期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习算法的原发性高血压并发冠心病的患病风险研究
被引量：
17
1
作者
龚军
杜超
+2 位作者
钟小钢
向天雨
王惠来
《解放军医学杂志》
CAS
CSCD
北大核心
2020年第7期735-741,共7页
目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性...
目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性高血压患者的70项临床信息资料,筛选出单因素分析有统计学意义的指标,采用R3.6.1分别构建logistic回归分类模型及BP神经网络、随机森林、极限梯度上升(XGBoost)3种机器学习模型,比较各种模型的相关参数,选择最优的分类模型。结果单因素分析筛选出有统计学意义的指标44项,将其纳入logistic回归分类模型及机器学习模型。Logistic回归分类模型、BP神经网络模型、随机森林模型、XGBoost模型的测试集中分类精度分别为0.852、0.968、0.966、0.976,受试者工作特征曲线下面积(AUC)分别为0.853、0.970、0.967、0.977。将性能最优的XGBoost模型应用于重庆医科大学附属大学城医院心内科临床实践,灵敏度为1.000,特异度为0.912,诊断精度为0.926,AUC为0.956。结论建立的XGBoost模型对原发性高血压并发冠心病有很好的辅助诊断功能,在临床实践中取得了良好的效果。
展开更多
关键词
XGBoost
随机森林
BP神经网络
LOGISTIC回归分析
高血压
冠心病
在线阅读
下载PDF
职称材料
基于机器学习算法建立2型糖尿病患者冠心病辅助诊断模型
被引量：
8
2
作者
黄浩东
刘小株
+3 位作者
龚军
刘杰
张祖跃
向天雨
《复旦学报（医学版）》
CAS
CSCD
北大核心
2022年第2期226-233,256,共9页
目的筛选2型糖尿病患者群合并冠心病危险因素并建立风险分类模型,为临床辅助诊断提供有价值的参考。方法通过重庆医科大学大数据平台收集出院时间为2014年1月1日至2019年12月31日行冠状动脉造影术的2型糖尿病患者944例,根据造影结果分为...
目的筛选2型糖尿病患者群合并冠心病危险因素并建立风险分类模型,为临床辅助诊断提供有价值的参考。方法通过重庆医科大学大数据平台收集出院时间为2014年1月1日至2019年12月31日行冠状动脉造影术的2型糖尿病患者944例,根据造影结果分为2型糖尿病合并冠心病715例(T2DM-CAD组)和2型糖尿病非冠心病229例(T2DM组)。采用倾向得分匹配法(Propensity Score Matching,PSM)均衡组间混杂因素的影响,匹配后T2DM-CAD组389例,T2DM组221例。使用单因素分析与Logistic回归筛选冠心病发病的危险因素。采用贝叶斯优化(Bayesian Optimization,BO)算法优化支持向量机(Support Vector Machine,SVM)模型、随机森林(Random Forest,RF)模型、极限梯度上升(eXtreme Gradient Boosting,XGB)模型和Logistic回归模型,并比较4种分类模型的分类性能。结果共收集缺失值<30%的指标35项,单因素分析筛选出有统计学差异的指标20项。逐步向前Logistic回归筛选出11项危险因素,包括心率、吸烟、糖尿病肾病、血肌酐、甘油三酯、脂蛋白a、白蛋白、总胆红素、谷草转氨酶、糖化血红蛋白和尿糖。基于危险因素建立的分类模型中优化后的RF模型性能在5折交叉验证(F1值=0.711,AUC=0.811)以及验证集(F1值=0.752,AUC=0.810)中表现最优。结论建立了参数优化RF模型,可用于判断2型糖尿病患者是否合并冠心病,具有良好性能。
展开更多
关键词
机器学习
2型糖尿病(T2DM)
冠心病
诊断
在线阅读
下载PDF
职称材料
题名
基于机器学习算法的原发性高血压并发冠心病的患病风险研究
被引量：
17
1
作者
龚军
杜超
钟小钢
向天雨
王惠来
机构
重庆医科大学
医学数据研究院
重庆
市涪陵区
中心
医院
输血科
重庆医科大学
附属
康复
医院
医护科
重庆医科大学附属大学城医院信息中心
出处
《解放军医学杂志》
CAS
CSCD
北大核心
2020年第7期735-741,共7页
基金
重庆市科委重大主题专项(cstc2015shms-ztzx10011)。
文摘
目的筛选原发性高血压并发冠心病发病的危险因素并建立个体风险分类模型,为疾病诊断提供计算机辅助方法。方法收集重庆医科大学医疗大数据平台中2014年1月1日-2019年5月31日确诊的2791例原发性高血压并发冠心病患者及2135例单纯原发性高血压患者的70项临床信息资料,筛选出单因素分析有统计学意义的指标,采用R3.6.1分别构建logistic回归分类模型及BP神经网络、随机森林、极限梯度上升(XGBoost)3种机器学习模型,比较各种模型的相关参数,选择最优的分类模型。结果单因素分析筛选出有统计学意义的指标44项,将其纳入logistic回归分类模型及机器学习模型。Logistic回归分类模型、BP神经网络模型、随机森林模型、XGBoost模型的测试集中分类精度分别为0.852、0.968、0.966、0.976,受试者工作特征曲线下面积(AUC)分别为0.853、0.970、0.967、0.977。将性能最优的XGBoost模型应用于重庆医科大学附属大学城医院心内科临床实践,灵敏度为1.000,特异度为0.912,诊断精度为0.926,AUC为0.956。结论建立的XGBoost模型对原发性高血压并发冠心病有很好的辅助诊断功能,在临床实践中取得了良好的效果。
关键词
XGBoost
随机森林
BP神经网络
LOGISTIC回归分析
高血压
冠心病
Keywords
XGBoost
random forest
BP neural network
logistic regression analysis
hypertension
coronary heart disease
分类号
R541.4 [医药卫生—心血管疾病]
R544.1 [医药卫生—心血管疾病]
在线阅读
下载PDF
职称材料
题名
基于机器学习算法建立2型糖尿病患者冠心病辅助诊断模型
被引量：
8
2
作者
黄浩东
刘小株
龚军
刘杰
张祖跃
向天雨
机构
重庆医科大学
医学数据研究院
重庆医科大学
医学
信息
学院
重庆医科大学附属大学城医院信息中心
出处
《复旦学报（医学版）》
CAS
CSCD
北大核心
2022年第2期226-233,256,共9页
基金
重庆市技术创新与应用发展专项面上项目(cstc2019jscx-msxm X0262)
重庆医科大学智慧医学项目(ZHYX2019013,YJSZHYX202017)。
文摘
目的筛选2型糖尿病患者群合并冠心病危险因素并建立风险分类模型,为临床辅助诊断提供有价值的参考。方法通过重庆医科大学大数据平台收集出院时间为2014年1月1日至2019年12月31日行冠状动脉造影术的2型糖尿病患者944例,根据造影结果分为2型糖尿病合并冠心病715例(T2DM-CAD组)和2型糖尿病非冠心病229例(T2DM组)。采用倾向得分匹配法(Propensity Score Matching,PSM)均衡组间混杂因素的影响,匹配后T2DM-CAD组389例,T2DM组221例。使用单因素分析与Logistic回归筛选冠心病发病的危险因素。采用贝叶斯优化(Bayesian Optimization,BO)算法优化支持向量机(Support Vector Machine,SVM)模型、随机森林(Random Forest,RF)模型、极限梯度上升(eXtreme Gradient Boosting,XGB)模型和Logistic回归模型,并比较4种分类模型的分类性能。结果共收集缺失值<30%的指标35项,单因素分析筛选出有统计学差异的指标20项。逐步向前Logistic回归筛选出11项危险因素,包括心率、吸烟、糖尿病肾病、血肌酐、甘油三酯、脂蛋白a、白蛋白、总胆红素、谷草转氨酶、糖化血红蛋白和尿糖。基于危险因素建立的分类模型中优化后的RF模型性能在5折交叉验证(F1值=0.711,AUC=0.811)以及验证集(F1值=0.752,AUC=0.810)中表现最优。结论建立了参数优化RF模型,可用于判断2型糖尿病患者是否合并冠心病,具有良好性能。
关键词
机器学习
2型糖尿病(T2DM)
冠心病
诊断
Keywords
machine learning
type 2 diabetes mellitus(T2DM)
coronary heart disease
diagnosis
分类号
TP399 [自动化与计算机技术—计算机应用技术]
R587.1 [医药卫生—内分泌]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习算法的原发性高血压并发冠心病的患病风险研究
龚军
杜超
钟小钢
向天雨
王惠来
《解放军医学杂志》
CAS
CSCD
北大核心
2020
17
在线阅读
下载PDF
职称材料
2
基于机器学习算法建立2型糖尿病患者冠心病辅助诊断模型
黄浩东
刘小株
龚军
刘杰
张祖跃
向天雨
《复旦学报（医学版）》
CAS
CSCD
北大核心
2022
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
