基于DeepFM和XGBoost融合模型的静脉血栓预测

摘要：

外周穿刺置入中心静脉导管(PICC)技术被广泛运用于中长期静脉治疗.在PICC置管时会导致各种并发症和不良反应,如PICC相关性血栓.随着机器学习和深度神经网络的不断发展与完善,为PICC相关性血栓的辅助诊断提供了基于临床医学数据的解决方法.本文构建了基于DeepFM和XGBoost的融合模型,针对稀疏数据进行特征融合并能降低过拟合的情况,能够对PICC相关性血栓提供风险预测.实验结果表明,融合模型能够有效地对PICC相关性血栓进行特征重要性提取并预测患病概率,辅助临床在外周穿刺置过程中识别血栓高危风险因素,及时进行干预从而预防血栓的发生.

关键词：机器学习、血栓预测、DeepFM、XGBoost、模型融合、预测模型、深度学习

所属期刊栏目：31

分类号：R473.73;R73;R543.6

资助基金：江苏省研究生科研与实践创新项目SJCX21_1695

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：376-381