换一批摘要应用因果学习的方法选择因果特征,以提高卒中死亡预测模型的鲁棒性和泛化性.选取MIMIC重症数据库为数据源,提出融合因果特征的卒中结局预测方法.该方法应用贪婪等价搜索(GES)生成因果图,通过马尔可夫边界理论选择因果特征,并将特征用于分类器以获取最终的死亡风险概率.选择接受者操作特征曲线下面积(AUROC)、F1分数等分类指标对比因果特征与基线特征选择方法的性能.从MIMIC数据库中选择了 6 021条卒中记录,因果特征选择方法在训练集中选择了 26个卒中死亡因果特征,并在测试集中实现了 0.90的AUROC性能,在外部验证数据中也实现了 0.83的AUROC性能,均优于基线方法.在卒中死亡预测中,基于因果学习的特征选择方法相比于常用的特征选择方法有更好的预测效能、鲁棒性和泛化性,并且利用因果图能够解释特征与卒中死亡之间的潜在因果关系.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.03.006
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国医学科学院医学与健康科技创新工程项目（2021-I2M-1-056）
北京市自然科学基金重点项目（Z200016）
- 浏览6
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
