基于多核SVM的AdaBoost心力衰竭死亡率评估模型

作者：刘晓玉; 李灯熬^*; 赵菊敏

来源：太原理工大学学报, 2023, 54(05): 804-811.

DOI：10.16355/j.tyut.1007-9432.2023.05.007

• 心力衰竭
• 多核支持向量机
• AdaBoost算法
• 死亡率预测

【目的】心力衰竭简称心衰，是一种复杂的临床综合征，具有高发病率、高死亡率和预后效果不佳等显著特点，是各类心脏疾病发展的终末期，严重危害人类健康。因此，对心衰患者进行早期的预后评估研究至关重要，可以最大程度地帮助患者生存。【方法】提出一种基于多核支持向量机(multi kernel support vector machine, MK-SVM)和自适应提升算法(adaptive boosting, AdaBoost)的心力衰竭死亡率评估模型(MK-SVM-AdaBoost).该算法利用MK-SVM将特征映射到高维空间，并依据AdaBoost算法将基本分类器进行集成，实现死亡率的精确预测。同时，将合成少数过采样技术(synthetic minority oversampling technique, SMOTE)和Tomek links欠采样技术相结合的混合抽样方法引入到预测模型中，减轻不平衡数据集对模型性能的影响。【结果】在收集于白求恩医院的小型心衰数据集上进行心衰患者30 d内死亡率预测实验。实验结果表明，MK-SVM-AdaBoost模型的准确率和召回率分别达到了85.63%和86.33%,优于现有方法，ROC曲线下与坐标轴围成的面积(area under curve, AUC)和其微观平均值(micro-mean AUC,MiA-AUC)分别达到了91.00%和92.00%,表明提出的模型具有良好的稳定性。【结论】提出的模型具有较高的准确率和稳定性，可以为医生的临床决策提供一定的参考。今后课题将继续对数据集进行扩充，并对分级预警进行研究，以便对患者进行更有效的评估。

• 单位
  太原理工大学