基于可解释性机器学习的新冠肺炎疾病风险预测研究OA
精准快速的对新冠肺炎患者进行诊断及分析影响新冠肺炎诊断的关键因素对提高新冠肺炎重症患者的治疗具有重要的意义。目前,机器学习预测新冠肺炎的算法中缺乏模型可解释性研究,为此,本文研究了基于13种机器学习的算法模型,利用超参数优化算法对模型进行优化,结合SHAP方法从全局和局部的层面增强模型的可解释性,解释性分析新冠肺炎疾病诊断的影响因素,为临床诊断提供辅助决策依据。
孙悦;陈广新;于淼;郭金兴
牡丹江医学院附属红旗医院,黑龙江牡丹江157011牡丹江医学院医学影像学院,黑龙江牡丹江157011牡丹江医学院医学影像学院,黑龙江牡丹江157011牡丹江医学院附属红旗医院,黑龙江牡丹江157011
临床医学
可解释性机器学习新冠肺炎预测SHAP
《新一代信息技术》 2023 (12)
P.40-44,5
2021年黑龙江省省属高校基本科研业务费科研项目(No.2021-KYYWF-0494)
评论