代价敏感的算法在超声诊断右心衰竭中的应用
目的:使用代价敏感的机器学习方法,依据超声参数对右心衰竭进行诊断,以增进超声在右心衰竭诊断中的价值.方法:选取右心衰竭患者82例为病例组,非右心衰竭者106例为对照组,使用的主要超声参数包括:三尖瓣环收缩期位移(TAPSE)、右室面积变化率(RVFAC)、三尖瓣环收缩期运动速度(Sm)及舒张早期运动速度(Em)、Tei指数、三尖瓣环等容收缩期加速度(IVA)及右室内径、右房内径、左室内径等.通过代价敏感的朴素贝叶斯分析,以上述参数为特征建立诊断模型,对该模型进行交叉验证,比较代价敏感的判别模型与代价均等的模型的诊断效果.结果:较单一参数诊断右心衰竭,机器学习模型能达到更好的正确率(91%),代价敏感的朴素贝叶斯方法可达到更小的总体代价.结论:通过机器学习建立的诊断模型较单一超声参数的效果更佳,较常规方案可降低诊断代价,该方法在右心衰竭的影像筛查中具有潜在实用价值.
心力衰竭、充血性、超声心动描记术
30
R541.61;R540.45(心脏、血管(循环系)疾病)
河北省医学科学研究课题计划编号20150529
2019-04-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
106-108,113