基于多粒度级联森林的骨质疏松性骨折预测研究

徐辉煌; 张海宇; 林勇

首页> 中文期刊> 《北京生物医学工程》 >基于多粒度级联森林的骨质疏松性骨折预测研究

基于多粒度级联森林的骨质疏松性骨折预测研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

目的骨质疏松性骨折(osteoporotic fracture,OF)的预测对于骨折防范具有重要的临床指导意义.针对传统logistic回归预测模型存在的精度不高和未考虑遗传因子问题,本文引入多粒度级联森林(multi?grained cascade forest,gcForest)并结合遗传因子来预测OF.方法首先基于t分布邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法对OF关联基因位点进行非线性降维,降维后的基因位点与临床因素构成特征组.然后构建gcForest模型对OF进行预测.最后通过10次十折分层交叉验证与logistic、梯度提升决策树、随机森林进行对比.结果基于gcForest的模型分类精度为0.8927,AUC值为0.92±0.05,泛化性能最优.结论在考虑遗传因素的条件下,gcForest分类效果优于其他模型,验证了本文方法的高效性和实用性.

著录项

来源
《北京生物医学工程》 |2019年第4期|384-391|共8页
作者
徐辉煌; 张海宇; 林勇;
展开▼
作者单位

上海理工大学医疗器械与食品学院上海 200093;

上海理工大学医疗器械与食品学院上海 200093;

上海理工大学医疗器械与食品学院上海 200093;

展开▼
原文格式 PDF
正文语种 chi
中图分类生物医学工程;自动推理、机器学习;
关键词
机器学习; 骨质疏松性骨折; t分布邻域嵌入; 随机森林; 多粒度级联森林;

相似文献

中文文献
外文文献
专利

1. 基于增强多维多粒度级联森林的信用评分模型 [J] . 卞凌志 ,王直杰 . 计算机应用 . 2021,第009期
2. 基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估 [J] . 单增海 ,李志远 ,张旭 . 中国机械工程 . 2021,第019期
3. 基于多粒度级联孤立森林算法的异常检测模型 [J] . 杨晓晖 ,张圣昌 . 通信学报 . 2019,第008期
4. 基于多维多粒度级联森林的高原地区云雪分类 [J] . 翁理国 ,刘万安 ,施必成 . 计算机应用 . 2018,第008期
5. 基于集成学习的骨质疏松性骨折预测研究 [J] . 陈婉琦 ,林勇 . 中国医学物理学杂志 . 2021,第002期
6. 骨质疏松性骨折诊断技术与风险预测工具研究进展 [C] . 章轶立 ,魏戌 ,申浩 . 中国中医药研究促进会骨质疏松分会成立大会暨第一届全国中医骨质疏松学术交流会议 . 2017
7. 基于多粒度级联森林的光伏功率预测的研究 [A] . 沈文博 . 2018

基于多粒度级联森林的骨质疏松性骨折预测研究

摘要

著录项

相似文献

相关主题

期刊订阅