基于SMOTE和RNN的肾移植排斥反应预测

摘要：

肾移植手术在当今的应用越来越广泛,对于排斥反应的预测变得更加重要.针对排斥反应数据特点中存在的数据的维度高、数据时序性、样本不均衡等问题,将循环神经网络应用于肾移植排斥反应的预测,本文提出一种结合SMOTE(Synthetic Minority Over-sampling Technique)以及RNN(Recurrent Neural Network)的算法.该方法先处理数据,降低正负样本的不平衡度,且解决样本量不足的问题,再根据RNN的学习过程进行关键参数调整、优化.经过实验发现,该方法可以有效提升正负分类的准确率,与传统的马尔可夫时间序列预测算法相比,准确率提高了16.7％,传统RNN训练经过优化后,相对错误率下降了5.03％,可以使用该方法进行肾移植排斥反应的有效预测.

关键词：肾移植排斥反应;序列分类;循环神经网络;SMOTE

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11