一种非酒精性脂肪性肝病诊断模型的训练与筛选方法

本发明属于计算机软件技术领域，具体的说是一种非酒精性脂肪性肝病诊断模型的训练与筛选方法，该诊断方法包括以下步骤：数据采集与数据预处理：采集公开数据库NHANES调查人群数据，通过肝脏的瞬时弹性硬度检测FibroScan获得肝脏脂肪衰减参数CAP，本发明通过集成多种机器学习算法构建NAFLD相关模型体系，经多组模型对比分析与性能验证，筛选XGBoost算法作为核心模型。经测试集验证：基础模型测试集AUC值可达0.8739；结合递归特征消除（RFE）算法进行特征优化后，模型AUC值进一步提升至0.8742；对比实验证实，该模型性能显著优于传统逻辑回归模型及其他主流机器学习模型，可有效实现NAFLD相关数据的分析，为临床相关研究与应用提供技术支撑。