当前位置：首页 > article >正文

#基于Django实现机器学习医学指标概率预测网站

article 2026/2/16 16:26:14

基于Django实现机器学习医学指标概率预测网站

一、引言

在当今数字化医疗的大背景下，利用机器学习模型结合Web应用进行医学指标的概率预测具有重要的实际意义。本文将详细介绍一个基于Django框架构建的医学指标概率预测系统，通过结合随机森林模型，实现根据用户输入的多项医学指标预测特定事件发生的概率。

二、项目结构概述

项目主要由以下几个核心部分组成：

模板文件（templates）：负责页面的展示和用户交互。
视图文件（views.py）：处理用户请求和业务逻辑。
URL配置文件（urls.py）：定义URL路由规则。
模型文件（models.py）：定义数据库模型（本项目暂未涉及数据库操作）。
应用配置文件（apps.py）：配置应用信息。
项目设置文件（settings.py）：配置项目的全局设置。

三、详细代码分析

1. 模板文件 `project/templates/app/index.html`

<!DOCTYPE html>
<html lang="en"><head><meta charset="UTF-8"><title>概率预测</title><style>body {font-family: Arial, sans-serif;background-color: #f4f4f9;margin: 0;padding: 20px;}h1 {color: #333;text-align: center;margin-bottom: 20px;}form {background-color: #fff;padding: 20px;border-radius: 8px;box-shadow: 0 0 10px rgba(0, 0, 0, 0.1);max-width: 800px;margin: 0 auto;display: flex;flex-wrap: wrap;justify-content: space-between;}.form-group {width: 48%;margin-bottom: 10px;}label {display: block;margin-bottom: 5px;}input[type="text"] {width: 100%;padding: 8px;border: 1px solid #ccc;border-radius: 4px;}button {background-color: #007BFF;color: white;padding: 10px 20px;border: none;border-radius: 4px;cursor: pointer;width: 100%;margin-top: 20px;}button:hover {background-color: #0056b3;}p {color: red;margin-bottom: 10px;width: 100%;}</style>
</head><body><h1>概率预测</h1>{% if error %}<p>{{ error }}</p>{% endif %}{% if probability %}<p>发生概率: {{ probability }}</p>{% endif %}<form method="post">{% csrf_token %}<!-- 第一排 --><div class="form-group"><label for="wbc">白细胞计数 (wbc):</label><input type="text" id="wbc" name="wbc" required></div><div class="form-group"><label for="d_dimer">D - 二聚体 (d_dimer):</label><input type="text" id="d_dimer" name="d_dimer" required></div><!-- 其他输入字段省略 --><button type="submit">计算概率</button></form>
</body></html>

代码解释：

HTML结构：定义了一个简单的HTML页面，包含标题、表单和错误信息显示区域。
样式设置：使用内联CSS样式对页面进行美化，包括背景颜色、字体、表单样式等。
表单部分：通过<form>标签创建一个POST请求的表单，包含多个输入字段，每个字段对应一个医学指标。使用{% csrf_token %}防止跨站请求伪造。
条件判断：使用Django模板语法{% if %}判断是否有错误信息或预测概率，并进行相应的显示。

2. 视图文件 `project/app/views.py`

import joblib
from django.shortcuts import render
from django.views import View
import os# 加载本地 RF 模型
model_path = os.path.join(os.path.dirname(os.path.abspath(__file__)), '../random_forest_model.pkl')
model = joblib.load(model_path)class PredictionView(View):def get(self, request):return render(request, 'app/index.html')def post(self, request):# 定义所有需要的输入字段fields = ['wbc', 'd_dimer', 'crp', 'hbdh', 'ast', 'ck_mb', 'plt', 'hba1c','creatinine', 'bilirubin', 'alt', 'tco2', 'bua', 'ldh','nihss', 'hypertension', 'age', 'gender', 'coronary_disease']data = []for field in fields:try:value = float(request.POST.get(field))data.append(value)except (ValueError, TypeError):return render(request, 'app/index.html', {'error': f'请为 {field} 输入有效的数字'})# 进行预测try:probability = model.predict_proba([data])[:, 1][0]return render(request, 'app/index.html', {'probability': probability})except Exception as e:return render(request, 'app/index.html', {'error': f'预测出错: {str(e)}'})

代码解释：

模型加载：使用joblib库加载本地的随机森林模型random_forest_model.pkl。
视图类PredictionView：继承自View类，包含get和post方法。
- get方法：处理GET请求，返回app/index.html模板页面。
- post方法：处理POST请求，首先获取表单中的所有输入字段，将其转换为浮点数并存储在data列表中。如果输入不是有效的数字，返回错误信息。然后使用加载的模型进行概率预测，如果预测过程中出现异常，也返回错误信息。最后将预测结果或错误信息传递给模板页面进行显示。

3. URL配置文件

`project/app/urls.py`

from django.urls import path
from .views import PredictionViewurlpatterns = [path('', PredictionView.as_view(), name='prediction'),
]

`project/project/urls.py`

from django.contrib import admin
from django.urls import path, includeurlpatterns = [path('admin/', admin.site.urls),path('', include('app.urls')),
]

代码解释：

app/urls.py：定义了应用级别的URL路由，将根路径''映射到PredictionView视图类。
project/urls.py：定义了项目级别的URL路由，将admin/路径映射到Django的管理界面，将根路径''包含app/urls.py中的路由规则。

4. 应用配置文件 `project/app/apps.py`

from django.apps import AppConfigclass AppConfig(AppConfig):default_auto_field = "django.db.models.BigAutoField"name = "app"

代码解释：

定义了应用的配置信息，设置默认的自动字段类型为BigAutoField，应用名称为app。

5. 项目设置文件 `project/project/settings.py`

# 部分代码省略
INSTALLED_APPS = ['django.contrib.admin','django.contrib.auth','django.contrib.contenttypes','django.contrib.sessions','django.contrib.messages','django.contrib.staticfiles','app',
]TEMPLATES = [{'BACKEND': 'django.template.backends.django.DjangoTemplates','DIRS': [os.path.join(BASE_DIR, 'templates')],'APP_DIRS': True,'OPTIONS': {'context_processors': ['django.template.context_processors.debug','django.template.context_processors.request','django.contrib.auth.context_processors.auth','django.contrib.messages.context_processors.messages',],},},
]DATABASES = {"default": {"ENGINE": "django.db.backends.sqlite3","NAME": BASE_DIR / "db.sqlite3",}
}
# 部分代码省略

代码解释：

INSTALLED_APPS：列出了项目中安装的应用，包括Django自带的应用和自定义的app应用。
TEMPLATES：配置模板引擎，指定模板文件的查找路径为project/templates目录。
DATABASES：配置数据库，使用SQLite作为默认数据库。

四、总结

通过以上代码的详细分析，我们实现了一个基于Django框架的医学指标概率预测系统。用户可以在网页上输入多项医学指标，系统将使用随机森林模型进行概率预测，并将结果显示在页面上。该系统不仅展示了Django框架的强大功能，还体现了机器学习模型在实际应用中的价值。

希望本文能帮助你更好地理解和实现类似的Web应用项目。如果你有任何问题或建议，欢迎在评论区留言讨论。

基于Django实现机器学习医学指标概率预测网站

一、引言

二、项目结构概述

三、详细代码分析

1. 模板文件 project/templates/app/index.html

代码解释：

2. 视图文件 project/app/views.py

代码解释：

3. URL配置文件

project/app/urls.py

project/project/urls.py

代码解释：

4. 应用配置文件 project/app/apps.py

代码解释：

5. 项目设置文件 project/project/settings.py

代码解释：

四、总结

相关文章：

1. 模板文件 `project/templates/app/index.html`

2. 视图文件 `project/app/views.py`

`project/app/urls.py`

`project/project/urls.py`

4. 应用配置文件 `project/app/apps.py`

5. 项目设置文件 `project/project/settings.py`