基于随机森林模型的动态动脉血管硬化指数估计方法
张海康
程云章
张天逸
上海理工大学 上海介入医疗器械工程技术研究中心,上海200093
摘要：针对目前检测动脉硬化程度需要昂贵的设备以及专业操作人员的现状,本研究提出了基于机器学习的动态动脉硬化指数(ambulatory arterial stiffness index,AASI)估计方法.从UCI Machine Learning公共数据库获取患者的光电容积脉搏波信号、心电信号以及动脉血压信号,将其预处理后求得作为机器学习模型的特征值.使用随机森林模型进行AASI的估计,并将最优的回归模型送入遗传算法(genetic algorithm,GA)筛选最优特征子集,完成AASI的估计.实验结果表明,经过GA的特征子集优化,随机森林模型的MAE从0.0974减少至0.0855.对所得结果进行统计学分析后,发现本研究方法针对高血压患者时表现不佳,后续将进一步优化模型,以提高性能.
关键词：生物医学信号特征提取择优算法RR间期局部加权回归
分类号：R318(医用一般科学)O244(计算数学)O245(计算数学)
资助基金：上海工程技术研究中心资助项目(18DZ2250900)
论文发表日期：2022-03-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 55-61 )
英文信息