基于机器学习的骨质疏松性骨折预测研究

• 作者: 余锦娟 林勇
• 来源期刊: 中国医学物理学杂志
• 关键词: 骨质疏松性骨折 机器学习 XGBoost算法 分类预测 十折交叉验证 LASSO降维
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 医学生物物理
• 页码范围: 1329-1333
• 页数: 5页
• 分类号: R318|R683
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2018.011.017

摘要

复杂疾病的预测是遗传学研究的一个重要课题.本文引入机器学习的方法,将临床变量与遗传变量作为特征,对骨质疏松性骨折进行预测研究.对临床表型和遗传变异数据进行特征选择后分别使用Logistic回归分析法、XGBoost算法对临床因子特征变量、临床因子+遗传因子特征变量进行预测;最后,使用十折交叉验证法,对预测结果进行验证.实验结果表明,相较单独使用临床因子进行预测,加入遗传因子变量,XGBoost、Logistic方法的预测准确率均得到提高;另外,XGBoost方法较Logistic回归模型预测效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林勇	上海理工大学医疗器械与食品学院	14	33	3.0	5.0
2	余锦娟	上海理工大学医疗器械与食品学院	1	3	1.0	1.0