首页> 中文期刊> 《中国医学物理学杂志》 >Stacking集成学习算法验证动脉损伤对糖尿病早期检测的意义

Stacking集成学习算法验证动脉损伤对糖尿病早期检测的意义

         

摘要

背景:糖尿病可引起广泛的动脉结构和功能病理变化,导致动脉僵硬度增加、顺应性降低和动脉弹性降低。本研究从动脉损伤的角度,实现对尚未出现临床表现但有动脉损伤的糖尿病患者的早期检测。方法:动脉损伤会导致血管的力学参数发生变化,而脉搏信号的波形变化与心血管系统的力学参数变化密切相关。通过9级小波对糖尿病患者脉搏信号进行分解,提取cD8、cD7、cD6系数(中高频成分,代表信号细节特征),作为能够反映动脉损伤程度的特征,将特征矩阵输入到10折交叉验证模型的Stacking集成学习模型中,设置第一层的4个基学习器为SVM、Random Forest、XGBoost、Extra Trees,第二层的元学习器是KNN。结果:单个机器学习模型可以达到90%以上的准确率。Stacking集成学习算法的准确率比单一机器学习模型高4%~5%,ROC曲线下面积提高1%~6%。结论:小波分解得到的脉搏信号cD8、cD7、cD6系数可以有效反映糖尿病引起的动脉损伤程度,因此动脉损伤对糖尿病的早期检测具有一定的指导意义。Stacking集成学习算法将多个模型的优势结合起来生成一个新模型,可以获得比单一模型更好的性能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号