基于随机森林的冠状动脉狭窄风险识别模型

基于随机森林的冠状动脉狭窄风险识别模型

目的采用机器学习方法构建冠状动脉狭窄风险识别模型，分析影响冠状动脉狭窄的主要因素。方法连续纳入2013年1月至2020年5月就诊于山西省两所医院，经冠状动脉造影确诊为冠心病的患者。以患者临床资料为自变量，Gensini积分为结局变量，采用Logistic回归、反向传播神经网络（BPNN）和随机森林（RF）算法构建冠状动脉狭窄风险识别模型。通过灵敏度（TPR）、特异度（TNR）、准确率（ACC）、阳性预测值（PV+）、阴性预测值（PV-）、受试者工作特征曲线下面积（AUC）和校准曲线进行模型评价。并对最佳模型进行特征重要性排序。结果Logistic回归、反向传播神经网络和随机森林模型的TPR分别...

Full description

Saved in:
Bibliographic Details
Main Authors: 吕勇峰, 王钰婧, 张乐怡, 李一心, 原娜, 田晶
Format: Article
Language:zho
Published: Editorial Office of Journal of Sun Yat-sen University 2025-01-01
Series:Zhongshan Daxue xuebao. Yixue kexue ban
Subjects:
Gensini积分
反向传播神经网络
随机森林
冠状动脉狭窄
机器学习
Online Access:http://xuebaoyx.sysu.edu.cn/zh/article/doi/10.13471/j.cnki.j.sun.yat-sen.univ（med.sci）.2025.0116/
Tags: Add Tag
No Tags, Be the first to tag this record!

Similar Items

Similar Items