期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到51篇文章
< 1 2 3 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Boruta算法的双模态影像及临床特征预测乳腺BI-RADS 4类病变恶性风险 认领 引用
1
作者 蔡嘉宁 曹思薇 +7 位作者 吴昱 王扬 张五岳 郑洪彦 孟巍 李梦如 闫梦璐 高波 《临床放射学杂志》 北大核心 2026年第8期1353-1359,共7页
目的构建联合乳腺X线摄影(MMG)与超声(US)双模态影像特征及临床因素的列线图模型,评估其对乳腺影像报告和数据系统(BI-RADS)4类病变恶性风险的预测价值。方法回顾性分析来自两个中心的915例经MMG诊断为BI-RADS 4类患者。将中心1的患者按... 目的构建联合乳腺X线摄影(MMG)与超声(US)双模态影像特征及临床因素的列线图模型,评估其对乳腺影像报告和数据系统(BI-RADS)4类病变恶性风险的预测价值。方法回顾性分析来自两个中心的915例经MMG诊断为BI-RADS 4类患者。将中心1的患者按7∶3比例随机分为训练集(n=481)与内部测试集(n=206),中心2作为外部测试集(n=228)。采用Boruta算法与最小绝对收缩和选择算法(LASSO)回归筛选特征,通过多因素Logis-tic回归构建恶性风险预测模型,最终将该模型可视化为列线图。采用受试者工作特征曲线(ROC)曲线下面积(AUC)评估模型的区分度,校准曲线评估其一致性,并通过决策曲线分析(DCA)评估临床净获益。结果LASSO回归模型最终筛选出11个预测因子。Boruta算法确认了包括上述因子在内的16个重要特征。基于Boruta算法构建的模型在训练集、内部测试集和外部测试集中预测恶性风险的AUC值分别为0.944、0.926和0.897。校准曲线和DCA均提示模型具有良好的校正效果和临床实用性。结论基于双模态影像联合临床因素构建的列线图模型对BI-RADS 4类病变的恶性风险具有良好的预测效能。引入Boruta算法有助于实现更全面、稳健的特征筛选,从而提升特征选择结果的可靠性及模型的临床可解释性。 展开更多
关键词 乳腺病变 乳腺X线摄影 超声检查 列线图 Boruta算法
暂未订购 下载PDF
Prediction of hot-rolled strip crown based on Boruta and extremely randomized trees algorithms 认领 引用 被引量：4
2
作者 Li Wang Song-lin He +1 位作者 Zhi-ting Zhao Xian-du Zhang 《Journal of Iron and Steel Research International》 SCIE EI CAS CSCD 2023年第5期1022-1031,共10页
The quality of hot-rolled steel strip is directly affected by the strip crown.Traditional machine learning models have shown limitations in accurately predicting the strip crown,particularly when dealing with imbalanc... The quality of hot-rolled steel strip is directly affected by the strip crown.Traditional machine learning models have shown limitations in accurately predicting the strip crown,particularly when dealing with imbalanced data.This limitation results in poor production quality and efficiency,leading to increased production costs.Thus,a novel strip crown prediction model that uses the Boruta and extremely randomized trees(Boruta-ERT)algorithms to address this issue was proposed.To improve the accuracy of our model,we utilized the synthetic minority over-sampling technique to balance the imbalance data sets.The Boruta-ERT prediction model was then used to select features and predict the strip crown.With the 2160 mm hot rolling production lines of a steel plant serving as the research object,the experimental results showed that 97.01% of prediction data have an absolute error of less than 8 lm.This level of accuracy met the control requirements for strip crown and demonstrated significant benefits for the improvement in production quality of steel strip. 展开更多
关键词 Hot-rolled strip Data improvement Strip crown Feature selection Boruta algorithm Extremely randomized trees algorithm
暂未订购 下载PDF
融合MHSA与Boruta的电力系统暂态功角稳定关键特征筛选 认领 引用 被引量：4
3
作者 王曼 周小雨 +2 位作者 陈凡 赖业宁 朱瑛 《电力工程技术》 CSCD 北大核心 2025年第1期155-164,共10页
现有暂态稳定特征选择方法中初始特征的选定会限制后续寻找最佳特征组合的能力,同时缺乏客观方法来确定关键特征的数量,为此,文中提出一种融合多头自注意力(multi-head self-attention,MHSA)与Boruta的暂态功角稳定关键特征筛选方法。首... 现有暂态稳定特征选择方法中初始特征的选定会限制后续寻找最佳特征组合的能力,同时缺乏客观方法来确定关键特征的数量,为此,文中提出一种融合多头自注意力(multi-head self-attention,MHSA)与Boruta的暂态功角稳定关键特征筛选方法。首先,构建深度神经网络模型,并在输入侧添加MHSA模块进行暂态稳定评估。MHSA直接面向输入的电网特征,可在模型训练过程中自适应调整注意力权重,聚焦关键特征。其次,利用Boruta算法生成真假特征组合,经过MHSA模型的训练,选择高于最大虚假特征权重的真实特征,由模型本身确定关键特征数量。最后,在IEEE 39和IEEE 118节点系统上进行算例分析。算例结果表明,所提方法可在保证评估精度的同时大幅减少输入特征的数量,相比于传统方法,可选出评估精度更高的关键特征。 展开更多
关键词 多头自注意力(MHSA) Boruta算法 暂态稳定 特征选择 关键特征 虚假特征
暂未订购 下载PDF
基于Boruta+PSO-MLP模型的中央空调系统能耗预测 认领 引用 被引量：3
4
作者 赵昱 颜承初 +3 位作者 郭霖 程远达 王昊博 龚雷阳 《太原理工大学学报》 CAS 北大核心 2025年第6期1154-1161,共8页
【目的】空调能耗在整个建筑能耗中具有重要的地位,建立空调系统能耗模型可以帮助建筑运营人员制定精确的能源管理计划,优化建筑能耗设备的运行,实现智能化的能源管理。【方法】提出一种混合空调系统能耗组合预测模型,利用粒子群优化算... 【目的】空调能耗在整个建筑能耗中具有重要的地位,建立空调系统能耗模型可以帮助建筑运营人员制定精确的能源管理计划,优化建筑能耗设备的运行,实现智能化的能源管理。【方法】提出一种混合空调系统能耗组合预测模型,利用粒子群优化算法(Particle Swarm Optimiza⁃tion,PSO)对多层感知机(Multi-Layer Perceptron,MLP)的超参数进行优化,并使用Boruta对数据集进行特征选择,建立PSO-MLP模型来预测系统能耗。【结果】研究结果表明,基于Boruta+PSOMLP的能耗预测模型能够更准确地预测建筑空调能耗,对比单一的MLP模型,平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Squared Error,RMSE)分别降低了57.3%和49.7%,相关系数达到了0.962。 展开更多
关键词 中央空调 能耗预测 Boruta特征选择 粒子群优化算法 多层感知机
暂未订购 下载PDF
基于Boruta算法和logistic回归模型的欧盟建筑业员工职业伤害影响因素分析 认领 引用 被引量：1
5
作者 李志安 张林 +1 位作者 张鹏 朱晓俊 《环境与职业医学》 CAS CSCD 北大核心 2025年第2期151-156,共6页
[背景]建筑业员工是职业伤害的高发群体。目前,国内外关于建筑业员工职业伤害影响因素的探讨多侧重于人口学以及行为特征等,对社会心理风险、数字技术使用以及员工健康状况则关注不足。[目的]分析建筑业员工职业伤害的发生情况,探讨社... [背景]建筑业员工是职业伤害的高发群体。目前,国内外关于建筑业员工职业伤害影响因素的探讨多侧重于人口学以及行为特征等,对社会心理风险、数字技术使用以及员工健康状况则关注不足。[目的]分析建筑业员工职业伤害的发生情况,探讨社会心理风险、数字技术使用、健康状况和工作场所预防措施等层面因素对职业伤害的影响,为预防措施的制定提供依据。[方法]应用欧盟职业安全与健康管理局公开数据,样本包括2 167名建筑业员工。以员工存在职业伤害为结局变量,通过卡方检验提取其中社会心理风险、对数字技术的使用、健康状况和工作场所预防措施等层面共25个变量,应用Boruta算法和多因素logistic回归分析模型相结合的方法,识别影响职业伤害的关键因素。[结果]在调查的2 167名建筑业员工中,存在职业伤害的有182人(占8.6%)。Boruta算法识别出8个重要特征变量,变量重要性由高到低依次是肌肉骨骼疾患、工种、抑郁与焦虑、受教育水平、使用电子智能产品、工作场所及时解决安全问题、全身疲劳、年龄;logistic回归分析显示:年龄、工种、受教育水平、全身疲劳、肌肉骨骼疾患以及工作场所及时解决安全问题共6个变量对职业伤害的影响有统计学意义(P <0.05)。[结论]建筑业员工职业伤害的发生受多种因素影响,包括年龄、工种、受教育水平、全身疲劳、肌肉骨骼疾患以及工作场所及时解决安全问题。企业和员工应采取针对性的措施,减少职业伤害的发生。 展开更多
关键词 建筑业员工 职业伤害 影响因素 Boruta算法 logistic回归
暂未订购 下载PDF
高维数据下基于Boruta-RFE算法的特征选择研究 认领 引用 被引量：2
6
作者 饶文康 黄介武 +1 位作者 陈星悦 王淋杰 《智能计算机与应用》 2025年第8期52-58,共7页
针对高维数据特征选择过程中传统的Boruta算法通常会选择出一些冗余或不相关的特征,从而降低分类器性能的问题,本文在Boruta算法的基础上提出了Boruta-RFE算法,进一步筛选出更优的特征子集。首先将Boruta算法对4个不同高维数据集进行特... 针对高维数据特征选择过程中传统的Boruta算法通常会选择出一些冗余或不相关的特征,从而降低分类器性能的问题,本文在Boruta算法的基础上提出了Boruta-RFE算法,进一步筛选出更优的特征子集。首先将Boruta算法对4个不同高维数据集进行特征选择,然后在其基础上利用递归特征消除(RFE)分别对其进行特征选择后得到所需最优特征子集,最后用随机森林、支持向量机及逻辑回归分类器分别对其进行分类,分类结果表明该算法分别在准确率、AUC值、F1值、精确率及Kappa值整体上优于传统的Boruta算法,有效减少了所选特征子集的特征数量,并提高了分类效率,由此验证了此方法的有效性。 展开更多
关键词 特征选择 Boruta算法 RFE算法 机器学习
暂未订购 下载PDF
机器学习模型预测全髋关节置换术后病人谵妄风险的效能研究 认领 引用
7
作者 张小英 刘伟 +2 位作者 谢美英 周建国 杨佳 《护理研究》 北大核心 2026年第6期894-905,共12页
目的:基于可解释的机器学习(ML)模型预测全髋关节置换术后病人谵妄风险,为病人制定个性化干预方案提供参考。方法:选取2020年1月-2024年12月在赣州市人民医院接受全髋关节置换术的622例病人为研究对象。于术后1~3 d采用意识模糊评估表(C... 目的:基于可解释的机器学习(ML)模型预测全髋关节置换术后病人谵妄风险,为病人制定个性化干预方案提供参考。方法:选取2020年1月-2024年12月在赣州市人民医院接受全髋关节置换术的622例病人为研究对象。于术后1~3 d采用意识模糊评估表(CAM)判断病人是否出现术后谵妄。通过Boruta算法筛选术后谵妄风险重要特征变量。以7∶3比例将622例病人随机分为训练集(442例)和测试集(180例),构建和训练9种机器学习模型并进行十倍交叉验证。采用受试者工作特征(ROC)曲线下面积(AUC)评估最佳机器学习模型。使用决策曲线分析评估模型临床实用价值。使用SHapley加法解释(SHAP)条形图、摘要图、依赖图和力图解释和可视化机器学习模型。结果:622例全髋关节置换术病人的术后谵妄发生率为30.87%。Boruta算法筛选出9个术后谵妄风险重要特征变量,根据特征重要性评分(Z值)由高至低依次为C反应蛋白(CRP)、麻醉持续时间、白蛋白(ALB)、年龄、总胆红素(TB)、空腹血糖(FBG)、术中失血量(IBL)、糖尿病史、脑血管病(CSD)。多因素Logistic回归分析结果显示,年龄、ALB、TB、FBG、CRP、麻醉持续时间是全髋关节置换术后病人谵妄的独立影响因素(均P<0.05)。XGBoost模型在训练集和测试集中均表现优异,对于预测全髋关节置换术后病人谵妄风险具有最优的稳健性与预测效能。基于SHAP对XGBoost模型进行解释和可视化,显示XGBoost模型能以极高准确度预测全髋置换术后病人谵妄风险。结论:年龄、ALB、TB、FBG、CRP、麻醉持续时间是全髋关节置换术后病人谵妄的重要影响因素,XGBoost模型在全髋关节置换术后病人谵妄中的预测价值较高。 展开更多
关键词 全髋关节置换术 术后谵妄 影响因素 机器学习 Boruta算法 SHapley加法解释(SHAP) XGBoost模型
暂未订购 下载PDF
基于高光谱的冬小麦籽粒蛋白质含量无损快速监测 认领 引用
8
作者 盛雅丽 李军 +4 位作者 王伟强 刘吉凯 马强 陈燕丽 李新伟 《安徽科技学院学报》 2026年第1期84-89,共6页
针对传统实验室检测冬小麦籽粒蛋白质含量存在滞后性的问题,本文采用高光谱技术实现小麦籽粒蛋白质含量的无损快速监测。通过使用ASD手持式地物光谱仪采集冬小麦关键生育时期的冠层光谱数据,并利用Boruta算法进行特征选择,分别构建基于... 针对传统实验室检测冬小麦籽粒蛋白质含量存在滞后性的问题,本文采用高光谱技术实现小麦籽粒蛋白质含量的无损快速监测。通过使用ASD手持式地物光谱仪采集冬小麦关键生育时期的冠层光谱数据,并利用Boruta算法进行特征选择,分别构建基于岭回归和不同卷积核数的卷积神经网络籽粒蛋白质含量监测模型,比较单生育时期与多生育时期模型的监测性能。结果表明,冠层光谱数据与籽粒蛋白质含量之间存在显著相关性,Boruta算法能有效筛选出关键特征波段。多生育时期模型监测精度优于单生育时期模型,其中,基于Boruta算法和卷积核数为35的卷积神经网络模型表现最佳,决定系数R 2为0.679,均方根误差RMSE为1.390%。本研究为实现冬小麦籽粒蛋白质含量无损快速监测提供技术支撑。 展开更多
关键词 高光谱数据 冬小麦 籽粒蛋白质含量 Boruta算法 岭回归 卷积神经网络
暂未订购 下载PDF
基于TLS数据的杨树人工林单木地上碳储量增量估测 认领 引用
9
作者 张剑豪 温小荣 +2 位作者 孙圆 汪求来 叶金盛 《农业工程学报》 EI CAS CSCD 北大核心 2026年第5期195-204,共10页
森林生态系统作为陆地上最大的碳汇,其碳储量估算的准确性直接影响碳循环模型构建及碳中和政策制定,传统的森林碳储量动态估测主要基于林分尺度,难以反映单株树木的碳储量变化。该研究以12块不同株行距配置和无性系的杨树人工林为研究对... 森林生态系统作为陆地上最大的碳汇,其碳储量估算的准确性直接影响碳循环模型构建及碳中和政策制定,传统的森林碳储量动态估测主要基于林分尺度,难以反映单株树木的碳储量变化。该研究以12块不同株行距配置和无性系的杨树人工林为研究对象,基于2019年和2021年的地基激光雷达(terrestrial laser scanning,TLS)数据利用非完全模拟树木水分养分传输的骨架提取算法(a novel algorithm of the incomplete simulation of tree transmitting water and nutrients,ISTTWN)提取多项基本测树因子,经相关性与共线性分析、Boruta算法实现变量筛选后构建线性和非线性以及4种机器学习模型(随机森林、K最近邻、支持向量机、CatBoost)经Optuna框架参数调优后选取最佳模型,通过直接与间接的方法估测单木地上碳储量增量,探究研究区杨树的最优单木地上碳储量增量估测方法以及最佳种植配置。结果表明,基于Boruta算法筛选变量的随机森林模型在研究区杨树单木地上碳储量(R2=0.944)以及碳储量增量(R2=0.798)的估测中展现出优势;以单木地上碳储量增量为因变量构建随机森林模型的直接法是研究区内杨树单木地上碳储量增量的较优估测方案(R2为0.821,均方根误差为0.920 kg和平均绝对误差为0.733 kg);研究期内,株行距配置为6 m×6 m的‘南林797杨’单木地上碳储量增量最大,单木地上碳储量增长率也处于较高水平,表明该配置比较有利于杨树的碳积累。该研究提供了一种估算单株杨树地上碳储量增量的非破坏性方法,对优化碳导向型杨树人工林的管理具有一定参考意义。 展开更多
关键词 杨树人工林 地基激光雷达 地上碳储量 碳储量增量 Boruta算法
暂未订购 下载PDF
基于可解释的机器学习模型预测髋部骨折患者术中输血风险 认领 引用
10
作者 卢风亭 李晓明 +5 位作者 李德奎 谢先元 汪加忠 余清 黄干 沈俊 《中国输血杂志》 CAS 2026年第2期196-202,共7页
目的 探讨髋部骨折患者术中输血的影响因素,并基于机器学习(ML)模型构建髋部骨折患者术中输血风险预测模型。方法 选取本院2022年11月—2025年3月行手术治疗的髋部骨折患者424例。使用Boruta算法筛选术中输血风险的重要特征变量。使用... 目的 探讨髋部骨折患者术中输血的影响因素,并基于机器学习(ML)模型构建髋部骨折患者术中输血风险预测模型。方法 选取本院2022年11月—2025年3月行手术治疗的髋部骨折患者424例。使用Boruta算法筛选术中输血风险的重要特征变量。使用支持向量机(SVM)、线性判别分析(LDA)、混合判别分析(MDA)和极端梯度提升(XGBoost) 4种不同ML算法构建术中输血风险预测模型。使用准确度、精确度、接收者操作特征曲线(ROC)、精确率-召回率曲线(PRC)、精确率-召回率增益曲线(PRGC)和F1 score评估4种ML模型预测性能。采用Shapley加法解释(SHAP )对最终模型进行解释。结果 424例髋部骨折患者77例(18.2%)术中接受输血。Boruta算法筛选出ALB、APTT、麻醉方式、骨折类型、Hb是术中输血风险的重要特征变量。在模型评估中,SVM的受试者工作特征曲线下面积(AUC)、召回率、召回增益、准确率、精确率、F1得分和精确率-召回率曲线下面积(PRC-AUC)指标均优于其他3种模型。基于SHAP值解释和可视化的SVM模型能有效预测髋部骨折患者术中输血风险。并基于SVM模型开发了可视化线上应用程序(http://gffzz8bfea77e0a3f486bsqk09u9vb5opk6cxu.ffgz.tsg.suse.edu.cn/blood/)。结论 术前低ALB和Hb水平、APTT延长、全身麻醉和股骨粗隆间骨折是髋部骨折患者术中输血的危险因素。基于SVM算法构建的术中输血风险预测模型性能最优,为临床早期识别高输血风险髋部骨折患者并实施针对性干预措施提供新思路和方法。 展开更多
关键词 髋部骨折 输血 机器学习 Boruta算法 SVM模型 SHAP
暂未订购 下载PDF
可解释的机器学习模型预测rt-PA治疗的急性缺血性脑卒中患者预后不良风险 认领 引用
11
作者 杨嵩 赵旺 +1 位作者 许翠萍 田继文 《皖南医学院学报》 CAS 2026年第1期38-42,共5页
目的:基于机器学习(ML)和Shapley加法解释(SHAP)开发一种预测接受阿替普酶(rt-PA)溶栓治疗的急性缺血性脑卒中(AIS)患者预后不良风险模型。方法:选取池州市人民医院2021年1月~2023年12月接受rt-PA治疗的278例AIS患者。采用改良Rankin量... 目的:基于机器学习(ML)和Shapley加法解释(SHAP)开发一种预测接受阿替普酶(rt-PA)溶栓治疗的急性缺血性脑卒中(AIS)患者预后不良风险模型。方法:选取池州市人民医院2021年1月~2023年12月接受rt-PA治疗的278例AIS患者。采用改良Rankin量表(mRS)评估患者预后,使用Boruta算法筛选影响AIS预后不良危险因素。将患者以3∶2的比例划分为训练集(n=166)和测试集(n=112)并构建9种ML模型。通过ROC曲线评估9种ML模型预测性能并选择最优ML模型。使用决策曲线分析最优ML模型的临床净收益情况,并通过SHAP可视化解释最优ML模型。结果:278例接受rt-PA治疗的AIS患者中,65例(23.4%)患者预后不良。Boruta算法发现同型半胱氨酸(Hcy)、血小板与淋巴细胞比率(PLR)、中性粒细胞与淋巴细胞比率(NLR)、D-二聚体(D-D)、出血转化(BC)、主动脉瓣狭窄(AS)、纤维蛋白原(FIB)、C-反应蛋白(CRP)、总胆固醇(CHOL)、美国国立卫生研究院卒中量表(NIHSS)和单核细胞与淋巴细胞比率(MLR)是预后不良风险变量,ROC曲线分析证实XGBoost模型预测rt-PA治疗的AIS患者预后不良风险准确性最佳,决策曲线分析证实XGBoost模型能为AIS预后不良风险筛查提供显著的临床净收益,基于SHAP附加解释和可视化XGBoost模型能准确预测rt-PA治疗的AIS患者预后不良风险。结论:Hcy、PLR、NLR、D-D、BC、AS、FIB、CRP、CHOL、NIHSS和MLR是rt-PA治疗的AIS患者预后不良风险变量。基于SHAP解释的XGBoost模型能精准预测患者预后不良风险,为患者采取更积极预防和治疗措施提供理论支持。 展开更多
关键词 急性缺血性脑卒 预后 机器学习 Boruta算法 Shapley加法解释
暂未订购 下载PDF
基于Boruta-支持向量回归的安徽省土壤pH值预测制图 认领 引用 被引量：17
12
作者 卢宏亮 赵明松 +2 位作者 刘斌寅 张平 陆龙妹 《地理与地理信息科学》 CSCD 北大核心 2019年第5期66-72,共7页
以安徽省为研究区域,将Boruta算法用于特征筛选,选择最优变量组合输入支持向量回归(SVR)模型,经参数优化和核函数对比后,选择最优的SVR预测模型进行土壤pH值空间分布制图。结果表明:1)使用Boruta算法筛选后的特征变量建模优于全部变量建... 以安徽省为研究区域,将Boruta算法用于特征筛选,选择最优变量组合输入支持向量回归(SVR)模型,经参数优化和核函数对比后,选择最优的SVR预测模型进行土壤pH值空间分布制图。结果表明:1)使用Boruta算法筛选后的特征变量建模优于全部变量建模;特征变量重要性分析表明,年均降水(MAP)是影响安徽省土壤pH值的最重要因素,多尺度山谷平坦指数(MrVBF)、多尺度山脊平坦指数(MrRTF)和年均温(MAT)等特征变量均对土壤pH值有较重要的影响。2)选择径向基函数(RBF)作为核函数建立SVR模型进行土壤pH值预测最为合理;参数C=1,γ=0.125时,SVR模型精度最高,可以解释土壤pH值变异的74%,验证集R^2为0.62。3)土壤pH值预测制图结果表明,安徽省土壤pH值空间分布呈由北至南逐渐降低的趋势,符合“南酸北碱”特征,且预测制图的统计结果与样本点的统计结果基本一致。将Boruta算法与SVR模型结合可以提高土壤pH值的预测制图精度,且模型的泛化能力较强。 展开更多
关键词 土壤pH值预测 Boruta算法 核函数 支持向量机回归 安徽省
暂未订购 下载PDF
Ⅲ—Ⅳ期肺癌免疫检查点抑制剂治疗30天内非计划再入院风险预测模型 认领 引用
13
作者 邓波 彭曹霞 +2 位作者 熊启连 辇伟奇 刘影 《实用医学杂志》 CAS 北大核心 2026年第1期1-11,共11页
目的 探讨Ⅲ—Ⅳ期肺癌免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)治疗后30 d内非计划再入院(unplanned patient readmission,UPR)的危险因素,构建并验证相应的风险预测模型。方法 收集2023年1月至2024年5月在重庆市中医院接... 目的 探讨Ⅲ—Ⅳ期肺癌免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)治疗后30 d内非计划再入院(unplanned patient readmission,UPR)的危险因素,构建并验证相应的风险预测模型。方法 收集2023年1月至2024年5月在重庆市中医院接受ICIs治疗的Ⅲ—Ⅳ期肺癌患者的资料。应用Boruta算法初筛风险因素,采用logistic回归识别独立危险因素,构建列线图预测模型。通过受试者工作特征曲线(ROC)评估模型区分能力,以校准曲线验证模型一致性,利用决策曲线分析(DCA)评估其临床实用性。采用限制性立方样条回归(RCS)联合SHAP可解释分析明确危险因素与非计划再入院之间的剂量反应关系及阈值点。结果 最终纳入284例患者,UPR发生率为30.63%。logistic回归分析显示住院天数、NRS 2002评分、介入治疗及KPS评分是非计划再入院的独立风险因素(P 6.43 d、NRS 2002>2.05、KPS<79.01且有介入手术史的患者再入院风险更高。结论 基于4个风险因素构建的预测模型能有效预测Ⅲ—Ⅳ期肺癌ICIs患者30 d内非计划再入院的风险,具有良好的临床适用性,对于高风险患者应予以重点关注及提前干预。 展开更多
关键词 肺癌 免疫检查点抑制剂治疗 非计划再入院 Boruta算法 预测模型
暂未订购 下载PDF
基于可解释机器学习与SHAP值的精神分裂症患者攻击行为风险预测研究 认领 引用
14
作者 吴青青 沈藕英 陈琳霞 《医院管理论坛》 2026年第1期65-71,共7页
目的通过可解释的机器学习(ML)技术,提高对精神分裂症患者攻击行为风险的预测准确性。方法选取我院2022年1月—2024年6月间收治的529例精神分裂症患者作为研究对象。通过Boruta筛选患者攻击行为特征,以3∶2比例随机分为317例训练集和21... 目的通过可解释的机器学习(ML)技术,提高对精神分裂症患者攻击行为风险的预测准确性。方法选取我院2022年1月—2024年6月间收治的529例精神分裂症患者作为研究对象。通过Boruta筛选患者攻击行为特征,以3∶2比例随机分为317例训练集和212例测试集,8种ML模型10倍交叉验证。结果Boruta算法筛选出8个重要特征变量,包括CTQ-SF、BPRS、HDL、SES、MLR、PANSS阳性症状评分、PANSS一般精神病理评分和PLR。其中,XGBoost模型在ROC曲线中的AUC值最高。CTQ-SF、BPRS和HDL是预测攻击行为风险最重要的三个特征变量。结论XGBoost模型在预测攻击行为风险方面具有较高的准确性和临床价值,通过SHAP值解释,提升了模型的透明性和解释性,有助于临床医生更好地理解模型预测结果。 展开更多
关键词 精神分裂症 机器学习 Boruta算法 Shapley加性解释 风险预测
暂未订购 下载PDF
基于CEA+Boruta模式的特征选择算法 认领 引用 被引量：3
15
作者 朱颢东 常志芳 《湖北民族大学学报（自然科学版）》 CAS 2020年第3期349-354,共6页
近年来,特征选择在机器学习领域中应用十分广泛.为提高文本计算效率,改善数据分类性能,提出两步法解决特征选择问题.结合过滤式中CEA算法和封装式中Boruta算法,引入参数p控制Boruta算法中阴影部分比例,提高封装阶段效率,降低整体算法时... 近年来,特征选择在机器学习领域中应用十分广泛.为提高文本计算效率,改善数据分类性能,提出两步法解决特征选择问题.结合过滤式中CEA算法和封装式中Boruta算法,引入参数p控制Boruta算法中阴影部分比例,提高封装阶段效率,降低整体算法时间复杂度,筛选出较优的候选特征集.在三个数据集上利用随机森林分类器进行实验,结果表明,该算法在平均分类错误率,召回率,准确率和F1值上均优于传统的Boruta和CEA算法,能够有效地减少最终选择的特征子集中的特征数量,提高文本分类效率和预测性能. 展开更多
关键词 特征选择 降维 Boruta CEA 机器学习
暂未订购 下载PDF
基于随机森林模型上海市社区家庭康复护理项目医保纳入现况调查 认领 引用 被引量：3
16
作者 胡玉红 张明辉 +3 位作者 郭丽君 孙炜 黄春玉 鲍勇 《中国卫生事业管理》 北大核心 2025年第4期381-388,397,共8页
目的:调查上海市社区卫生服务机构康复护理项目纳入医保实际情况,探究康复护理纳入医保的影响因素,为开展康复护理项目提供建议。方法:采用分阶段随机整群抽样方法,对上海市36家社区卫生服务机构进行问卷调查。采用Spearman相关分析探... 目的:调查上海市社区卫生服务机构康复护理项目纳入医保实际情况,探究康复护理纳入医保的影响因素,为开展康复护理项目提供建议。方法:采用分阶段随机整群抽样方法,对上海市36家社区卫生服务机构进行问卷调查。采用Spearman相关分析探讨康复护理项目纳入医保的单相关因素,采用Boruta算法进行特征筛选,将相关性分析和特征筛选结果综合,纳入二元Logistic回归模型来探索是否将康复护理项目纳入医保的影响因素。结果:27.78%的机构将康复护理纳入医保支付,Spearman相关分析显示是否将康复指导项目纳入医保支付呈显著的正相关(r=0.531,P<0.05),而推荐康复指导家庭项目(r=-0.482,P<0.05)、推荐康复护理家庭项目(r=-0.446,P<0.05)则呈显著的负相关。Boruta算法显示是否将康复指导纳入医保支付、推荐家庭康复护理项目、推荐家庭康复指导项目为重要变量,家庭病床数、职工医保结算方式、常住人口数、康复床位数为暂定变量。二元Logistic回归显示是否将康复指导项目纳入医保支付(OR=10.994,95%CI:1.583~76.342)、推荐康复护理家庭项目进入方程(OR=0.108,95%CI:0.015~0.801),且结果显著。结论:应该规范康复护理及康复指导定义,制定合理康复护理收费标准;将家庭康复护理项目纳入长期护理保险服务范畴;多方面加强家庭康复护理的发展,加大对家庭照护者康复护理知识普及。 展开更多
关键词 康复护理项目 医保支付 Boruta算法 现况
暂未订购 下载PDF
基于合成影像和多变量的博斯腾湖流域土壤有机碳含量估测 认领 引用 被引量：2
17
作者 李顿 王雪梅 +1 位作者 李坤玉 郭艳萍 《环境科学》 EI CAS CSCD 北大核心 2025年第7期4428-4440,共13页
选择合适的多时相遥感影像合成方法以及建模变量对于土壤有机碳含量的估测及其空间分布反演具有重要作用.以新疆博斯腾湖流域土壤有机碳含量为研究对象,按照最小值、中值以及均值Sentinel-2多时相卫星影像合成方法生成光谱变量,同时引... 选择合适的多时相遥感影像合成方法以及建模变量对于土壤有机碳含量的估测及其空间分布反演具有重要作用.以新疆博斯腾湖流域土壤有机碳含量为研究对象,按照最小值、中值以及均值Sentinel-2多时相卫星影像合成方法生成光谱变量,同时引入气候和地形等环境变量作为建模变量.结合Boruta变量筛选算法和随机森林(RF)模型分析探究不同影像合成方法以及变量集合对耕层土壤有机碳含量估测的影响及差异.结果表明:①环境变量结合光谱变量能够较好地估测土壤有机碳含量,环境变量中的气候变量对博斯腾湖流域土壤有机碳含量的建模估测发挥着关键作用;②相对于全变量集合,经过Boruta变量筛选算法后的特征变量模型估测精度要更好;③均值合成的影像光谱变量结合环境变量的建模效果最好,最优模型的估测精度R2为0.97,RMSE为2.919 g·kg−1,RPD为5.319.使用Boruta变量筛选算法对多时相均值合成光谱变量与环境变量所建立的RF模型能够准确地实现博斯腾湖流域土壤有机碳含量的空间反演估测,为该流域土壤有机碳含量的准确估测提供技术支持. 展开更多
关键词 影像合成 光谱和环境变量 Boruta算法 随机森林(RF)模型 土壤有机碳(SOC) 博斯腾湖流域
暂未订购 下载PDF
构建和验证乳腺癌患者麻醉苏醒延迟风险的机器学习网络计算器 认领 引用 被引量：1
18
作者 葛亮 冷玉芳 +2 位作者 张鹏 孔令国 韩旭东 《中国临床药理学与治疗学》 CAS CSCD 北大核心 2025年第9期1182-1192,共11页
目的:基于机器学习(ML)模型构建网络计算器预测乳腺癌(BC)患者麻醉苏醒延迟风险。方法:选取本院2023年1月至2024年6月手术治疗的435例BC患者。使用Boruta算法筛选麻醉苏醒延迟风险重要特征变量。根据3∶2比例将所有患者随机分配为训练集... 目的:基于机器学习(ML)模型构建网络计算器预测乳腺癌(BC)患者麻醉苏醒延迟风险。方法:选取本院2023年1月至2024年6月手术治疗的435例BC患者。使用Boruta算法筛选麻醉苏醒延迟风险重要特征变量。根据3∶2比例将所有患者随机分配为训练集(n=261)和测试集(n=174)并构建和训练9种ML模型。根据10次随机抽样的受试者工作特征(ROC)曲线评估9种ML模型并使用决策曲线分析评估模型临床实用价值。结合SHapley加法解释(SHAP)条形图、摘要图和力图附加解释和可视化ML模型。使用R包构建预测BC患者麻醉苏醒延迟风险的网络计算器。结果:435例BC患者中,25.1%患者出现麻醉苏醒延迟。Boruta算法筛选出7个特征变量。ROC曲线显示9种ML模型中XGBoost模型的10次随机抽样的曲线下面积(AUC)最高,决策曲线显示XGBoost模型具有显著临床净收益。SHAP条形图显示重要性排序为ASA分级、手术时间、麻醉时间、术中失血量、丙泊酚、术前贫血和术中低体温。SHAP摘要图反映7个重要特征变量的影响范围分布,呈“两端分离”现象。SHAP力图可视化XGBoost模型预测单个患者麻醉苏醒延迟风险,麻醉苏醒延迟患者预测值为0.998,无麻醉苏醒延迟患者预测值为0.00891。基于可解释XGBoost模型的网络计算器(http://gffzzde33030b45334c53sqk09u9vb5opk6cxu.ffgz.tsg.suse.edu.cn/DE_web/)能有效预测BC患者麻醉苏醒延迟风险。结论:ASA分级、手术时间、丙泊酚、术中失血量、麻醉时间、术前贫血和术中低体温是BC患者麻醉苏醒延迟风险重要特征变量。基于可解释XGBoost模型的网络计算器能准确快捷定量麻醉苏醒延迟风险,有助于临床医生有效调整治疗策略,更好改善患者预后。 展开更多
关键词 乳腺癌 麻醉苏醒延迟 机器学习 Boruta算法 SHAP XGBoost模型 网络计算器
暂未订购 下载PDF
基于三种特征筛选法的乳腺癌复发转移预测模型构建 认领 引用 被引量：1
19
作者 蔡一伟 吴尔律 +3 位作者 王冶 李程 刘晓红 蒙华 《中国数字医学》 2025年第3期36-43,共8页
目的:基于3种特征筛选方法构建乳腺癌复发转移预测模型,并比较其预测性能。方法:回顾性收集2017年―2021年广西某三甲医院乳腺癌复发转移患者373例的临床资料,纳入自变量指标30个。采用单因素和多因素分析、随机森林嵌套结合递归特征消... 目的:基于3种特征筛选方法构建乳腺癌复发转移预测模型,并比较其预测性能。方法:回顾性收集2017年―2021年广西某三甲医院乳腺癌复发转移患者373例的临床资料,纳入自变量指标30个。采用单因素和多因素分析、随机森林嵌套结合递归特征消除、基于Boruta的随机森林特征降维3种方法,按训练集和测试集6:4分别构建基于随机森林的乳腺癌复发转移预测模型,并比较其准确率、精确率、召回率、F1值和AUC值。结果:基于Boruta的随机森林模型(Boruta-RF)筛选获得的重要特征为组织学分级、N分期、肿瘤分期、治疗中是否发生肺叶炎症、CA153,其预测模型整体精度及泛化能力综合最佳,在测试集准确率为0.787、精确率0.760、召回率0.655、F1值0.703、AUC 0.819。结论:Boruta-RF模型预测乳腺癌复发转移效果较好,可为临床制定个性化治疗方案提供参考,但仍需更多前瞻性多中心研究验证。 展开更多
关键词 乳腺癌 特征筛选 机器学习 Boruta算法 预测模型
暂未订购 下载PDF
基于改进Apriori的网络高维数据关联特征挖掘 认领 引用 被引量：1
20
作者 王灵 侯春明 《现代电子技术》 北大核心 2025年第24期67-71,共5页
为可靠挖掘具有维度高、倍增特点且呈稀疏分布的网络数据之间的关联特征,提出一种基于改进Apriori的网络高维数据关联特征挖掘方法。采用Boruta算法在原始网络高维数据中筛选出最具有代表性的特征,并有效处理其中的冗余特征数据;通过K... 为可靠挖掘具有维度高、倍增特点且呈稀疏分布的网络数据之间的关联特征,提出一种基于改进Apriori的网络高维数据关联特征挖掘方法。采用Boruta算法在原始网络高维数据中筛选出最具有代表性的特征,并有效处理其中的冗余特征数据;通过K最近邻插补子空间聚类算法插补选择的特征数据,以提升特征数据的完整性和连续性;利用改进Apriori算法挖掘插补后的特征数据集,结合关联规则支持度、置信度和提升度的计算结果确定多个关联规则强度,更好地判断特征之间的关联程度,实现网络高维数据关联特征的挖掘。测试结果表明:所提方法具有较好的特征选择能力,归一化互信息结果均在0.909以上,特征冗余程度均低于0.0155;且能够较好地实现缺失特征插补处理,并依据设定阈值范围完成网络高维数据关联特征挖掘。 展开更多
关键词 高维数据 关联特征挖掘 数据插补 Apriori算法 Boruta算法 特征选择
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 3 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈