首页 > 中山大学学报（医学科学版） > 基于随机森林的冠状动脉狭窄风险识别模型

基于随机森林的冠状动脉狭窄风险识别模型

Risk Identification Model of Coronary Artery Stenosis Constructed Based on Random Forest

二维码有效期 120s

摘要[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分别为 75.76%、74.30%和 93.70%,ACC分别为74.05%、72.30%和79.49%,AUC分别为0.739 9、0.723 1、0.752 2,随机森林模型综合效能表现最佳.随机森林模型结果表明,胸痛症状、心电图提示ST段异常、室性早搏、合并高血压、房颤、心脏彩超提示节段性室壁运动异常、主动脉瓣关闭不全、肺动脉瓣关闭不全、心血管疾病家族史、体质量指数是冠脉狭窄的前10位重要变量.[结论]在识别冠状动脉狭窄方面,随机森林模型表现出最佳的综合性能,可较为准确地评估冠脉狭窄的程度,为临床干预提供科学依据.

作者吕勇峰 ^[1] 王钰婧 ^[2] 张乐怡 ^[2] 李一心 ^[2] 原娜 ^[3] 田晶 ^[4] 学术成果认领

作者单位山西医科大学第一临床医学院,山西太原 030000 ^[1] 山西医科大学医学科学院,山西太原 030000 ^[2] 公共卫生学院卫生统计学教研室,山西太原 030000 ^[3] 山西医科大学第一医院心血管内科,山西太原 030000;重大疾病风险评估山西省重点实验室,山西太原 030000 ^[4]

关键词 Gensini积分反向传播神经网络随机森林冠状动脉狭窄机器学习 Gensini score back propagation neural network random forests coronary artery stenosis machine learning

分类号 R541.4（心脏、血管《循环系》疾病）

栏目名称

临床研究

DOI 10.13471/j.cnki.j.sun.yat-sen.univ(med.sci).2025.0116

发布时间 2025-02-28（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（82103958）山西省创新人才团队专项计划项目（202204051001026）山西省留学人员科技活动择优资助项目（20210022）