摘要
介绍基于逻辑回归模型的缺血性脑卒中发病率预测方法及流程,包括收集和清洗数据、构建大数据平台、提取预测特征、构建基于逻辑回归的模型等。通过仿真实验验证该方法的有效性,为脑卒中数据分析、疾病预防提供技术支持。
The paper introduces the prediction methods and process of the incidence of ischemic stroke based on logistic regression model,including collecting and cleaning data,building big data platform,extracting prediction features,building a logistic regressionbased model,etc.,and verifies the effectiveness of this method through simulation experiment,which provides technical support for data analysis and disease prevention of stroke.
作者
李鹏
闵慧
瞿昊宇
罗爱静
Li Peng;MIN Hui;QU Haoyu;LUO Aijing(School of Informatics,Hunan University of Chinese Medicine,Changsha 410208; The Third Xiangya Hospital of Central South University,Changsha 410006; Key Laboratory of Medical Information Research(CSU),College of Hunan Province,Changsha 410006,China; Software Institute,Hunan College of Information,Changsha 4102001 China)
出处
《医学信息学杂志》
CAS
2020年第6期28-32,共5页
Journal of Medical Informatics
基金
国家社会科学基金重点项目“网络健康信息资源聚合与精准信息服务研究”(项目编号:17AZD037)
国家重点研发计划“中医智能舌诊系统及数据平台研发与应用”(项目编号:2017YFC1703306)
湖南省自然科学基金青年项目“无线传感网中基于压缩感知的数据收集关键技术研究”(项目编号:2019JJ50453)
湖南省自然科学基金面上项目“基于‘法-方-药’网络机器学习的中医治疗银屑病复方功效预测研究”(项目编号:2018JJ2301)
湖南省科技厅重点项目“基于大数据的中西医结合防治脑梗死创新技术研究与推广应用”(项目编号:2017SK2111)
湖南中医药大学开放基金项目“面向动态蛋白质网络的功能模块挖掘方法研究”(项目编号:2018JK02)
关键词
缺血性脑卒中
数据清洗
特征提取
逻辑回归
小批量梯度下降法
预测精度
ischemic stroke
data cleaning
feature extraction
logistic regression
mini-batch gradient descent method
prediction accuracy
