地区风险数据，通过Pandas进行数据处理和分析。核心预测模块采用随机森林（Random Forest）分类器，在训练阶段使用StandardScaler进行特征标准化，模型文件以PKL格式持久化存储，推理时加载模型对输入的临床特征（年龄、性别、症状、EEG结果、营养状况等10个维度）进行标准化处理后输出诊断概率和风险等级，整个系统通过Matplotlib和Seaborn生成可视化图表，为医疗工作者提供数据驱动的辅助决策支持。
图1 系统架构图
技术创新
创新点1：多维度特征融合的罕见病智能诊断
针对结节综合症这一东非罕见神经系统疾病，创新性地构建了融合临床症状（食物/寒冷触发点头）、神经电生理指标（EEG异常）、营养状况和人口学特征的10维特征预测模型。相比传统单一症状判断，该模型通过随机森林算法实现多源异构数据的协同分析，显著提高了早期诊断准确性，为资源匮乏地区提供了低成本、高效率的智能筛查方案。
创新点2：个体诊断与流行病学监测一体化平台
突破传统医疗系统仅关注个体诊断的局限，创新性地整合了患者级风险评估与区域级流行病学分析。系统不仅输出个体诊断概率和分级干预建议，还结合地区盘尾丝虫病患病率、营养不良率、河流邻近度等环境因素进行区域风险建模，实现了从宏观疾病监测到微观临床决策的全链条智能化，为公共卫生资源优化配置提供数据支持。
数据集
本研究使用两个数据集：儿童临床数据集包含500名乌干达儿童（5-18岁）的完整病历信息，涵盖61例确诊病例（阳性率12.2%），记录了年龄、性别、地区等基本信息，以及食物/寒冷触发点头、癫痫发作、认知下降、学校出勤率等5项临床症状，脑电图异常状态和营养状况评估结果；地区风险因素数据集覆盖60个行政地区，收集了盘尾丝虫病患病率、儿童营养不良率、河流邻近度、医疗设施数量等环境与社会经济指标，用于区域风险建模和高危地区识别，数据源自乌干达实际流行病学调查，特征完整无缺失值，训练时采用SMOTE技术处理类别不平衡问题。
训练模型
运行train_model.py
图2 混淆矩阵
图3 特征重要性排名
图4 预测概率分布
图5 ROC曲线
快速开始
克隆项目后，在项目根目录依次执行 pip install -r requirements.txt 安装依赖，运行 python train_model.py 训练模型，最后执行 python app.py 启动Web服务，浏览器访问 http://127.0.0.1:5000 即可使用系统。
环境要求
本系统需要 Python 3.8 或更高版本，依赖 Flask 2.3+、Scikit-learn 1.3+、Pandas 2.0+、Matplotlib 3.7+ 等核心库，建议在 Windows/Linux/macOS 系统上运行，至少需要 2GB 内存和 500MB 磁盘空间。
运行展示
运行app.py
图6 主界面
图7 数据概览
图8 数据概览
图9 诊断预测：良性
图10 诊断预测：阳性
图11 患者数据
图12 系统说明
项目资源
配套文档
点击查看：基于机器学习的结节综合症早期检测系统研究与实现 注意：免费提供！
配套文件
包括完整的项目源代码、演示视频、运行截图，开箱即用。
项目信息
作者信息
作者：Bob (张家梁)
项目编号：AI-27-P
原创声明：本项目为原创作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)