基于多粒度级联森林的骨质疏松性骨折预测研究

• 作者: 张海宇 徐辉煌 林勇
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 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
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论著
• 页码范围: 384-391
• 页数: 8页
• 分类号: R318|TP181
• 字数: 6829字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2019.04.008

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.

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	徐辉煌	上海理工大学医疗器械与食品学院	2	4	2.0	2.0
3	张海宇	上海理工大学医疗器械与食品学院	1	2	1.0	1.0