本文選題：隨機(jī)森林 + 決策樹��； 參考：《山西醫(yī)科大學(xué)》2017年碩士論文

【摘要】：目的:基于肝硬化患者的臨床病歷數(shù)據(jù),構(gòu)建肝硬化患者上消化道出血的隨機(jī)森林預(yù)測模型。通過隨機(jī)森林模型實(shí)現(xiàn)對(duì)肝硬化患者并發(fā)上消化道出血發(fā)病與否及發(fā)病概率預(yù)測,識(shí)別出將會(huì)發(fā)生上消化道出血的肝硬化患者,把握疾病發(fā)展動(dòng)態(tài)。從而可以通過避免接觸上消化道出血誘因,以及盡早的干預(yù)與預(yù)防性治療等措施,降低肝硬化上消化道出血的發(fā)生率及致死率。方法:通過回顧性收集山西醫(yī)科大學(xué)第一臨床醫(yī)院消化內(nèi)科2006年1月~2015年12月期間出院的肝硬化患者病歷中的基本信息、既往疾病史、并發(fā)癥、入院臨床表現(xiàn)及體征、入院血常規(guī)、血生化、相關(guān)抗原、凝血功能檢查等資料。利用卡方檢驗(yàn)及T檢驗(yàn)篩選出與并發(fā)上消化道出血有關(guān)聯(lián)的變量,并經(jīng)臨床專家結(jié)合臨床實(shí)際剔除為上消化道出血的表現(xiàn)的變量。將數(shù)據(jù)集按3:1:1比例隨機(jī)分成訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集和測試數(shù)據(jù)集三部分。以篩選出的自變量為輸入,是否并發(fā)上消化道出血為輸出,在訓(xùn)練數(shù)據(jù)集中分別建立logistic回歸、決策樹和隨機(jī)森林預(yù)測模型,驗(yàn)證數(shù)據(jù)集用于決策樹和隨機(jī)森林模型模型性能提升時(shí)各不同參數(shù)設(shè)置模型的預(yù)測性能比較,最終在測試數(shù)據(jù)集中評(píng)價(jià)三種最終模型預(yù)測的準(zhǔn)確度、靈敏度、特異度、陽性預(yù)測值、陰性預(yù)測值和AUC指標(biāo)并進(jìn)行比較。結(jié)果:通過篩選,最終用于建模的變量為:Child-Pugh分級(jí)、惡心、腹脹、浮腫、腹水、移動(dòng)性濁音、上消化道出血病史、脾切手術(shù)史、總蛋白、白蛋白、總膽紅素、堿性磷酸酶、谷氨酰轉(zhuǎn)肽酶、血糖、膽固醇、尿素氮、血清鉀、凝血酶原百分活動(dòng)度、活化部分凝血活酶時(shí)間、癌胚抗原和CA19-9抗原,共21個(gè)。logistic回歸預(yù)測模型在測試數(shù)據(jù)集中預(yù)測結(jié)果為:準(zhǔn)確度81.50%、靈敏度60.00%、特異度89.20%、陽性預(yù)測值66.70%、陰性預(yù)測值86.10%、AUC值0.854。決策樹模型通過驗(yàn)證數(shù)據(jù)集的驗(yàn)證,最佳參數(shù)設(shè)置為:采用信息熵(information)為分裂屬性選擇度量標(biāo)準(zhǔn),后剪枝處理復(fù)雜度參數(shù)CP為0.026,損失矩陣(loss)設(shè)置為C(0,3,1,0)。決策樹模型在測試數(shù)據(jù)集中預(yù)測結(jié)果為:準(zhǔn)確度75.10%、靈敏度78.00%、特異度74.10%、陽性預(yù)測值52.00%、陰性預(yù)測值90.40%、AUC值0.720。隨機(jī)森林模型通過驗(yàn)證數(shù)據(jù)集的驗(yàn)證,最佳參數(shù)設(shè)置為:模型包含樹的棵數(shù)(ntree)為500,隨機(jī)選擇的特征數(shù)(mtry)為4。隨機(jī)森林模型在測試數(shù)據(jù)集中預(yù)測結(jié)果為:準(zhǔn)確度88.90%、靈敏度64.00%、特異度97.80%、陽性預(yù)測值91.40%、陰性預(yù)測值88.30%、AUC值0.909。通過比較各項(xiàng)指標(biāo)以及ROC曲線圖,隨機(jī)森林模型具有最佳的肝硬化上消化道出血預(yù)測性能。結(jié)論:隨機(jī)森林模型在肝硬化上消化道出血預(yù)測中性能優(yōu)于決策樹和傳統(tǒng)logistic回歸模型�？梢岳酶斡不颊叩募韧膊∈�、并發(fā)癥、入院臨床表現(xiàn)及體征、入院血常規(guī)、血生化、相關(guān)抗原和凝血功能檢查這些簡單常規(guī)檢查信息,實(shí)現(xiàn)對(duì)肝硬化患者并發(fā)上消化道出血的是否發(fā)病及發(fā)病概率預(yù)測�？蔀檫M(jìn)一步干預(yù)與預(yù)防性治療提供依據(jù)。
[Abstract]:Objective : To establish a random forest prediction model of upper gastrointestinal hemorrhage in patients with liver cirrhosis based on clinical medical records data of patients with liver cirrhosis . The results were as follows : accuracy 75.10 % , sensitivity 60.00 % , specificity 89.20 % , positive predictive value 66.70 % , negative predictive value 88.30 % , AUC value 0 .

【學(xué)位授予單位】：山西醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R575.2;R573.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王平;單文英;;改進(jìn)的隨機(jī)森林算法在乳腺腫瘤診斷中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2016年04期

2 宗慧;趙椺;;應(yīng)用機(jī)器學(xué)習(xí)算法構(gòu)建心�；颊唢L(fēng)險(xiǎn)預(yù)測模型[J];中國數(shù)字醫(yī)學(xué);2016年04期

3 曹文哲;應(yīng)俊;陳廣飛;周丹;;基于Logistic回歸和隨機(jī)森林算法的2型糖尿病并發(fā)視網(wǎng)膜病變風(fēng)險(xiǎn)預(yù)測及對(duì)比研究[J];中國醫(yī)療設(shè)備;2016年03期

4 黃載偉;陳麗萍;肖冰;;功能性消化不良臨床數(shù)據(jù)庫的建立[J];南方醫(yī)科大學(xué)學(xué)報(bào);2015年06期

5 劉永春;宋弘;;基于隨機(jī)森林的乳腺腫瘤診斷研究[J];電視技術(shù);2014年15期

6 艾敏;陳偉嬋;沈薇;;2002例肝硬化患者的病因及并發(fā)癥分析[J];臨床肝膽病雜志;2013年05期

7 方匡南;吳見彬;朱建平;謝邦昌;;隨機(jī)森林方法研究綜述[J];統(tǒng)計(jì)與信息論壇;2011年03期

8 洪燕珠;周昌樂;張志楓;許家佗;;基于隨機(jī)森林法的慢性疲勞證候要素特征癥狀的選擇[J];中醫(yī)雜志;2010年07期

9 李建更;高志坤;;隨機(jī)森林針對(duì)小樣本數(shù)據(jù)類權(quán)重設(shè)置[J];計(jì)算機(jī)工程與應(yīng)用;2009年26期

10 謝益輝;;基于R軟件rpart包的分類與回歸樹應(yīng)用[J];統(tǒng)計(jì)與信息論壇;2007年05期

相關(guān)博士學(xué)位論文 前3條

1 錢云;非均衡數(shù)據(jù)分類算法若干應(yīng)用研究[D];吉林大學(xué);2014年

2 李長平;Logistic回歸、決策樹和神經(jīng)網(wǎng)絡(luò)在預(yù)測2型糖尿病并發(fā)末梢神經(jīng)病變中的性能比較[D];中國人民解放軍軍事醫(yī)學(xué)科學(xué)院;2009年

3 于洋;肝癌中醫(yī)臨床信息數(shù)據(jù)庫系統(tǒng)的構(gòu)建及應(yīng)用[D];第二軍醫(yī)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前4條

1 祖曉玲;隨機(jī)森林算法預(yù)測醫(yī)院患者院內(nèi)感染的應(yīng)用研究[D];燕山大學(xué);2016年

2 錢維;藥品不良反應(yīng)監(jiān)測中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

3 程曉蘭;決策樹分類算法及其應(yīng)用[D];大連交通大學(xué);2008年

4 王黎明;決策樹學(xué)習(xí)及其剪枝算法研究[D];武漢理工大學(xué);2007年

，

本文編號(hào)：1861041