典型文献
基于3类属性预测颈动脉斑块的随机森林方法研究
文献摘要：
目的:针对B超诊断颈动脉斑块的局限性,提出一种基于3类属性预测颈动脉斑块的随机森林方法.方法:基于某院5993例糖尿病患者的脱敏数据,在已有研究基础上,初步选择影响颈动脉斑块的10个属性(性别、年龄、糖尿病病程、甘油三酯、高密度脂蛋白、低密度脂蛋白、总胆固醇、空腹血糖、糖化血红蛋白和空腹胰岛素),分别利用决策树、逻辑模型树、自助聚合和随机森林等多种机器学习模型来拟合脱敏数据,并通过十折交叉验证来验证拟合性能,最后统计各属性在预测颈动脉斑块中的贡献度.结果:实验表明,随机森林在查准率(0.808)、查全率(0.806)、F1值(0.805)、AUC(0.897)方面均优于其他模型.年龄、低密度脂蛋白和糖化血红蛋白这3个属性对预测颈动脉斑块的贡献度最大,利用这3类属性训练而成的模型可达到不错的预测效果.结论:基于年龄、低密度脂蛋白和糖化血红蛋白等常规指标训练而成的随机森林模型简单、高效、成本低且预测效果好,理论上能够作为诊断颈动脉斑块的辅助方法.
文献关键词：
颈动脉斑块;糖尿病;低密度脂蛋白;糖化血红蛋白;随机森林
中图分类号：
作者姓名：
李建敦;蒋鹏;李桃;陈霆;蒋坷宏;蒋伏松;郑西川;魏丽
作者机构：
上海电机学院电子信息学院,上海 201306;上海交通大学附属第六人民医院计算机中心,上海 200233;上海交通大学附属第六人民医院内分泌代谢科,上海 200233
文献出处：
引用格式：
[1]李建敦;蒋鹏;李桃;陈霆;蒋坷宏;蒋伏松;郑西川;魏丽-.基于3类属性预测颈动脉斑块的随机森林方法研究)[J].医疗卫生装备,2022(05):14-17
A类：
B类：
类属,属性预测,颈动脉斑块,随机森林方法,糖尿病患者,脱敏,糖尿病病程,甘油三酯,高密度脂蛋白,低密度脂蛋白,总胆固醇,空腹血糖,糖化血红蛋白,空腹胰岛素,决策树,逻辑模型,自助,机器学习模型,十折交叉验证,贡献度,查准率,查全率,不错,常规指标,随机森林模型
AB值：
0.202602
相似文献
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。
