【摘 要】
：
慢性心力衰竭（Chronic Heart Failure,CHF）是各种心脏疾病发展的最终阶段,被认为是21世纪心血管领域的重大公共卫生挑战之一。本文将经典的生存分析手段与时下热门的机器学习算法结合,对CHF患者的预后构建预测模型并进行分析。对CHF患者的生存问题进行应用研究,相较于传统的生存分析方法,构建了精度较高的预测模型,丰富了这一领域的研究成果。本文采用CHARM项目针对慢性心力衰竭患者的
论文部分内容阅读
慢性心力衰竭（Chronic Heart Failure,CHF）是各种心脏疾病发展的最终阶段,被认为是21世纪心血管领域的重大公共卫生挑战之一。本文将经典的生存分析手段与时下热门的机器学习算法结合,对CHF患者的预后构建预测模型并进行分析。对CHF患者的生存问题进行应用研究,相较于传统的生存分析方法,构建了精度较高的预测模型,丰富了这一领域的研究成果。本文采用CHARM项目针对慢性心力衰竭患者的数据集,首先清洗数据集,通过特征工程完成变量筛选工作,其次利用传统的生存分析手段如KaplanMeier曲线、Cox比例风险回归模型等对风险因子进行分析,然后对随访时间进行处理,并利用随机森林算法对随访时间的可靠性进行分析,最后采用四种机器学习算法分别构建分类模型和回归模型,预测患者的生存结局和生存时间,并对比模型效能。经过生存分析,我们最终得到30个对结局有较大影响的特征,其中体重为保护因素,体重越高反而更有利于患者存活,女性的生存率整体上略高于男性,年龄为危险因素,年龄偏大的患者风险更高,60岁以下的患者的生存率远高于60岁以上的患者。利用机器学习算法对患者预后预测,最终实验表明,随访时间对生存结局的预测准确率具有显著影响,XGBoost、Light GBM算法对生存结局预测的AUC值高达0.96,预测效能较优,其中患者的体重、年龄和射血分数是排名前三的影响因子,对患者生存时间的预测Light GBM算法以5天的误差获得最优的预测效能。本文所构建的预测模型能对慢性心力衰竭患者的预后提供具有较高可靠性的预判,所得结论可为临床治疗提供有价值的信息,这对临床研究具有重要的意义。
其他文献
针对艾滋病相关隐球菌性脑膜炎死亡率极高的问题,本文在相关数据集上建立了三个基于XGBoost的生存预测模型（BecCox、EXSA、Hit Boost）。通过对比上述模型和Cox比例风险模型（CPH）的预测性能,找出了准确率较高的死亡率预测模型,对其预测结果产生机制进行了解释,并利用该模型判别处于高风险中的患者,为采取措施降低患者死亡率提供了理论依据。进一步丰富了机器学习在生存预测模型中的研究课题
如今眼部健康问题被越来越多的人所关注,而彩色眼底图像是眼底疾病筛查中常用的医学图像,它不仅包括了视杯视盘和血管等结构,还包括了患病时会产生的一些病变,如渗出物、微动脉瘤等。卷积神经网络在视网膜病变辅助诊断领域已经取得了一些成果。但由于其局部操作的特性,难以保留眼底图像的全局上下文信息和长依赖关系,导致当应对眼底图像中复杂多变的病变或组织结构时,常常捉襟见肘。本文基于自注意力学习,研究了关于视网膜病
多源数据的机器学习模型一直是人工智能领域的热门话题。一方面,机器学习的模型效果优劣与数据规模的大小程度极大相关,另一方面在真实实践中,能够用于同一模型的数据往往处于不同数据方。传统解决多源数据建模的方式是直接将数据放在单方共同建模,这种方法没有考虑隐私性。在社会隐私意识提升,法律法规完善的当下,直接数据交易面临法律和舆论的双重压力,形成“数据孤岛”问题。联邦学习（Federated Learnin
吐哈盆地位于中国新疆东部,气候条件干燥,随着几十年的考古积累,毛纺织品、皮革、骨角制品等大量有机质遗物保存下来,研究基础丰厚。鉴于与日常生活相关的服饰遗存缺乏综合性研究,本文拟以吐哈盆地青铜至早期铁器时代出土的服装、饰物、妆绘三大类人体贴身遗存为主要研究对象,将其整合为一体,通过系统地分类分期研究,归纳出时间、空间范畴的纵向演变规律;进一步地,就服装妆饰背后所蕴含的古代先民生产生活、社会结构等相关
随着深度强化学习的快速发展,越来越多的学者开始将研究方向由单智能体转为多智能体方向。由多智能体系统环境的特殊性,不可避免地会产生各种各样的挑战,包括环境的非平稳性,智能体间的通信效率低,信度难以合理分配等问题。解决这些问题对智能体间协同效率的提升有着十分重要的作用。为了更好的促进智能体间信息的交流与智能体间的信度分配,本文在中心化训练和去中心化执行（Centralized Training wit
提高人才培养能力关键在于教师质量,教学质量评价体系不仅可用于评价教师的工作,更重要的在于帮助教师认识自我,提高自我,从而提高教学质量、培养更多高素质人才、促进学科建设和发展.目前针对综合型院校的教学质量评价体系仍存在着标准不明、实际利用率不高、实证研究较少等问题.基于此,以某综合型院校数学学院的教师为研究对象,主要通过理论与数据相结合的方式,针对院校和学科的特点,对教学质量评价体系进行研究.以《微
目前在车辆无人驾驶、机器人、增强现实等场景下,不仅需要从图像中获得最小的二维包围框,还需要目标物体在三维空间中的位置、大小和旋转角度等数据。当前高精度的基于深度卷积神经网络的三维目标检测算法,多依赖激光雷达、立体相机或深度相机,但是激光雷达造价极高,立体视差相机对场景要求较高,深度相机在室外场景下使用效果差。而单目相机由于其简单、易于安装和易于获得数据等特点,具有很多应用场景,因此基于单目视觉的目
近些年深度学习相关技术的飞速发展使得卷积神经网络在许多应用场景中获得了巨大的成功,包括图像分类,目标检测和姿态估计等。在卷积神经网络逐渐应用于日常生活中的各个场景时,较为常见的方式是将其部署在高算力的服务器上用于推理,通过网络连接到服务器的各个终端负责采集数据和输出结果。这种云计算模式存在着传输带宽消耗大、传输延时高和隐私泄露等问题。将卷积神经网络部署在靠近数据源的边缘计算设备上能有效解决数据传输
作为语音识别领域的研究热点之一,语音关键词检测算法在音频中检测特定的语音内容,在降低人工成本的同时提高了计算机的智能化水平,因此得到了广泛的应用。尽管当前主流的关键词检测算法在预置的关键词集合上取得了极高的检测精度,但在低资源语料、支持自定义关键词以及关键词定位等限制条件下,上述算法的检测性能大打折扣。为了解决上述问题,本文对基于样例的语音关键词检测技术进行了改进,本文的主要工作如下:1.针对现有
随着我国经济的高速发展,以及个人对于消费的需求,银行贷款已经成为个人与企业解决资金困境的重要方式。面对日益增长的放贷业务,对借款人进行放贷判别从而控制风险就显得十分重要了,如今的判别体系大多都建立在传统集中式的数据训练模式,然而,随着国内外对数据隐私保护的不断加强,相关法律法规的出台,致使金融领域内的数据孤岛问题愈发严重,银行无法依托全数据建立对放贷判别体系,从而准确对个人与企业贷款业务进行准确预