换一批基于长短期记忆网络和梯度提升的高血压患者RR间期时间序列预测方法
LSTM-XGBoost Based RR Intervals Time Series Prediction Method in Hypertensive Patients
摘要目的对高血压患者的RR间期进行预测,帮助临床医生对患者心脏状况进行分析和预警.方法以8位患者数据为样本,通过长短期记忆网络(LSTM)和梯度提升树(XGBoost)分别对患者的RR间期进行预测,将2个模型的预测结果通过方差倒数法进行组合,克服单一模型预测的劣势.结果提出的组合模型相较于单一模型在8位患者RR间期的预测上具有不同程度的改善效果.结论LSTM-XGBoost模型为高血压患者RR间期预测提供了方法,具有一定的临床价值.
更多相关知识
关键词
RR间期长短期记忆网络梯度提升时序预测高血压RR intervalslong short-term memory networkgradient lift treetime series forecastinghypertension
分类号
R318（医用一般科学）
栏目名称
DOI
10.12455/j.issn.1671-7104.230728
发布时间
2024-08-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
