-
题名融合nmODE的术后肺部并发症预测模型
- 1
-
-
作者
熊立鹏
徐修远
牛颢
陈楠
章毅
-
机构
四川大学计算机学院
四川大学华西医院
-
出处
《智能系统学报》
北大核心
2025年第1期198-205,共8页
-
文摘
为了准确预测病人肺部手术后并发症的发生,提出了一种融合神经记忆常微分方程(neural memory ordinary differential equation,nmODE)的并发症预测模型。首先,利用极限梯度提升(extreme gradient boosting,XGBoost)树结构对数据进行编码,并提取其特征重要性。然后,使用长短时记忆神经网络对数据的相关特征依赖性进行分析,并提取处理后的特征。最后,利用nmODE的记忆和学习能力,对提取的特征进行深入分析,并得出最终的预测结果。通过实验评估,在肺部术后并发症数据集中,证明了提出模型的效果优于现有模型,同时可以为预测肺部手术后并发症的发生提供更准确的结果。
-
关键词
疾病预测
异构表格数据
神经记忆常微分方程
极限梯度提升
长短时记忆神经网络
合成少数过采样技术
类别不平衡
病人预后
-
Keywords
disease prediction
heterogeneous tabular data
neural memory ordinary differential equation
extreme gradient boosting
long short-term memory
synthetic minority oversampling technique
class imbalance
patient prognosis
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
