检索结果-南通市图书馆

检索条件"主题词=冠脉狭窄预判"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于NGBoost模型实现冠心病患者冠脉狭窄程度的全概率预判

基于NGBoost模型实现冠心病患者冠脉狭窄程度的全概率预判

引用

作者：闫晶晶山西医科大学

学位级别：硕士

目的:将自然梯度提升算法引入到传统的集成回归树模型框架中,构建出可用于对连续型结局变量进行概率预测的NGBoost模型。通过不同的模拟数据、公共数据库和真实数据集,验证该模型的预判效果,进行应用探讨;将该模型应用于异质性的冠心病... 详细信息

目的:将自然梯度提升算法引入到传统的集成回归树模型框架中,构建出可用于对连续型结局变量进行概率预测的NGBoost模型。通过不同的模拟数据、公共数据库和真实数据集,验证该模型的预判效果,进行应用探讨;将该模型应用于异质性的冠心病患者群体冠脉堵塞程度的个性化评估中,并为每位患者得出结果空间的全概率分布曲线,为临床决策者制定个性化的治疗方案提供信心。方法:本文数据来源包括三部分,1.通过SAS的数据模拟程序,模拟产生三种不同样本量,不同分布类型的数据集;2.公共数据库;3.山大一院、山西省心血管病医院2017年5月至2019年12月31日期间,明确诊断为冠心病并接受了有创性冠状动脉造影检查的患者数据。为去除因调参不均导致的模型预测效果不可比,本文在不调参的情况下比较分析随机森林、极限梯度提升机、轻梯度提升机和自然梯度提升机在模拟数据集、公共数据库的拟合效果;为构建适合临床应用的,具有良好预测能力的模型,在调参的情况下,对慢性心衰患者冠脉狭窄程度进行以上4种模型的建模和对比分析,构建预测模型APP,并随意挑选测试集的两名患者,绘制了患者个性化的概率分布图。结果:样本量为1000的模拟数据结果显示:NGBoost模型决定系数R(0.637)>RF(0.598)>Light GBM(0.555)>XGBoost(0.531);样本量为5000的模拟数据结果:NG Boost(0.624)>Light GBM(0.604)>RF(0.592)>XGBoost(0.581);样本量为10000的模拟数据结果:NGBoost(0.633)>Light GBM(0.621)>RF(0.603)>XGBoost(0.593)。波士顿房价数据集结果显示:NGBoost(0.868)>XGBoost(0.842)>Light GBM(0.841)>RF(0.839)。真实冠心病患者数据集结果显示:NGBoost(0.714)>XGBoost(0.705)>RF(0.692)>Light GBM(0.674)。此外NGBoost模型的估计误差在大多数情况下均比较小。在所有的模拟数据集、公共数据库与真实数据中,NGBoost模型性能始终比较稳定,预测效果好,还可以每位患者都绘制结果空间的概率预判分布曲线。结论:NGBoost模型在集成回归树模型的框架下,引入自然梯度提升算法,以求能够得出事件结果空间的全概率预判分布,为临床治疗决策提供信心。通过与随机回归森林、极限梯度提升机、轻梯度提升机,在模拟实验、公共数据库和真实数据中进行对比分析和应用探讨后发现,该方法预测误差小、性能稳定,适用于不同样本量、不同分布情况的结构化数据,操作简便且可以得出具有个性化特征的概率分布曲线,具有临床应用推广价值。

关键词：冠心病冠脉狭窄预判自然梯度提升集成回归树

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：