基于粒子群优化算法随机森林模型的体外冲击波治疗泌尿系统结石疗效预测研究

摘要：

目的 提出一种基于粒子群优化算法随机森林模型(PSO-RF),并用于体外冲击波治疗泌尿系统结石的疗效预测,以期为临床结石的治疗提供新的选择和思路.方法 选取2018年至2021年江苏省中医院泌尿外科确诊的原发性泌尿系统结石患者1150例为研究对象,将样本集按7‥3的比例随机分为训练集(805例)和测试集(345例),使用MATLAB 2019a建立BP神经网络模型、支持向量机(SVM)模型、决策树(DT)模型及PSO-RF模型,同时将准确率、召回率、F1分数、精准率作为模型精度评判指标.结果 相比SVM模型、DT模型,PSO-RF模型的预测准确率、精确率、F1分数均提高,差异均有统计学意义(P<0.05);相比BP神经网络模型、SVM模型与DT模型,PSO-RF模型的预测召回率提高,差异有统计学意义(P<0.05);PSO-RF模型的AUC为0.74,时间复杂度相比BP神经网络模型降低,差异有统计学意义(P<0.05).结论 PSO-RF模型可对泌尿系统结石治疗效果进行快速、合理、科学的预测,为泌尿系统结石的治疗提供参考,值得进一步研究和学习.

关键词：粒子群、随机森林模型、泌尿系统结石、BP神经网络模型、SVM模型、决策树模型

所属期刊栏目：36

分类号：R69(泌尿科学（泌尿生殖系疾病）)

在线出版日期：2023-03-24（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：22-26,31