首页 > 北京生物医学工程 > 基于CatBoost算法和模糊分类系统的青年人血压预测方法

基于CatBoost算法和模糊分类系统的青年人血压预测方法

Blood pressure prediction method based on CatBoost algorithm and fuzzy classification system in young people

二维码有效期 120s

摘要目的探究CatBoost算法在青年人血压预测中的应用价值,为青年人高血压及高血压前期预警提供一种可行的技术手段.方法以2015—2017年期间在北京某医院体检中心进行健康体检的3872位青年人为研究对象,基于人口统计学和生活方式等指标,分别利用CatBoost算法构建收缩压预测模型和舒张压预测模型,然后利用模糊分类系统预测血压分级.使用线性回归、人工神经网络和SVM 3种机器学习算法分别构建血压预测模型,并与CatBoost模型进行比较分析.以均方根误差(root mean square error,RMSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)作为模型的评价指标,并进一步分析模糊分类系统的预测效果.结果对于收缩压预测,基于CatBoost的模型在测试集上表现最优,RMSE和MAPE分别为11.17和7.18％.对于舒张压预测,基于CatBoost的模型在测试集上表现最优,RMSE和MAPE分别为9.04和9.29％.进一步的模糊分类也取得了较好的血压分类准确性.变量重要性分析表明,影响青年人血压值最重要的4个因素依次是年龄、身体质量指数(body mass index,BMI)、家族史和腰高比(waist-to-height ratio,WHtR).结论 CatBoost算法在青年人血压预测中的应用具有一定的可行性,相比于其他传统算法,具有更好的预测能力.结合模糊分类系统,可以给用户较准确的血压分级预测.

作者刘娟 ^[1] 赵欢欢 ^[2] 马祖长 ^[3] 王世军 ^[4] 学术成果认领

作者单位中国电子科技集团公司第三十八研究所合肥230088 ^[1] 中国科学院合肥物质科学研究院合肥 230031;中国科学技术大学科学岛分院合肥 230031;滁州学院安徽滁州 239000 ^[2] 中国科学院合肥物质科学研究院合肥 230031 ^[3] 大连医科大学辽宁大连 116044 ^[4]

关键词收缩压舒张压 CatBoost 模糊分类系统生活方式

分类号 R318（医用一般科学）

栏目名称

论著

DOI 10.3969/j.issn.1002-3208.2020.06.008.

发布时间 2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家自然科学基金（61701482）安徽省自然科学基金（1808085MF191）国家科技重大专项（18030801133）中国科学院科技服务网络计划项目（STS）（KFJ-STS-ZDTP-079）