典型文献
基于Stacking模型融合的胎儿健康状态智能评估
文献摘要：
目的 研究机器学习算法评估妊娠期间胎儿在子宫内的状态,提出一种基于Stacking模型融合的胎儿宫内状态智能评估新方法.方法 在特征选择阶段,运用极端梯度提升树与热力图对公开的胎心数据集分析,选择出最优特征子集.在分类阶段,运用一种两层Stacking模型融合新方法对胎儿进行评估,第一层集合5种强机器学习模型来训练,第二层采用Logistics回归模型.结果 运用胎心数据测试集来验证,分类准确率达0.950,受试者曲线下面积达0.980.结论 基于Stacking模型融合的新方法可辅助临床医师对胎儿宫内健康状态进行诊断.
文献关键词：
胎心监护;极端梯度提升树算法;Stacking模型融合;机器学习算法
中图分类号：
作者姓名：
郝婧宇;陈奕;吴水才
作者机构：
北京工业大学 环境与生命学部,北京 100124;首都医科大学附属北京妇产医院 妇产科,北京 100124
文献出处：
引用格式：
[1]郝婧宇;陈奕;吴水才-.基于Stacking模型融合的胎儿健康状态智能评估)[J].中国医疗设备,2022(07):19-25
A类：
极端梯度提升树算法
B类：
Stacking,模型融合,胎儿,健康状态,智能评估,机器学习算法,妊娠期间,宫内,特征选择,热力图,心数,优特,特征子集,两层,第一层,机器学习模型,第二层,Logistics,数据测试,测试集,分类准确率,临床医师,胎心监护
AB值：
0.277043
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
