智能医疗质谱数据分析平台构建  

游雨欢 周燕玲^* 黄洋洋  

江西中医药大学计算机学院，江西南昌，330004；  

摘要：该研究针对高维质谱数据噪声干扰、低丰度信号识别困难及传统模型在慢阻肺（COPD）代谢组学分型中的局限性，构建了基于Stacking的多模型融合框架。采用随机森林与XGBoost作为基模型，逻辑回归为元模型，结合领域知识驱动的特征选择策略与动态权重分配机制，有效提升了小样本场景下模型的稳定性与鲁棒性。实验表明，该框架在独立测试集上取得93.75%的准确率，显著优于单一模型。配套开发的智能医疗质谱数据分析平台实现了数据预处理、可视化、疾病预测及AI辅助分析功能，集成星火大模型API，支持自然语言交互、图表生成与知识问答。平台通过多模态数据处理与智能算法融合，为COPD精准诊疗提供了新型生物标志物组合与智能化决策工具，展现了机器学习与大模型技术在医疗数据分析领域的协同应用潜力。  

关键词：质谱数据；慢阻肺；Stacking集成学习；随机森林；XGBoost；逻辑回归；智能医疗平台  

参考文献  

[1]苏远杰.基于质谱数据的核心岩藻糖鉴定方法与算法研究[D].西安电子科技大学,2021.  

[2]胡强.基于质谱数据的智能识别技术研究[D].安徽大学,2021.  

[3]刘鸿达,孙旭辉,李沂滨,等.基于卷积神经网络的图像分类深度学习模型综述[J/OL].计算机工程与应用,1-29[2025-03-12].http://kns.cnki.net/kcms/detail/11.2127.TP.20250213.1223.013.html.  

[4]刘新平.基于代谢组学质谱数据的癌症检测技术研究[D].杭州电子科技大学,2023.  

[5]吴菊华,郑稳,聂亚,陶雷.基于机器学习的慢阻肺患者再入院预测研究[J].广东工业大学学报,2025,42(1):15-23  

[6] Kawata N, et al. Expiratory gas analysis using mass spectrometry in chronic obstructive pulmonary disease. Eur Respir J. 2019;54(suppl 63):PA4276.

[7]严勇,王鑫,杨慧中.基于决策树与质谱分析数据的癌症判别[J].无锡职业技术学院学报,2013,12(01):31-33.  

[8]姬英超.基于机器学习的汽油质谱分析与应用研究[D].西安石油大学,2023.  

[9]董哲原.基于质谱数据的疾病诊断及其可视化方法研究[D].吉林化工学院,2023.  

[10]郭小川,冯贞贞,刘文瑞,等.基于Stacking集成算法的中医证候诊断模型建立——以肺癌为例[J].中医杂志,2024,65(17):1775-1783.  

[11]周义.质谱数据处理算法的研究与应用设计[D].宁波大学,2017.