基于PSO-RF的冠状动脉粥样硬化性心脏病预测模型研究

作者：韩刚; 卢鹏飞^*; 陈珊黎; 邵维君; 贾红岩; 郑涛^*

来源：中国数字医学, 2022, 17(04): 56-61.

• 粒子群算法
• 随机森林
• 冠状动脉粥样硬化性心脏病
• 智慧医疗

为提升冠状动脉粥样硬化性心脏病的防治水平，赋能智慧医疗，以心内科医疗信息化数据为对象，对冠状动脉粥样硬化性心脏病早期预测方法展开研究。阐述了从医疗信息系统中采集模型所需样本的数据筛选、数据清洗、文本预处理、文本表示以及特征归一化方法流程，提出了一种基于粒子群优化的随机森林预测方法。该方法以k折交叉验证平均准确率为目标函数，能够自适应优化随机森林的模型参数，从而提升模型的分类能力。实验结果表明，在真实世界冠心病数据的预测上，该方法具有较高的预测精度，准确率为87%，灵敏度为87%，特异度为88%,AUC为0.91，较未优化的随机森林具有明显的提升。因此，对冠状动脉粥样硬化性心脏病的早期预测应用具有一定的参考价值。

• 单位
  上海交通大学医学院附属仁济医院; 万达信息股份有限公司