换一批基于机器学习预测动脉瘤性蛛网膜下腔出血预后模型的临床研究与应用
Clinical research and application of predicting the prognostic model of aneurysmal subarachnoid hemor-rhage based on machine learning
摘要目的:构建基于机器学习算法的动脉瘤性蛛网膜下腔出血(aSAH)预后预测模型.方法:回顾性收集2020年10月至2021年9月在天津市环湖医院治疗的326例aSAH患者临床数据,按7:3随机划分训练集和测试集,训练集用于构建预测模型,测试集用于评价模型效果.采用SMOTE过采样技术处理不平衡数据,使用最小绝对收缩和选择算子(Lasso)分析来选择最佳特征.基于最优特征,应用基于机器学习的逻辑回归(LR)、BP神经网络、K最近邻(KNN)、随机森林(RF)、决策树(DT)、支持向量机(SVM)、朴素贝叶斯(NB)和XGBoost算法构建预测模型.结果:采用Lasso回归对变量进行筛选,获得11个最优特征.LR、BP神经网络、KNN、RF、DT、SVM、NB和XGBoost模型的准确率分别为0.847,0.847,0.816,0.867,0.806,0.827,0.745,0.816;AUC分别为 0.784、0.794、0.646、0.821、0.499、0.765、0.737、0.676.结论:机器学习模型在预测aSAH预后方面有较好的效果,其中RF模型性能最佳.
更多相关知识
关键词
不平衡数据颅内动脉瘤蛛网膜下腔出血机器学习算法unbalanced dataintracranial aneurysmsubarachnoid hemorrhagemachine learningalgorithms
分类号
R651.12（外科学各论）
栏目名称
DOI
10.13286/j.1001-5213.2024.03.03
发布时间
2024-03-15（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（81102447）
- 浏览0
- 被引7
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
