代价敏感的算法在超声诊断右心衰竭中的应用

作者：李劼; 李晓庆; 牛慧敏; 马琳^*; 孙玉伟

来源：中国临床医学影像杂志, 2019, 30(02): 106-113.

• 心力衰竭,充血性
• 超声心动描记术

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。

• 单位
  华北理工大学; 河北省人民医院; 开滦总医院