早产儿视网膜病变(retinopathy of prematurity,ROP)相关高危因素分析通常采用传统医学统计方法,分析效果依赖于数据集样本和维度的数量,很难挖掘深层次的高危因素。针对上述问题,提出基于机器学习LightGBM的ROP分析模型,通过该模型适...早产儿视网膜病变(retinopathy of prematurity,ROP)相关高危因素分析通常采用传统医学统计方法,分析效果依赖于数据集样本和维度的数量,很难挖掘深层次的高危因素。针对上述问题,提出基于机器学习LightGBM的ROP分析模型,通过该模型适合处理高维数据集的特点挖掘ROP高危因素。首先对原始数据集进行基本信息分析和数据预处理,然后对预处理后的数据集进行LightGBM模型搭建、训练、验证与特征优化,通过对比验证,证明特征优化后得出的高危因素更加准确。最终通过LightGBM特征优化分析得到的ROP相关高危因素为Px、氧时、无创、胎龄、Apgar1、母亲年龄、Apgar5、胎膜早破。展开更多
文摘早产儿视网膜病变(retinopathy of prematurity,ROP)相关高危因素分析通常采用传统医学统计方法,分析效果依赖于数据集样本和维度的数量,很难挖掘深层次的高危因素。针对上述问题,提出基于机器学习LightGBM的ROP分析模型,通过该模型适合处理高维数据集的特点挖掘ROP高危因素。首先对原始数据集进行基本信息分析和数据预处理,然后对预处理后的数据集进行LightGBM模型搭建、训练、验证与特征优化,通过对比验证,证明特征优化后得出的高危因素更加准确。最终通过LightGBM特征优化分析得到的ROP相关高危因素为Px、氧时、无创、胎龄、Apgar1、母亲年龄、Apgar5、胎膜早破。