典型文献
基于PSO-RF的冠状动脉粥样硬化性心脏病预测模型研究
文献摘要：
为提升冠状动脉粥样硬化性心脏病的防治水平,赋能智慧医疗,以心内科医疗信息化数据为对象,对冠状动脉粥样硬化性心脏病早期预测方法展开研究.阐述了从医疗信息系统中采集模型所需样本的数据筛选、数据清洗、文本预处理、文本表示以及特征归一化方法流程,提出了一种基于粒子群优化的随机森林预测方法.该方法以k折交叉验证平均准确率为目标函数,能够自适应优化随机森林的模型参数,从而提升模型的分类能力.实验结果表明,在真实世界冠心病数据的预测上,该方法具有较高的预测精度,准确率为87％,灵敏度为87％,特异度为88％,AUC为0.91,较未优化的随机森林具有明显的提升.因此,对冠状动脉粥样硬化性心脏病的早期预测应用具有一定的参考价值.
文献关键词：
粒子群算法;随机森林;冠状动脉粥样硬化性心脏病;智慧医疗
中图分类号：
作者姓名：
韩刚;卢鹏飞;陈珊黎;邵维君;贾红岩;郑涛
作者机构：
200127 上海,上海交通大学医学院附属仁济医院信息中心;万达信息股份有限公司
文献出处：
引用格式：
[1]韩刚;卢鹏飞;陈珊黎;邵维君;贾红岩;郑涛-.基于PSO-RF的冠状动脉粥样硬化性心脏病预测模型研究)[J].中国数字医学,2022(04):56-61
A类：
B类：
PSO,RF,冠状动脉粥样硬化性心脏病,心脏病预测,防治水,智慧医疗,心内科,医疗信息化,早期预测,医疗信息系统,采集模型,数据筛选,数据清洗,文本预处理,文本表示,特征归一化,归一化方法,方法流程,粒子群优化,交叉验证,平均准确率,自适应优化,真实世界,冠心病,预测应用,粒子群算法
AB值：
0.263507
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。
