准确及时地分析任何与健康相关的问题对于疾病的预防和治疗非常重要。 在严重疾病的情况下，传统的诊断方法可能是不够的。 开发基于机器学习 (ML) 算法的医学诊断系统来预测任何疾病，可以帮助实现比传统方法更准确的诊断。 我们设计了一个使用多种 ML 算法的疾病预测系统。 使用的数据集有 230 多种疾病需要处理。 基于个体的症状、年龄和性别，诊断系统给出个体可能患有的疾病的输出。 与其他算法相比，加权 KNN 算法给出了最好的结果。 加权 KNN 算法的预测准确率为 93.5%。 我们的诊断模型可以作为医生对疾病进行早期诊断，确保及时治疗，挽救生命。

糖尿病是世界上的慢性病之一，有 2.46 亿人患有这种疾病，根据世界卫生组织 (WHO) 的报告，到 2025 年，这一数字将增加到 3.8 亿。许多其他使人衰弱和严重的健康问题可能如果这种疾病没有得到诊断或仍然不明，则会进一步发展。 机器学习 (ML) 技术现在被用于教育、医疗保健、商业、推荐系统等各个领域。医疗保健数据复杂且维数高，并且包含不相关的信息——因此，预测准确度低。 本研究使用了皮马印第安人糖尿病数据集，它包含 768 条记录。 首先，将缺失值替换为中位数，然后进行线性判别分析。 使用 Python 编程语言，结合五种分类算法应用特征选择技术：支持向量机 (SVM)、多层感知器 (MLP)、逻辑回归、随机森林和决策树。 本文的目的是比较不同的分类算法，以便更准确地预测患者的糖尿病。 应用 K 折交叉验证，考虑 k 为 2、4、5 和 10。采用的性能参数为：准确度、精度、召回率、F 分数和曲线下面积。 我们的研究发现，MLP 分类器的最高准确率为 78.7%，召回率为 61.26%，准确率为 72.45%，k = 4 时 F1 得分为 65.97%。

最新最全ICD-10疾病分类与代码标准+编码查询完整版 通过查阅大量ICD-10标准整理的最全疾病分类标准，主要包括手术、肿瘤、损伤、中医等部分内容，可以作为区域医疗标准。对于所有内容均为人工校验过，保证质量！2013年10月份整理完成！

国家卫生计生委统计信息中心自上世纪80年代以来承担国际疾病分类与代码标准的应用、培训和推广工作，并指导北京协和医院世界卫生组织疾病分类合作中心开展国际疾病分类（International Classification of Diseases，简称ICD）翻译、培训和咨询等相关工作。为满足统计工作标准化需要并与国际接轨，1993年，统计信息中心首次把ICD-9引入中国，经国家标准化管理委员会批准后等效采用，成为国家标准《GB/T 14396-1993》。2001年，又将ICD-10等效采用。为满足我国医疗健康改革与发展的需要，2011年，我中心联合北京协和医院世界卫生组织疾病分类合作中心共同编制了《疾病分类与代码（试行）》，即在ICD-10框架下将疾病编码由4位扩展到6位编码，覆盖了2万余种疾病条目。经过广泛征求相关单位和部门意见后，由国家卫生计生委上报国家标准化管理委员会审核批准。

重大疾病保险产品病种研究报告~2021.pdf

基于深度学习模型在疾病风险预测中的应用.pdf

使用scrapy框架爬取了问医网上的一些医疗疾病数据，里面涉及到了分页，分块，多级嵌套爬取

【项目实战】Python实现深度神经网络RNN-LSTM分类模型(医学疾病诊断) 资料说明：包括数据集+源代码+Word文档说明。 资料内容包括： 1)项目背景； 2)收集数据； 3)数据预处理； 4)探索数据分析； 5)特征工程； 6)LSTM建模； 7)模型评估； 8)临床应用。

爬取”药智数据”网站下疾病分类与代码的所有疾病名称。里有代码文件、txt文件、csv文件。

行业文档-设计装置-一种用于五官科教学的鼻部疾病演示装置.zip