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...
Saved in:
| Main Authors: | , , , , , |
|---|---|
| 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: | |
| 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!
|